摘要：电力规划是在给定的负荷值和电源规划的基础上，结合当前的电网结构，设计最合理的线路对电网进行扩建或改进，在保证电力系统安全稳定的前提下，最大程度地降低电网运行成本，提高电网配电、输电和用电的效率，有效降低电网线损率，提升电网运行的经济性。遗传算法、模拟退火算法和禁忌搜索算法都存在着一定的不足，通过结合三种方式对遗传算法进行改进，对于电力规划目标的实现有着重要作用。基于此，本文就改进遗传算法在电力规划中的应用进行分析，首先概述了遗传算法，阐述了电力规划中主要算法以及电力规划数学模型，对改进遗传算法在电力规划中的应用进行了探讨分析。
关键词：遗传算法；电力规划；算法；数学模型；应用
一、遗传算法的概述
遗传算法（GA）一词源于人们对自然进化系统所进行的计算机仿生模拟研究，是以达尔文的“进化论”和孟德尔的“遗传学原理”为基础的，是最早开发出来的模拟遗传系统的算法模型。遗传算法是从某一个初始种群开始，首先计算个体的适应度，然后通过选择、交叉、变异等基本操作，产生新一代的种群，重复这个过程，直到得到满足条件的种群或达到迭代次数后终止。通过这个过程，后代种群会更加适应环境，而末代种群中的最优个体，在经过解码之后，就可以作为问题的近似最优解。遗传算法的应用领域非常广泛，比如应用在优化问题、生产调度、自动控制、机器学习、图像处理、人工生命和数据挖掘等方面。
二、电力规划中主要算法的分析
电力规划中的算法主要有：（1）遗传算法。遗传算法是通过利用目标函数来探索最优的方向，整个计算过程中不需要进行求逆、求导等运算，能够随时加入约束条件，在多目标优化、整数非线性规划等方面应用较为广泛。在遗传算法当中，其操作的对象是参数编码而非参数自身，可以在同一时间段内搜索多个点的编码，其编码过程是遵循随机转换规则的。但是遗传算法的缺点也十分明显，由于此算法中变异概率过小，染色体引入的机会过少，导致其局部搜索能力差，容易出现不可行解和早熟现象等问题。（2）模拟退火算法。其是通过接受或放弃系统能量状态变化的信号来使其逐渐趋于稳定的一种算法。在经过多次迭代后，整个系统分布状态会逐渐稳定。在模拟退火算法当中，初始值与最终状态、算法解之间都没有关系，是一种随机性全局最优化的方法，在计算过程中可以并行计算，具有渐近收敛的特性。（3）禁忌搜索算法。其是在局部邻域搜索算法基础上发展出的一种算法，其通过利用禁忌表记录的方式，将一些搜索过程中发生的局部最优过程或最优点列入禁忌搜索的范围，缩小下一次搜索的范围，有效解决了局部邻域搜索算法的不足。这种算法的结果会在很大程度上受到初始解的影响，如果初始解发生错误，则最终解会出现较大误差。
三、电力规划数学模型的分析
电力规划就是在某些特定条件下，最大可能地实现经济性、稳定性和安全性等多个目标的规划方式，所以电力规划模型为多目标模型，其中需要考虑建设投入、运行费用和网损等因素，优化模型如下：
式（1）中：f1为目标函数1，是指建设投资等值年费用；kI为单位长度线路造价；xi为决策变量；li为第i条线路长度。
式（2）中：f2为目标函数2，是指网络安全约束惩罚项；Wi为第i种网络约束；peni为相应的惩罚系数。
式（3）中：f3为目标函数3，是指年网损费用；T为年网损的时间，h；K2为单位电价；ri和pi分别为第i条线路电阻和功率；NB为网络支路数。
期刊文章分类查询,尽在期刊图书馆
综合公式（1）（2）（3）可得，此优化模型的广义函数为：minf=f1+f2+f3，由此可推出适应度函数fit=fmax-f=fmax-（f1+f2+f3）。
四、改进遗传算法在电力规划中的应用分析
电力规划中遗传算法的基本操作主要包括选择、交叉和变异，为避免遗传算法不足，以下引进了模拟退火算法和禁忌搜索算法对其进行改进，以提高遗传算法的准确性，改进后的算法过程如下。
