现阶段主流配电网规划模型与算法分析--中国期刊网

字体：大中小

首页> 原创作品> 正文

现阶段主流配电网规划模型与算法分析

发表时间：2020/7/2 来源：《基层建设》2020年第6期作者：魏文峰刘培超

[导读] 摘要：本文介绍目前配电网规划采用的各类方法，对数学优化方法、启发式方法和人工智能算法、网格化规划方法进行了着重介绍，简要分析了各类电网规划模型与算法的优缺点，对各类方法的应用前景进行分析判断。

        国网山东省电力公司平阴县供电公司 250400
        摘要：本文介绍目前配电网规划采用的各类方法，对数学优化方法、启发式方法和人工智能算法、网格化规划方法进行了着重介绍，简要分析了各类电网规划模型与算法的优缺点，对各类方法的应用前景进行分析判断。
        关键词：配电网规划；规划模型；规划算法
        一、引言
        近年来，我国城乡经济快速发展，城市化进程进一步加快，用电负荷增长迅猛。电力作为城市高速发展的重要能源保障，却在规划建设过程中面临诸多外部影响因素,传统的配电网规划方法开始表现出一些不适应，因此，适时开展配电网规划新方法的研究具有重要的理论意义和实际意义。
        二、配电网规划研究现状及发展趋势
        配电网的优化规划已经在国内外得到了广泛的研究，研究的重点是数学模型及其算法。在数学模型方面，主要有单目标模型、多目标模型、柔性规划模型和多阶段规划模型等；在优化算法方面，数学优化方法、启发式方法和人工智能算法得到广泛关注[1]。
        启发式方法是一种模型算法，采用直观分析法，分析系统某一性能指标的各种可行性参数的灵敏度，根据设定的算法，逐步迭代到满足要求的结果为止[2]。启发式规划方法包括过载检测、灵敏度分析和方案形成。启发式方法直观灵活，计算方便，时间短，便于规划人员结合工作经验。其缺点是，定义的性能指标难以反映规划中的实际问题，同时要求容易计算。这不是一个严格的优化算法，而且很难考虑不同阶段之间的相互作用。
        数学优化是将电网规划的方案描述为数学模型，并建立相关的约束关系，然后求解最优化方案。数学优化的规划方法主要包括线性规划、多目标规划和动态规划。虽然数学优化规划方法可以在原则上得到最优方案，但在电网规划中要考虑的因素很多，要解决的因素数量很大，难以建立模型，而且建立的模型可能也无法求解。实际规划中的边界条件不能全部量化，原问题的数学模型需要简化，可能无法得到最优解。因此，尽管数学规划方法的发展快速，在解决电网规划的实际问题上仍然存在困难。
        此外，电网规划中还存在着许多不确定因素，针对这些因素，开发了各种智能规划方法。
        禁忌搜索算法是启发式算法，一般用于组合优化问题的解决，采用搜索历史的方法来获取算法，然后指导后续的计算方向，用来避免局部的最优方案。该方法能适应电网规划的工作特点，适用于解决纯整数的规划问题，并能有效地计算出不可微函数。该方法的优点是搜索速度快，收敛效率高，缺点是初始数据会影响收敛，搜索效率和结果会受到禁忌表深度、期望级别、搜索算法不清晰、不能用数学方法证明最优解以及由于列表大小的限制而无法得到最优解。
        蚁群算法是一种启发式方法，由意大利科学家Dorigo研究总结出的，主要用于组合问题的最优化求解。该模型算法模拟蚂蚁群的觅食方法，制造所需的人工蚂蚁，每一种人工蚂蚁根据荷尔蒙的浓度选择其路径，并在其选择的路径上留下一定数量的荷尔蒙。当每只蚂蚁进行一次全面搜索时，再全局更新一次荷尔蒙的浓度。经过一段时间的反复，大多数蚂蚁最终会寻找到相同的路线(最优)。该方法具有寻优效率高、算法性能高、适用于约束问题的优点。其缺点是规划模型和蚂蚁算法模型仍然存在差异，且不能为大型系统找到最优解。
        模拟退火算法是一种随机搜索技术，采用马尔科夫链的遍历理论，一般用于大型系统的问题优化计算，模拟热力学中固体物质的冷却、退火过程，采用Metropolis准则，避免求得局部的最优方案，逐步的求解全局的最优方案[3]。一些学者已经将这种方法应用到电网规划中，但模拟退火需要很长时间才能使状态分布平稳。模拟退火算法是一种单点优化算法，若将其与其它的优化方法相互结合使用，更能发挥其优势。
        遗传算法是一种智能优化方法，遗传算法的大规模并行搜索特性市其作为优化策略的基础，应用于多目标、多阶段优化问题的求解[4]。

