基于改進(jìn)飛蛾算法的供電網(wǎng)負(fù)荷均衡智能調(diào)度

摘 要：由于用戶用電負(fù)荷特征不同，如果調(diào)度不合理則會導(dǎo)致電力資源被大量浪費(fèi)，為此，提出基于差分進(jìn)化飛蛾算法的供電網(wǎng)負(fù)荷均衡調(diào)度研究。通過分析傳輸鏈路中關(guān)鍵節(jié)點(diǎn)的運(yùn)行情況，對傳輸鏈路節(jié)點(diǎn)負(fù)載進(jìn)行計算，當(dāng)共用節(jié)點(diǎn)負(fù)載大于節(jié)點(diǎn)最大傳輸負(fù)載時，需要進(jìn)行均衡調(diào)度。根據(jù)均衡調(diào)度判斷結(jié)果，采用差分進(jìn)化飛蛾算法找到火焰的最優(yōu)位置以及對應(yīng)的適應(yīng)度值，即供電網(wǎng)調(diào)度的最優(yōu)結(jié)果。實(shí)驗結(jié)果表明，所建系統(tǒng)具有更加優(yōu)秀的搜索能力和收斂能力，對于大功率電力資源依然可以實(shí)現(xiàn)均衡調(diào)度，且不會出現(xiàn)鏈路節(jié)點(diǎn)擁堵的情況。

關(guān)鍵詞：改進(jìn)飛蛾算法；負(fù)荷均衡智能調(diào)度；傳輸鏈路；檢修申請；螺旋函數(shù)

中圖分類號：TM714；TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1001-5922（2024）11-0155-04

Intelligent scheduling of load balancing in power supplynetwork based on improved moth algorithm

LI Yichao 1 ，GUO Rui 1 ，XU Dong 1 ，YAO Mengyang 2 ，SHAN Xiaowei 2

（1. State Grid Shanghai Pudong Electric Power Supply Company Co.，Ltd.，Shanghai 200082，China；2. Beijing WellsTech Limited Co.，Ltd.，Beijing 100085，China）

Abstract： Due to the different characteristics of users’electricity loads，if the scheduling is not reasonable，it willlead to a large amount of waste of electricity resources. Therefore，a study on load balancing scheduling of powersupply networks based on differential evolution moths algorithm was proposed. By analyzing the operation of keynodes in the transmission link，the load of the transmission link nodes was calculated. When the load of sharednodes exceeded the maximum transmission load of nodes，balanced scheduling was required. Based on the balancedscheduling judgment results，the differential evolution moth algorithm was used to find the optimal position of theflame and the corresponding fitness value，which was the optimal result of power grid scheduling. The experimentalresults showed that the built system had better search and convergence capabilities，and could still achieve bal?anced scheduling for high-power power resources without congestion of link nodes.

Key words： improved moths algorithm；load balancing dispatching；transmission link；request for overhaul；helixFunction

科學(xué)技術(shù)的大力發(fā)展推動著人們生活水平的不斷提高，這使得供電網(wǎng)調(diào)度數(shù)據(jù)的反應(yīng)越來越慢、效率越來越低，亟需一種高效且負(fù)荷均衡的調(diào)度系統(tǒng) [1] 。如將改進(jìn)后的樽海鞘群算法應(yīng)用在電力負(fù)荷調(diào)度模型中 [2] ；提出基于背包算法的梯級水電站電力負(fù)荷分頻調(diào)度方法 [3] ；提出了一種基于集群負(fù)荷預(yù)測的主動配電網(wǎng)多目標(biāo)優(yōu)化調(diào)度 [4] 。

由于上述方法易陷入到局部最優(yōu)中，難以取得理想的全局最優(yōu)解，導(dǎo)致調(diào)度效果不理想，為此，提出基于差分進(jìn)化飛蛾算法（DEMFO）的供電網(wǎng)負(fù)荷均衡調(diào)度研究方案。測試結(jié)果表明，與其他方法相比，所提系統(tǒng)有著理想的收斂能力和搜索能力。

1 供電網(wǎng)負(fù)荷均衡智能調(diào)度設(shè)計

1. 1 傳輸鏈路負(fù)載計算

供電網(wǎng)絡(luò)是由多個階段形成的拓?fù)浣Y(jié)構(gòu)，可通過分析傳輸鏈路中關(guān)鍵節(jié)點(diǎn)的運(yùn)行情況，實(shí)現(xiàn)對傳輸鏈路負(fù)載情況的分析和計算 [5-6] 。