1、遗传算法的实现。（1）确定编码。为了提高译码过程的效率，采取了整数编码的方式，同时，此编码方式还使得算法更加直观。在电力规划中，进行编码时，其直接变量是电力规划的线路数量，所以编码的对象就是架线类型和数量，其对应关系为染色体代表规划方案、基因代表某一架线支路。采用这种编码方式，通过去除基因代表的架线支路就可以直接反映此支架线路是否发生线型、长度方面的变化，遗传算法常用的二进制编码方式能够在很大程度上降低字符长度，提高解码效率。（2）选择算子。传统遗传算法中的算子选择是通过赌轮选择方法实现的，如此一来，能够保留父代群体中的精英个体，没有同交叉和变异，是一种最优保存的方案。在改进遗传算法中，选择算子时采取了模拟退火算法的选择方法，即先按照某一特定顺序将父代群体排序，然后根据模拟退火算法的原理，结合其概率选择方式得到部分优秀的个体并将其复制到下一代中，最后交叉和变异处理剩余的个体。（3）算子交叉。在本改进算法中，算子交叉采取的是部分匹配交叉的方法。在此交叉操作当中，将均匀随机分布方式产生的两个位串交叉点之间的区域定义为同一匹配区域，然后通过位置交换操作方法，将两个父串匹配区域进行交换，以两父串点A1和B1为例，其交换后得到A2和B2，然后依据位置映射关系，再次交换后得到。由此过程可知，新子代个体都是由父串次序部分得到的。（4）变异操作。变异操作的作用是扰动算子种群，增加算子种群的多样性，但在变异操作过程中，必须合理控制变异概率，以免概率过小无法发挥增加新模式的作用，或者概率过大使算法变为随机搜索。所以，为了控制变异概率，并使最优个体在得到保留的同时，不会出现重复搜素问题，就在遗传算法中引用了禁忌搜索算法，以得到算子交叉后的最优解，使其直接进入到下一代群体中，再以某概率变异操作剩余个体。（5）惩罚因子。惩罚因子peni规则为自适应规则，取较小的初值，在搜索过程中peni逐渐增大，其惩罚项影响也不断扩大，其变化过程为
（6）终止规则。遗传算法终止于迭代次数达到设定的次数值时。
2、电力规划中改进遗传算法的计算分析。主要表现：（1）配电网原始数据的确定，主要包括约束条件和节点参数等，同时合理设置算法的初始参数，包括初始和终止温度、群体规模、禁忌表的长度和终止规则等。（2）初始化群体的形成采取随机方式，形成许多有差异的可行解，使其组成初始化可行解群体。（3）进行适应度计算，如果此时满足终止规则，停止并将计算结果输出；如果不满足，则开始执行函数。（4）通过模拟退火算法得到部分最优解，并将其复制到下一代群体中。（5）使用禁忌搜索算法来对上一步函数得到的新一代群体进行处理，得到其中最优部分解，然后直接进入到下一代群体中进行变异，剩余个体以某概率行变异操作，并将处理后的变异算子全体进行第三步操作；（6）按终止规则停止运输，输出最终结果。
结束语
随着我国社会经济的发展，人们生活水平不断提高，对电力需求也不断增加，从而促进了电网建设的进步。电力规划是配电网建设的基础，对于配电网运行、调度的优化有着重要意义，所以采取合适的算法对于提高电力规划水平非常重要。本文笔者结合多年的工作经验，希望更好、更高效率的帮助到广大的工作者，使我们电力企业可以更好的服务于人民。
参考文献
[1]潘欣等.种群分布式并行遗传算法解化工多目标优化问题[J].化工进展，2015（5）.
[2]黄慧，顾波.改进遗传算法在电网规划中的应用[J].电力系统保护与控制，2012（22）.
[3]麻秀范，崔换君.改进遗传算法在含分布式电源的配电网规划中的应用[J].电工技术学报，2011（03）.
论文作者:黄翔
论文发表刊物:《电力设备》2017年第10期
论文发表时间:2017/8/1
标签：算法论文; 电力论文; 算子论文; 种群论文; 最优论文; 电网论文; 概率论文; 《电力设备》2017年第10期论文;