余俊勇

摘 ?要：隨著我國社會經(jīng)濟的迅猛發(fā)展，人們對電力的需求不斷增加，促進了配電網(wǎng)建設的進步。配電網(wǎng)規(guī)劃是配電網(wǎng)建設的基礎，對于配電網(wǎng)運行、調(diào)度的優(yōu)化有著重要意義，所以，采取合適的算法提高配電網(wǎng)規(guī)劃水平十分重要。在介紹遺傳算法、模擬退火算法和禁忌搜索算法的基礎上，分析了改進遺傳算法在配電網(wǎng)規(guī)劃中的具體應用。

關鍵詞：改進遺傳算法;配電網(wǎng)規(guī)劃;電源規(guī)劃;遺傳算法

中圖分類號：TM715 ? ? ? ? ? ? ? 文獻標識碼：A ? ? ? ? ? ? ? DOI：10.15913/j.cnki.kjycx.2015.14.081

配電網(wǎng)規(guī)劃是在給定的負荷值和電源規(guī)劃的基礎上，結合當前的電網(wǎng)結構，設計最合理的線路對配電網(wǎng)進行擴建或改進，在保證電力系統(tǒng)安全穩(wěn)定的前提下，最大程度地降低配電網(wǎng)運行的成本，提高配電網(wǎng)配電、輸電和用電的效率，有效降低配電網(wǎng)線損率，提升配電網(wǎng)運行的經(jīng)濟性。

1 ?配電網(wǎng)規(guī)劃中的幾種算法

1.1 ?遺傳算法

遺傳算法是一種優(yōu)化復雜函數(shù)的算法，是在1975年由Holland提出的，通過利用目標函數(shù)來探索最優(yōu)的方向，整個計算過程中不需要進行求逆、求導等運算，能夠隨時加入約束條件，在多目標優(yōu)化、整數(shù)非線性規(guī)劃等方面應用較為廣泛。

在遺傳算法當中，其操作的對象是參數(shù)編碼而非參數(shù)自身，可以在同一時間段內(nèi)搜索多個點的編碼，其編碼過程是遵循隨機轉換規(guī)則的。但是，遺傳算法的缺點也十分明顯，由于此算法中變異概率過小，染色體引入的機會過少，導致其局部搜索能力差，容易出現(xiàn)不可行解和早熟現(xiàn)象等問題。

1.2 ?模擬退火算法

模擬退火算法是通過接受或放棄系統(tǒng)能量狀態(tài)變化的信號來使其逐漸趨于穩(wěn)定的一種算法，其基本原理是當系統(tǒng)能量從E1變化為E2，如果E1>E2，則系統(tǒng)會接受此狀態(tài);反之則隨機丟棄或接受。在經(jīng)過多次迭代后，整個系統(tǒng)分布狀態(tài)會逐漸穩(wěn)定。

在模擬退火算法當中，初始值與最終狀態(tài)、算法解之間都沒有關系，是一種隨機性全局最優(yōu)化的方法，在計算過程中可以并行計算，具有漸近收斂的特性。

1.3 ?禁忌搜索算法

禁忌搜索算法是在局部鄰域搜索算法基礎上發(fā)展出的一種算法，其通過利用禁忌表記錄的方式，將一些搜索過程中發(fā)生的局部最優(yōu)過程或最優(yōu)點列入禁忌搜索的范圍，縮小下一次搜索的范圍，有效解決了局部鄰域搜索算法的不足。

禁忌搜索算法的優(yōu)點在于具有較高的“爬山能力”，這是由搜索過程中能夠接受劣解特點決定的，但是，這種算法的結果會在很大程度上受到初始解的影響，如果初始解發(fā)生錯誤，則

最終解會出現(xiàn)較大誤差。

2 ?配電網(wǎng)規(guī)劃的數(shù)學模型

配電網(wǎng)規(guī)劃就是在某些特定條件下，最大可能地實現(xiàn)經(jīng)濟性、穩(wěn)定性和安全性等多個目標的規(guī)劃方式，所以，配電網(wǎng)規(guī)劃模型為多目標模型，其中需要考慮建設投入、運行費用和網(wǎng)損等因素，優(yōu)化模型如下：

. ? ? ? ? ? （1）

式（1）中：f1為目標函數(shù)1，是指建設投資等值年費用;kI為單位長度線路造價;xi為決策變量;li為第i條線路長度。

. ? ? ? ? ? ? ? （2）

式（2）中：f2為目標函數(shù)2，是指網(wǎng)絡安全約束懲罰項;Wi為第i種網(wǎng)絡約束;peni為相應的懲罰系數(shù)。

. ? ? ? ? ? ?（3）

式（3）中：f3為目標函數(shù)3，是指年網(wǎng)損費用;T為年網(wǎng)損的時間，h;K2為單位電價;ri和pi分別為第i條線路電阻和功率;NB為網(wǎng)絡支路數(shù)。

綜合公式（1）（2）（3）可得，此優(yōu)化模型的廣義函數(shù)為：minf=f1+f2+f3，由此可推出適應度函數(shù)fit=fmax-f=fmax-（f1+f2+f3）。

3 ?改進遺傳算法的具體應用

遺傳算法的過程與自然進化的隨機選擇有著相似性，其基本操作主要包括選擇、交叉和變異，為避免遺傳算法的不足，本文就引進了模擬退火算法和禁忌搜索算法對其進行改進，以提高遺傳算法的準確性，改進后的算法過程如下。