期刊文章分类查询,尽在期刊图书馆

遗传算法计算简单，演化采用交叉、变异方式，比其他数学方法更方便解决，不需要分解来处理大的电网规划问题，评价值可以直接利用网络来计算结果，避免分解、线性化带来的误差。该算法是一种不受搜索空间限制的多点优化算法，可以解决电网规划中的多目标、多约束、非线性和混合整数问题。此外，在求解数学优化问题时，遗传算法也能计算出一些次优方案，而数学优化方法只能得到单解。根据所得到的多种解决方案，工程技术人员可以发挥主观主动性，利用实际经验对多种解决方案进行分析，并对多种解决方案进行综合评价，最终得到最优解决方案。遗传算法的缺点是收敛的数学方法还没有完全分析清楚，对种群大小、交叉率和变异率等控制参数还需要进一步研究。利用模拟退火算法的特点，可以有效地防止陷入局部最优解。进化规划(Evolutionary Programming，EP)算法与遗传算法类似，进化(ep)算法与遗传算法相似，是一种模拟自然界物种进化规律的方法，能够以更大的概率搜索全局最佳。
        相比其他智能算法，粒子群算法能够较好的进行全局寻优，在解决大规模的优化问题时，粒子群算法参数少且易于实现。粒子群算法操作简便，搜索空间不受限制，解决多目标、多约束、非线性和混合整数优化等问题的方法在电网规划中得到了广泛的应用。电网规划的重点是分析和处理各种制约因素，粒子群算法可以有效解决电网规划中的多目标粒子群问题。
        层次分析法是一种决策分析方法，于1977年美国匹兹堡大学教授T.L.Saaty提出，特点是定性与定量相结合。它以相关专家的工作经验为基础，分析了定性因素的相对影响，并将其纳入递阶层次结构，综合分析评判优化问题，形成了判断矩阵。层次分析法是结合了人的决策思维过程：分解、判断和综合，是解决多准则、多目标决策问题的有效方法。这种方法科学、合理、可靠、简单，深受广大工作者喜爱。在电网规划过程中，长期规划方案的综合选择、规划项目的时间安排、电源规划、输电线路规划和无功功率规划等类似决策问题需要解决。在20世纪90年代层次分析法在电网规划中得到了广泛应用，在优化某些问题上发挥了积极作用。从总体上看，层次分析法处于蓬勃发展阶段，在电网规划中具有很好的应用前景。然而，电力规划有其自身的局限性和特殊性，如果要发挥层次分析法的全部作用，还需要进一步研究和探讨。
        智能优化算法近几年发展十分迅速，在电网规划方面得到广泛应用并获得较大的成功，计算速度快、能够解决多维问题和全局寻优是其发展方向。基于传统优化技术的配电网重构优化方法之一是分支法，将重构问题描述为一个非线性或线性规划问题，然后用比较成熟的规划优化方法来求解。
        网格（Grid）技术是近年来国际上兴起的一种重要信息技术，网格的作用是将分散在网络上的信息及信息存储、处理能力以合理的方式“粘合”起来，形成有机的整体，以提供比任何单台高性能计算机都强大得多的处理能力，实现信息的高度融合和共享。应用在配电网规划中，形成了在网格之间以变电站定向联络为主干、网格内部以线路分段之间联络为依托的“联络组合”理念，实现了城市目标网格的有序过渡，合理安排网格的整体建设时序。
        三、结语
        对于目前主流的配电网规划模型与算法，虽然各有优缺点，但其规划精度和颗粒度已可以满足目前配电网规划的要求，可选择其中一种或多种，通过电网技术平台的搭建来开展配电网规划，配合开展智慧城市建设，持续提升电网故障“快速自愈”、负荷“精准自调”能力，打造坚强智能配电网。
        参考文献
        [1]李健，马彬，张植华，林毓，杨小芳．基于网格的城市配电网优化规划方法研究．南方能源建设，2015(3)：38—42．
        [2]熊炜，粟世玮．电网规划方法综述[J]．电工电气，2011(2)：1-3．
        [3]夏炜，王德洪，李洁舱．现代电网规划方法的研究[J]．宁夏电力，2011(4)：1-5．
        [4]朱历生．配电网优化规划研究综述[J]．贵州电力技术，2015(4)：7-9．
        [5]高燕，杨仁刚，李伟．配电网扩展规划方法研究[J]．电力建设，2013(4)：8—13．