摘要：當(dāng)前電網(wǎng)企業(yè)電力物資供應(yīng)實時調(diào)度與物資管理存在脫節(jié)，為此研究基于遺傳LM算法的電網(wǎng)企業(yè)電力物資供應(yīng)實時調(diào)度方法。深入分析電力物資需求，利用遺傳LM算法優(yōu)化庫存，建立智能調(diào)度模型。實驗結(jié)果表明：與傳統(tǒng)方法相比，基于遺傳LM算法的電網(wǎng)企業(yè)電力物資供應(yīng)實時調(diào)度方法的適應(yīng)度均值高且穩(wěn)定維持在0.45附近，更符合實際需求。

關(guān)鍵詞：遺傳LM算法電力物資物資供應(yīng)供應(yīng)實時調(diào)度

中圖分類號：F253文獻(xiàn)標(biāo)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(wǎng)企業(yè)需要實時調(diào)度電力物資供應(yīng)以維持系統(tǒng)穩(wěn)定。張育銘等人[1]在考慮倉庫作業(yè)能力的條件下，以任務(wù)完成時間為目標(biāo)，構(gòu)建供應(yīng)保障任務(wù)分配模型，利用遺傳算法實現(xiàn)物資優(yōu)化調(diào)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(yīng)急救援成本和應(yīng)急救援時間作為求解目標(biāo)，建立多目標(biāo)調(diào)度模型，利用混合蛙跳算法進(jìn)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(wǎng)企業(yè)電力物資供應(yīng)實時調(diào)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(yīng)調(diào)度中，遺傳LM算法可以處理多種不確定因素，從而找到最優(yōu)的調(diào)度方案。

1電力物資需求分析

電網(wǎng)企業(yè)電力物資供應(yīng)需求特點包括季節(jié)性波動，如夏、冬兩季因空調(diào)和供暖需求增加，導(dǎo)致物資需求上升；區(qū)域性差異，經(jīng)濟(jì)發(fā)達(dá)和工業(yè)密集地區(qū)電力需求高，物資需求也相應(yīng)大[4]；技術(shù)更新?lián)Q代，為滿足更高的電力需求和供電質(zhì)量，需不斷更新和升級電力設(shè)備和系統(tǒng)。

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(jù)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(zhuǎn)換有兩種方法：一是新個體全局替代父代，優(yōu)化全局最優(yōu)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(yōu)。

3建立電力物資智能調(diào)度函數(shù)模型

4實驗

4.1實驗準(zhǔn)備

為驗證本文方法的有效性，以某城市的電網(wǎng)為例，選取一個受災(zāi)區(qū)的供電中心結(jié)構(gòu)，得到了10個電力節(jié)點和3個供電節(jié)點的電網(wǎng)結(jié)構(gòu)，具體如圖3所示。

通過Python調(diào)用COPT求解器進(jìn)行模型求解，運行環(huán)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(yè)能力，倉庫的作業(yè)能力表示該倉庫每小時能夠揀選物資規(guī)格總量。表2是倉儲及需求點的詳細(xì)資料，其中：物資規(guī)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(yīng)度值是評估電網(wǎng)企業(yè)電力物資供應(yīng)實時調(diào)度方案滿足實際需求的能力和程度的重要指標(biāo)，其值越高，表明調(diào)度方案在預(yù)測和滿足電力物資需求、優(yōu)化庫存管理和配送方面的效果越好。

4.2實驗結(jié)果與分析

將本文基于遺傳LM算法的電網(wǎng)企業(yè)電力物資供應(yīng)實時調(diào)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(diào)度適應(yīng)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(wǎng)企業(yè)電力物資供應(yīng)實時調(diào)度方法具有較好的收斂性。隨著迭代次數(shù)的增加，本文生成的調(diào)度方案的適應(yīng)度值逐漸接近穩(wěn)定，維持在0.45附近，得到的平均適應(yīng)度值更大且更穩(wěn)定，表現(xiàn)出良好的優(yōu)化能力和穩(wěn)定性。

5結(jié)語

基于遺傳LM算法的電網(wǎng)企業(yè)電力物資供應(yīng)實時調(diào)度方法為電力行業(yè)帶來了革命性的變革。通過引入遺傳LM算法，能夠有效地應(yīng)對電力物資供應(yīng)中的復(fù)雜性和不確定性，優(yōu)化調(diào)度方案，確保電力系統(tǒng)的穩(wěn)定運行。

參考文獻(xiàn)

[1]張育銘，劉世倫，王兵，等.物資應(yīng)急供應(yīng)保障任務(wù)調(diào)度建模與求解[J].裝甲兵學(xué)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(yīng)急物資調(diào)度[J].系統(tǒng)仿真學(xué)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(tǒng)計方法[J].工業(yè)加熱，2022，51（6）：47-51.

[4]梁瑾璠，趙晗萍，張家樂.應(yīng)急物資供應(yīng)鏈快速構(gòu)建模式[J].中國安全科學(xué)學(xué)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.