當(dāng)供電網(wǎng)進(jìn)行電力資源傳輸時，首先要確定發(fā)出端與接收端間的位置關(guān)系，通過最小傳輸能耗準(zhǔn)則選擇最合適的鏈路進(jìn)行傳輸。將供電網(wǎng)電力傳輸量定義為W ，傳輸過程途徑了 n 個鏈路節(jié)點(diǎn)，鏈路傳輸帶寬為 D ，假設(shè)當(dāng)前時刻下鏈路節(jié)點(diǎn)負(fù)載都是一致的，即可得到：

1. 2 改進(jìn)飛蛾算法的供電網(wǎng)負(fù)荷均衡調(diào)度

由上一節(jié)可以知道，影響供電網(wǎng)鏈路傳輸?shù)闹饕蛩鼐褪枪?jié)點(diǎn)負(fù)載。在確定了調(diào)度目標(biāo)后，利用差分進(jìn)化飛蛾算法實(shí)現(xiàn)均衡調(diào)度 [9] 。

DEMFO算法是將差分算法引入到原始飛蛾算法中，賦予每個飛蛾個體交叉 [10-11] 、變異和選擇的能力。首先，從種群中任選一個個體進(jìn)行迭代計算，并選擇另外2個個體做差值計算，將差值結(jié)果代入到計算過程中，促使第一個個體發(fā)生變異 [12-13] 。這樣做的目的是使飛蛾個體跳出局部最優(yōu)的限制，增強(qiáng)尋優(yōu)能力；然后，將迭代計算后輸出的突變個體和未變異個體做交叉處理，產(chǎn)生新的個體，以此提高飛蛾群體規(guī)模和多樣性，即面對不同鏈路需求的應(yīng)對能力；最后，從飛蛾中找出最優(yōu)個體賦給火焰，輸出結(jié)果即當(dāng)前負(fù)載均衡調(diào)度最優(yōu)解。

在DEMFO算法中，飛蛾個體表示算法的平衡調(diào)度候選解決方案，火焰是飛蛾找到的最佳位置，處于一直更新的狀態(tài)。假設(shè)矩陣 M 表示飛蛾的位置，矩陣 OM 存儲其適應(yīng)度值 [14] ；矩陣 F 表示火焰位置，矩陣 OF 存儲其適應(yīng)度值。具體表達(dá)式為：由表1數(shù)據(jù)可知，與另外2種算法相比，所提方法無論針對單峰函數(shù)還是多峰函數(shù)，都展現(xiàn)出了優(yōu)秀的搜索能力。

對于單峰函數(shù) f 1 ～f 5 來說，所提方法雖然沒有取得理論最優(yōu)值，但是較其他 2 種方法相比有著更高的搜索精度、收斂精度，以及優(yōu)秀的求解性能。

對于多峰函數(shù) f 6 ～f 8 來說，所提方法在函數(shù) f 6和函數(shù) f 8 上均收斂到了最小值，跳出了局部最優(yōu)的限制，直接收斂到了最優(yōu)解，而其他2種方法收斂效果不理想，易陷入局部最優(yōu)。同時，所提方法對于函數(shù) f 6 和函數(shù) f 8 所求解的 avg 和 std 都為0，說明所提方法具有非常優(yōu)秀的收斂能力和搜索能力。

將3種方法運(yùn)用到實(shí)際供電網(wǎng)中進(jìn)行電力資源調(diào)度，在相同的傳輸功率下，對比3種算法取得的供電網(wǎng)負(fù)荷均衡度，值越大表示負(fù)載程度越大，調(diào)度效果越差，具體如圖1所示。

從圖1中可以看出，6為供電網(wǎng)最佳負(fù)荷均衡度，改進(jìn)樽海鞘算法和背包算法的負(fù)載度在不停變化，在絕大多數(shù)的傳輸功率下都超過了最佳負(fù)載度，引發(fā)電網(wǎng)負(fù)載過大的問題，容易導(dǎo)致電網(wǎng)引發(fā)隱性故障，表明這2種方法在調(diào)度大功率電力資源方面不是很有效，還有一定的改進(jìn)空間。反觀所提方法，最大負(fù)荷均衡度始終保持在6以下，遠(yuǎn)遠(yuǎn)小于最佳負(fù)載度，這說明所提方法可以實(shí)現(xiàn)電力資源的均衡調(diào)度。

