摘要：本文主要针对改进遗传算法进行探讨，论述了改进遗传算法，在电力变压器绝缘结构优化设计过程中的应用，分析了具体的应用方法和应用的方案，提出了相关的措施，希望可以为今后的电力变压器绝缘结构及优化提供参考。
关键词：改进遗传算法；电力变压器；绝缘结构；设计；优化
前言
在电力变压器绝缘结构优化设计的过程中，应用改进遗传算法，这是非常关键的，随着今天科学技术的不断发展，采用这种先进的遗传算法，可以进一步提高电力变压器绝缘结构优化的有效性，进一步提高设计的质量。
1、电力系统优化的必要性
近年来，随着我国电力系统整体负荷的飞速增长，电网的运行经济化受到越来越多相关部门的高度重视。电力系统无功优化能够有效降低有功损耗，提高电压合格率。合理配置电力系统无功电源，为无功负荷建立最佳补偿，在有效提高系统运行时电压水平和电网稳定性的同时，能够有效降低其有功网损和无功网损，使电力系统的运行更加经济、安全。
2、遗传算法概述
最优化问题，简单来说就是求出某一目标函数满足给定条件的最优解。近几年来，随着各种综合优化设计变压器电磁计算思想的产生，改变了以往只追求低成本的模式，在变压器优化设计之中引入了一些全新的优化方法和理论，如神经网络、遗传算法、模拟退火法等。随着优化技术的发展，国内外应用于变压器优化设计的方法多种多样，近年来，我国的设计人员习惯采用下面几类变压器优化设计计算方法：鲍威尔法、约束遍历法及一些新的优化方法，主要有遗传算法和模拟退火算法等。
遗传算法是目前应用较广的、随机搜索高效的优化方法。遗传算法的基本思路是产生初始种群，按某种指标从解群中选取较优的个体，进行交叉和变异等操作运算，产生新一代的候选解群。它的每次寻优过程都是一个迭代过程，每一次的迭代过程中都按候选解的优劣进行排序，保留其中优良的个体，重复此过程，直到满足某种收敛指标为止。新一代群体通过三个主要遗传操作步骤被应用，即选择、杂交、变异提供较强的全局寻优机制。
电力变压器是电网运行中进行转换和传输电能的核心设备，正常条件下使用寿命是20～30年。但是部分变压器因为绝缘老化没有达到正常的服役年限就提前退出了运行。保证变压器正常绝缘寿命、延缓绝缘老化是变压器制造商和变压器运行方共同关心的问题。电力变压器的优化设计是指在满足相关标准的电磁性能下，确定某一目标，运用优化算法优化设计方案。该领域研究始于1953年，采用的优化方法有Monte-Karlo法、有效约束的直接法、Powell法、复合形法、循环遍数法、离散规划算法、正交试验法等，但上述方法优化设计电力变压器时均不是很理想，或运算量太大、求解效率和精度低，或解往往是局部最优解，或算法通用性差、程序不能方便地进行移植，或算法受维数等限制不适用于复杂的混合离散变量的优化问题。
遗传算法（Geneticalgorithm，GA）是基于达尔文进化论（Darwin’stheoryofevolution）和孟德尔遗传定律（Mendel’slawofinheritance）的优化方法，在求解电力变压器优化设计等非线性问题时具有不要求目标函数连续、可导和单峰值的特点，是求解电力变压器优化设计较理想的方法。
3、遗传算法的改进在电力变压器设计中的应用
将遗传算法应用于配电网中，其算法如下：第一步，随机产生第一代满足群体规模的个体；第二步，按照一定的选择机制进行“优胜劣汰”；第三步，对个体编码进行交叉、变异，产生下一代满足群体规模的个体。不断重复以上三步，直到满足收敛条件或到达一定的迭代次数，得出最后结果。
遗传算法是基于自然选择和基因遗传原理的搜索算法，其优点如下：
（1）多路径搜索，有利于得到全局最优解；
（2）对变量进行编码，用编码串直接操作，更有利于离散变量的计算；