3.1 ?算法的實現(xiàn)過程

3.1.1 ?編碼確定

為了提高譯碼過程的效率，采取了整數(shù)編碼的方式，同時，此編碼方式還使得算法更加直觀。在配電網(wǎng)規(guī)劃中，進行編碼時，其直接變量是配電網(wǎng)規(guī)劃的線路數(shù)量，所以編碼的對象就是架線類型和數(shù)量，其對應關系為染色體代表規(guī)劃方案、基因代表某一架線支路。

采用這種編碼方式，通過去除基因代表的架線支路就可以直接反映此支架線路是否發(fā)生線型、長度方面的變化，遺傳算法常用的二進制編碼方式能夠在很大程度上降低字符長度，提高解碼效率。

3.1.2 ?算子選擇

在傳統(tǒng)的遺傳算法當中，算子選擇是通過賭輪選擇方法實現(xiàn)的，如此一來，能夠保留父代群體中的精英個體，沒有同交叉和變異，是一種最優(yōu)保存的方案。在改進遺傳算法中，選擇算子時采取了模擬退火算法的選擇方法，即先按照某一特定順序將父代群體排序，然后根據(jù)模擬退火算法的原理，結合其概率選擇方式得到部分優(yōu)秀的個體并將其復制到下一代中，最后交叉和變異處理剩余的個體。

3.1.3 ?算子交叉

在本改進算法中，算子交叉采取的是部分匹配交叉的方法。在此交叉操作當中，將均勻隨機分布方式產(chǎn)生的兩個位串交叉點之間的區(qū)域定義為同一匹配區(qū)域，然后通過位置交換操作方法，將兩個父串匹配區(qū)域進行交換，以兩父串點A1和B1為例，其交換后得到A2和B2，然后依據(jù)位置映射關系，再次交換后得到。由此過程可知，新子代個體都是由父串次序部分得到的。

3.1.4 ?變異操作

變異操作的作用是擾動算子種群，增加算子種群的多樣性，但在變異操作過程中，必須合理控制變異概率，以免概率過小無法發(fā)揮增加新模式的作用，或者概率過大使算法變?yōu)殡S機搜索。所以，為了控制變異概率，并使最優(yōu)個體在得到保留的同時，不會出現(xiàn)重復搜素問題，就在遺傳算法中引用了禁忌搜索算法，以得到算子交叉后的最優(yōu)解，使其直接進入到下一代群體中，再以某概率變異操作剩余個體。

3.1.5 ?懲罰因子

懲罰因子peni規(guī)則為自適應規(guī)則，取較小的初值，在搜索過程中peni逐漸增大，其懲罰項影響也不斷擴大，其變化過程為：peni+1=cpeni，其中，peni=1，c>1.

3.1.6 ?終止規(guī)則

遺傳算法終止于迭代次數(shù)達到設定的次數(shù)值時。

3.2 ?改進遺傳算法的計算步驟

改進后的遺傳算法的計算步驟為：①確定配電網(wǎng)的原始數(shù)據(jù)，包括約束條件和節(jié)點參數(shù)等，同時設置算法的初始參數(shù)，包括初始和終止溫度、群體規(guī)模、禁忌表的長度和終止規(guī)則等。②初始化群體的形成采取隨機方式，形成許多有差異的可行解，使其組成初始化可行解群體。③進行適應度計算，如果此時滿足終止規(guī)則，停止并將計算結果輸出;如果不滿足，則開始執(zhí)行函數(shù)。④通過模擬退火算法得到部分最優(yōu)解，并將其復制到下一代群體中。⑤使用禁忌搜索算法來對上一步函數(shù)得到的新一代群體進行處理，得到其中最優(yōu)部分解，然后直接進入到下一代群體中進行變異，剩余個體以某概率行變異操作，并將處理后的變異算子全體進行第三步操作;⑥按終止規(guī)則停止運輸，輸出最終結果。

4 ?結束語

綜上所述，遺傳算法、模擬退火算法和禁忌搜索算法都存在著一定的不足，通過結合三種方式對遺傳算法進行改進，能夠得到更好的全局收斂性，更快地完成相關數(shù)據(jù)的收斂，對于配電網(wǎng)規(guī)劃目標的實現(xiàn)有著重要作用。

參考文獻

[1]麻秀范，崔換君.改進遺傳算法在含分布式電源的配電網(wǎng)規(guī)劃中的應用[J].電工技術學報，2011（03）：175-181.

[2]黃慧，齊巖，吳利樂.改進的混合遺傳算法在配電網(wǎng)規(guī)劃中的應用[J].水電能源科學，2012（09）：168-170.

[3]黃慧，顧波.改進遺傳算法在電網(wǎng)規(guī)劃中的應用[J].電力系統(tǒng)保護與控制，2012（22）：64-67，112.

〔編輯：王霞〕

Application of Genetic Algorithm in Distribution Network Planning

Yu Junyong

Abstract： With the rapid development of social economy in China， the demand for power is increasing， which promotes the development of distribution network. Distribution network planning is the basis of distribution network construction. It has important significance for distribution network operation and scheduling. So it is very important to take appropriate algorithm to improve the level of distribution network planning. Based on the introduction of genetic algorithm， simulated annealing algorithm and tabu search algorithm， the application of genetic algorithm in distribution network planning is analyzed.

Key words： genetic algorithm; network planning; power distribution; genetic algorithm

文章編號：2095-6835（2015）14-0083-02