3 結(jié)語

為了保證供電網(wǎng)電力資源在負(fù)荷均衡的條件下完成調(diào)度，提出了基于差分進(jìn)化飛蛾算法的智能調(diào)度系統(tǒng)設(shè)計方案。設(shè)計方案中包括軟硬件2個部分，調(diào)度中心作為硬件的主要部分，可完成操作和調(diào)度任務(wù)；軟件則在計算完傳輸鏈路負(fù)載后，利用DEMFO算法完成均衡調(diào)度。在實(shí)驗測試中，所提方法展現(xiàn)出了優(yōu)秀的收斂能力和搜索能力，可以幫助供電網(wǎng)實(shí)現(xiàn)負(fù)荷均衡智能調(diào)度。

【參考文獻(xiàn)】

[1] 廖清陽，陳曉，王軍，等. 基于改進(jìn)花授粉算法的配網(wǎng)繼電保護(hù)整定優(yōu)化方法[J]. 粘接，2023，50（9）：183-186.

[2] 李玲玲，陳文泉，馮歡. 基于改進(jìn)的樽海鞘群算法的電力負(fù)荷經(jīng)濟(jì)調(diào)度策略[J]. 天津工業(yè)大學(xué)學(xué)報，2022，41（2）：67-73.

[3] 佟忠正，孫旸子，王忠軍. 基于背包算法的梯級水電站電力負(fù)荷分頻調(diào)度方法[J]. 水利水電技術(shù)（中英文），2021，52（11）：143-151.

[4] 劉新苗，李卓環(huán)，曾凱文，等. 基于集群負(fù)荷預(yù)測的主動配電網(wǎng)多目標(biāo)優(yōu)化調(diào)度[J]. 電測與儀表，2021，58（5）：98-104.

[5] 程明曦，王冰，吳曉月，等. 基于區(qū)塊鏈技術(shù)的可控負(fù)荷入網(wǎng)優(yōu)化調(diào)度策略[J]. 電力自動化設(shè)備，2022，42（1）：109-115.

[6] 牟龍華，王蘊(yùn)敏，梁紫雯，等. 計及可控負(fù)荷動態(tài)調(diào)節(jié)的主動配電網(wǎng)優(yōu)化調(diào)度[J].電力系統(tǒng)保護(hù)與控制，2021，49（4）：104-110.

[7] 周振宇，王曌，廖海君，等. 電力物聯(lián)網(wǎng)5G云-邊-端協(xié)同框架與資源調(diào)度方法[J]. 電網(wǎng)技術(shù)，2022，46（5）：1641-1651.

[8] AHMED O H，LU J，XU Q，et al. Using differential evolu?tion and Moth-Flame optimization for scientific workflowscheduling in fog computing[J]. Applied Soft Computing，2021，112（9）：107744-107768.

[9] 戴瑞海，廖鴻圖，施亦治，等. 分時電價下考慮需求響應(yīng)的微電網(wǎng)經(jīng)濟(jì)調(diào)度方法[J]. 重慶大學(xué)學(xué)報，2022，45（1）：25-37.

[10] 譚振鵬，鄧智廣. 基于改進(jìn)蟻群算法的電力自動調(diào)度模型構(gòu)建[J]. 粘接，2021，48（11）：88-91.

[11] 謝文君，孫名剛，趙佳微，等. 基于分層優(yōu)化的分散式城軌供電系統(tǒng)網(wǎng)絡(luò)化支援供電[J]. 電工技術(shù)學(xué)報，2021，36（11）：2306-2314.

[12] Li Q Z H . Transient electromagnetic inversion based onparticle swarm optimization and differential evolution al?gorithm[J]. Near surface geophysics，2021，19（1）：1-13.

[13] 李榮，賀興時，楊新社. 基于差分進(jìn)化的飛蛾算法在電力調(diào)度中的應(yīng)用[J]. 計算機(jī)工程與應(yīng)用，2021，57（13）：258-268.

[14] 代榮榮，李宏慧，付學(xué)良. 基于差分進(jìn)化融合蟻群算法的數(shù)據(jù)中心流量調(diào)度機(jī)制[J]. 計算機(jī)應(yīng)用，2022，42（12）：3863-3869.