基于遺傳LM算法的電網企業電力物資供應實時調度方法研究

摘要：當前電網企業電力物資供應實時調度與物資管理存在脫節，為此研究基于遺傳LM算法的電網企業電力物資供應實時調度方法。深入分析電力物資需求，利用遺傳LM算法優化庫存，建立智能調度模型。實驗結果表明：與傳統方法相比，基于遺傳LM算法的電網企業電力物資供應實時調度方法的適應度均值高且穩定維持在0.45附近，更符合實際需求。

關鍵詞：遺傳LM算法電力物資物資供應供應實時調度

中圖分類號：F253文獻標識碼：A

ResearchonReal-timeDispatchingMethodforPowerMaterialSupplyinPowerGridEnterprisesBasedonGeneticLMAlgorithm

ZHANGLiboLIULijun

TaiyuanPowerSupplyCompanyofStateGridShanxiElectricPowerCompany，Taiyuan，ShanxiProvince，030001China

Abstract：Atpresent，thereal-timedispatchingofpowermaterialsupplyinpowergridenterprisesisdisconnectedfromthematerialmanagement.Therefore，thereal-timedispatchingmethodofpowermaterialsupplyinpowergridenterprisesbasedonGeneticLMalgorithmisstudied.Itconductsin-depthanalysisofpowermaterialdemand，usesGeneticLMalgorithmtooptimizeinventoryandestablishintelligentdispatchingmodel.Theexperimentalresultsshowthat：Comparedwiththetraditionalmethods，theadaptabilityofthereal-timedispatchingmethodofpowermaterialsupplyofpowergridenterprisesbasedonGeneticLMalgorithmishighandstablearound0.45，whichismoreinlinewiththeactualdemand.

KeyWords：GeneticLMalgorithm;Powermaterials;Materialsupply;Real-timesupplydispatching

為了滿足電力需求的變化，電網企業需要實時調度電力物資供應以維持系統穩定。張育銘等人[1]在考慮倉庫作業能力的條件下，以任務完成時間為目標，構建供應保障任務分配模型，利用遺傳算法實現物資優化調度。申曉寧等人[2]利用離散算法計算物資運輸成本和運輸時間的不確定性，將應急救援成本和應急救援時間作為求解目標，建立多目標調度模型，利用混合蛙跳算法進行求解。但上述方法在實際操作中可能會受到一些不確定因素的影響。而基于遺傳LM算法的電網企業電力物資供應實時調度方法為解決這一問題提供了新的思路[3]。在電力物資供應調度中，遺傳LM算法可以處理多種不確定因素，從而找到最優的調度方案。

1電力物資需求分析

電網企業電力物資供應需求特點包括季節性波動，如夏、冬兩季因空調和供暖需求增加，導致物資需求上升；區域性差異，經濟發達和工業密集地區電力需求高，物資需求也相應大[4]；技術更新換代，為滿足更高的電力需求和供電質量，需不斷更新和升級電力設備和系統。

2利用遺傳LM算法確定物資庫存

利用遺傳LM算法確定物資庫存，首先選擇最相近的新個體即最新庫存容量代入至遺傳LM算法中[5]。根據最相似度原則，選擇最相近的新個體作為替代，具體計算如下。在遺傳LM算法中，子代和父代的個體轉換有兩種方法：一是新個體全局替代父代，優化全局最優但收斂慢；二是比較新個體與初始個體，保留最佳者作為下一代，收斂性好但易陷入局部最優。

3建立電力物資智能調度函數模型

4實驗

4.1實驗準備

為驗證本文方法的有效性，以某城市的電網為例，選取一個受災區的供電中心結構，得到了10個電力節點和3個供電節點的電網結構，具體如圖3所示。

通過Python調用COPT求解器進行模型求解，運行環境為Intel（R）Core（TM）i7一9700E3.OOGHzCPU，32.0GBRAM。表1為倉庫和需求點位置信息和作業能力，倉庫的作業能力表示該倉庫每小時能夠揀選物資規格總量。表2是倉儲及需求點的詳細資料，其中：物資規格表示庫房為這一類物料所需的工作容量消耗量；庫存情況中的“1”代表“存在該類庫存”，“0”代表“沒有該類庫存”。

平均適應度值是評估電網企業電力物資供應實時調度方案滿足實際需求的能力和程度的重要指標，其值越高，表明調度方案在預測和滿足電力物資需求、優化庫存管理和配送方面的效果越好。

4.2實驗結果與分析

將本文基于遺傳LM算法的電網企業電力物資供應實時調度方法與張育銘等人[1]和申曉寧等人[2]提出的方法對比，生成的調度適應度均值如圖3所示。

從圖3中可以清晰地看出，基于遺傳LM算法的電網企業電力物資供應實時調度方法具有較好的收斂性。隨著迭代次數的增加，本文生成的調度方案的適應度值逐漸接近穩定，維持在0.45附近，得到的平均適應度值更大且更穩定，表現出良好的優化能力和穩定性。

5結語

基于遺傳LM算法的電網企業電力物資供應實時調度方法為電力行業帶來了革命性的變革。通過引入遺傳LM算法，能夠有效地應對電力物資供應中的復雜性和不確定性，優化調度方案，確保電力系統的穩定運行。

參考文獻

[1]張育銘，劉世倫，王兵，等.物資應急供應保障任務調度建模與求解[J].裝甲兵學報，2023，2（4）：58-64.

[2]申曉寧，葛忠佩，姚鋮濱，等.基于離散混合蛙跳算法的地震應急物資調度[J].系統仿真學報，2024，36（1）：97-109.

[3]吳鳳梅，李禹梁，王涵.基于遺傳LM算法的電力物資自動化統計方法[J].工業加熱，2022，51（6）：47-51.

[4]梁瑾璠，趙晗萍，張家樂.應急物資供應鏈快速構建模式[J].中國安全科學學報，2022，32（4）：135-140.

[5]萬超.一種混合遺傳LM算法求解非線性最小二乘問題[J].長江信息通信，2021，34（12）：52-54.