摘要：电网能否稳定运行的关键在于网架结构，坚强的网架结构来源于合理的电网规划。随着国内经济的飞速发展，城乡居民生活水平不断提高，电力需求持续增加，地区电网也亟待做出相应的改造和扩建。对于一个受环境、经济、发展潜力等综合因素影响的特定区域，制定出一个良好的电网规划方案，关系到该地区电网改造的投资成本、经济效益，对周边地区的影响及该地区未来经济发展速度等。
关键词：电网规划；人工智能法；层次分析法
城市电网规划的新形势、新风险、新要求，提出了城市电网规划新模式，该模式能够改善城市电网规划的流程，系统地解决城市电网规划中出现的问题，对提高我国城市电网规划水平具有较大意义。本文从电网规划的特点出发，综述了电网规划的常规方法、人工智能法和层次分析法，并对各种方法进行了比较分析，指出层次分析法能解决多准则、多目标问题，在电网规划中具有较好的应用前景。
1 电网规划的特点
电网规划是电力系统规划的重要组成部分，其任务是根据规划期间的负荷增长及电源规划方案确定相应的最佳电网结构，以满足经济、可靠地输送电力的要求。其研究的内容包括网架规划、无功规划、稳定性分析及短路电流分析。电网规划可分为输电网规划和配电网规划两类。另外，按规划期长短可分为短期规划、远景规划和长期规划 3 种。短期规划研究主要用于制定较短水平年如 5 年的网络扩展计划，确定详细的网络结构方案；远景规划研究一般针对一个较长水平年如 20～30 年，它通过对未来各种发展情形的分析，给出根据环境参数进行技术选择的一般原则；长期规划研究介于两者之间，它用于电网 10～20 年发展规划方案的制定。电网规划的基本原则是指在一定的技术可行性条件下，使电网规划各阶段费用总和最小。在数学上它属于一个复杂的多决策变量、多约束条件优化问题，而且具有整数性、非线性、多目标性、动态性、不确定性等特点。合理地进行电网规划不仅可以获得巨大的社会效益，也可以获得巨大的经济效益。因此，合理的规划方法显得尤为重要。
2 电网规划的常规方法
2.1 数学优化方法
数学优化方法是对电网规划作出数学描述，处理成有约束的极值问题，然后用最优化理论进行求解。数学优化的主要方法有：线性规划、多目标规划和动态规划等方法。虽然数学优化方法理论上可以保证解的最优性，但由于电网规划中要考虑的因素很多，问题的阶数也很大，建立模型十分困难，即使建立了模型，也很难求解。而且，实际中的许多因素不能完全形式化，通常需要对原问题的数学模型作简化处理，因而可能丢失最优解。所以，尽管数学规划发展较快，但各种数学规划方法在解决电网规划的实际问题时还存在困难。
2.2 启发式方法
启发式方法是一种以直观分析为依据的算法，通常是基于系统某一性能指标对可行路径上一些线路参数作灵敏度分析，根据一定的原则，逐步迭代直到得到满足要求的方案为止。主要由过负荷校验、灵敏度分析、方案形成三个部分组成。启发式方法直观灵活，计算时间短，易于同规划人员的经验相结合。缺点是难以选择既容易计算又能真正反映规划问题实质的性能指标，它不是严格的优化方法，不能很好地考虑各阶段各架线决策问的相互影响，并且当网络规模较大时指标对于一组方案都差别不大，难以优化选择。
3 电网规划的人工智能方法
3.1 蚁群算法
蚁群算法是由意大利科学家 Dorigo 研究总结出的一种求解组合最优化问题的新型通用启发式方法。该算法仿照蚂蚁群觅食机理，构造一定数量的人工蚂蚁，每个蚂蚁以路径上的荷尔蒙浓度大小选择前进路径，并在自己选择的行进路径上留下一定量的荷尔蒙。当所有蚂蚁均完成一次搜索后，再对荷尔蒙浓度进行一次全局更新。通过反复的迭代，最终大多蚂蚁将沿着相同的路线（最优路线）完成搜索。
期刊文章分类查询,尽在期刊图书馆该方法的优点是算法效率高、寻优能力较强，适合求解有约束问题；缺点是还没有很好地将规划模型处理成适合于蚂蚁算法求解的模型，系统规模增大时，难以求得高质量的解。
3.2 模拟退火算法