（3）该算法将目标函数直接作为寻优方向，不要求目标函数连续可导。
期刊文章分类查询,尽在期刊图书馆
虽然遗传算法的优点是众多学者对之青睐的主要原因，它也存在一系列的缺点：
（1）对于变量过于庞大时，计算效率较低；
（2）经常出现收敛过早，局部收敛的现象；
（3）其交叉、变异经常会出现优良个体过早被破坏的现象。
3.1选择操作
选择操作即从父代节点中挑取部分个体节点作为繁殖库的过程，其挑取标准为个体节点的适应度评价体系，不同的评价标准则会产生不同的收敛速度。本文将节点之间的两两竞争作为繁殖库个体节点的挑选标准，实现“优胜劣汰”。假设初始种群有M个个体，我们要选择N个个体进入繁殖库，那么我们将M个个体平均划分为N个区域，让前面N-1个区域均包含[M/N+1]个个体，若第N个区域仅含有一个个体，则直接进入繁殖库。N个区域划分好之后，从没个区域中随机抽取2个个体进行适应度的比较，适应度大的个体进入繁殖库，适应度小的直接淘汰。这样将会得到一个有N个个体节点的繁殖库。该种繁殖库在群体解空间上的分散性较好，在保证繁殖库中个体的适应值普遍较好的同时，有效避免个别高适应度值的个体在种群中大量繁殖的现象出现。由于选择、交叉、变异等遗传操作的随机性，为了防止最优个体在交叉、变异的过程中过早丢失，本文采取保存最优个体策略，即当前群体中适应度最高的个体不参与交叉和变异运算而直接复制到下一代。
3.2交叉方式的改进
杂交是遗传算法的基本操作之一，主要目的在于获取多个优秀个体。一般的杂交方式有三种：单点杂交、两点杂交和多点杂交。本文选用单点杂交方法并进行部分改进，方法如下：当两个个体适应度值相差较大时，将适应度值较大的节点保持不变，只让适应度值较小的个体接受适应度值较大个体的优良性态，使种群向最优解范围逼近，这样便有效避免了单点杂交可能导致种群平均性态变坏的缺陷。例如，设父代为a、b，假设a的适应度值大于b，如下所示：
a101010
b111001
若单点杂交位为第3位，则单点选择式杂交结果为a′与b′。
a′101010
b′010001
结果a′=a，但b′的前3位基因与a′的后3位基因相同。这种方法进行交叉后，b′遗传了双亲的特性，其性能必定得到了提高，同时不会造成b中好的基因过早消失。
3.3终止进化判据
终止进化判据采用迭代次数和最优结果相结合的方法。当满足一定的目标函数要求时可以提早结束循环，得到最优解，如果不能，便依照总的最大迭代次数来终止循环。
4.算例与结果分析
运用本文提出的改进遗传算法对35kV变电所向外供配电的网络进行优化，对优化前后进行比较。优化前，大部分节点电压低，网损大；优化后，无功补偿点及补偿容量得到增加。经过调整变压器分接头的位置以及无功补偿装置的补偿容量，使无功优化更加合理，电压水平有所提高，同时降低了网损。
结束语
综上所述，在电力变压器绝缘结构优化设计的过程中，要提出更好的设计方案，应用改进遗传算法，将其技术应用到相关的设计过程中，不仅可以提高设计的水平，也可以保证设计更加的科学合理。
参考文献：
[1]赵尤新，徐国禹.用灵敏度法分析计算电力系统无功和电压最优控制问题[J].重庆大学学报，2017，8（4）：1-11.
[2]熊信银，吴耀武.遗传算法及其在电力系统中的应用[M].武汉：华中科技大学出版社，2018.15
[3]周明，孙树栋.遗传算法原理及应用[M].长沙国防工业出版社，2017.19
论文作者:李磊,王喜亮
论文发表刊物:《基层建设》2018年第31期
论文发表时间:2018/12/25
标签：算法论文; 个体论文; 单点论文; 优化设计论文; 电力变压器论文; 最优论文; 变压器论文; 《基层建设》2018年第31期论文;