模拟退火算法是以马尔科夫链的遍历理论为基础的一种适用于大型组合优化问题的随机搜索技术，算法的核心在于模拟热力学中固体物质冷却和退火过程，采用 Metropolis 接受准则避免落入局部最优解，渐进地收敛于全局最优。已有学者尝试将这种方法应用于电网规划中，但模拟退火为使每一冷却步的状态分布平滑要花费时间，而且这种算法属于单点寻优，不能像遗传算法那样获得多个优化解，若能将模拟退火算法和其它优化方法结合在一起使用，更能发挥其优势。
3.3 禁忌搜索算法
禁忌搜索算法是一种高效的用于解决组合优化问题的启发式搜索算法，其基本思想是通过记录搜索历史，从中获得知识并利用其来指导后续的搜索方向以避开局部最优解。该方法适合于解决纯整数规划问题，有效处理不可微的目标函数，这正与电网规划的特点相符合，因此该方法被引入到电网规划中。该方法的优点是搜索效率高、收敛速度快；缺点是收敛受到初始解的影响，禁忌表的深度及期望水平影响搜索的效率和最终结果，搜索法机理还不甚清楚，从数学上无法证明其一定能达到最优解，而且对于多阶段大规模的问题可能受到列表大小的限制，难以达到全局最优解。
3.4 遗传算法
遗传算法是电网规划采用的一种智能优化方法，它根据优胜劣汰的原则进行搜索和优化，可以考虑多种目标函数和约束条件，特别适合于整数型变量的优化问题。遗传算法的操作简单，通过交叉和变异完成进化，相对灵敏度分析线性规划等数学方法更便于执行，对于大型电网规划问题不需要分解处理，直接将网络的运行计算结果计入评价值，避免了由于分解或线性化造成的误差。而且该方法为多点寻优，不受搜索空问的限制性约束，不要求连续性、导数存在、单峰等假设，可以考虑多种目标函数和约束条件，使其在解决电网规划这种多目标、多约束、非线性、混合整数优化问题中受到重视。更重要的是，遗传算法在获得最优解的同时也能给出一些次优解，这弥补了数学优化只能求得单解的不足。这种多解的情况使工程技术人员可以充分发挥主观能动性，利用实际工程经验在多解中进行分析判断，再进行综合评定，得到符合实际情况的规划方案。遗传算法目前存在的问题是其收敛的数学机理还未完全搞清楚，和算法收敛有关的控制参数如种群规模、交叉率和变异率等还有待研究，在参数选取不当时有收敛到局部最优点的可能性，且计算速度还较慢。考虑到模拟退火算法可以有效防止陷入局部最优解这一特性，将模拟退火法和遗传算法结合的混合模拟退火算法也取得了不错的效果。
3.5 粒子群算法
在解决规模优化问题中，粒子群算法比其他智能算法具有更好的全局寻优能力，且参数少易于实现。粒子群算法操作简单，不受搜索空间的限制性约束，使其在解决电网规划这种多目标、多约束、非线性、混合整数优化问题中得到广泛应用。在电网规划中，多种约束条件的处理也是重点。将多目标粒子群用于求解电网规划，有效避免了加权和权重的选择。
4 结语
电网规划是电力系统规划的重要组成部分，也是电网更新改造的依据。合理地进行规划可以获得巨大的社会效益和经济效益，因此，电网规划方法尤为重要。经过多年来不懈地研究和发展，智能优化算法发展十分迅速，在电网规划领域取得重大的进展，计算速度快、突破维数灾难、避免局部最优是其发展的方向。另外层次分析法以其能解决多准则、多目标决策问题的特点跻身电力行业，在电网规划的决策方面发挥了较好的作用。但是由于电网规划的复杂性和多样性，如何对电网准确描述和处理仍然需要更深入地研究，以便使电网规划方法能够早日为电网规划的实际工程发挥其应有的作用。
参考文献：
[1]赵云飞，陈金富，郭文利．层次分析法在电力行业决策问题中的应用[J]．继电器，2005，33（3）：83~88．
[2]李杰超．电网规划方法探讨[J]．广西电业，2009（3）：39~40．
[3]许 磊，张 兰．电网规划算法的研究综述[J]．大众科技，2009（9）：123.
论文作者:叶志俊
论文发表刊物:《基层建设》2017年第36期
论文发表时间:2018/4/4
标签：电网论文; 算法论文; 方法论文; 最优论文; 数学论文; 目标论文; 启发式论文; 《基层建设》2017年第36期论文;