论文部分内容阅读
摘要：电网规划是根据对某一区域在某一时期内负荷预测的结果，在满足一定的可靠性水平的条件下，寻求一个最经济的电网发展方案。本文探讨了现代电网规划方法。
关键词：电网规划方法问题
中图分类号：U665.12 文献标识码：A 文章编号：
电网规划的目标是寻求最佳的电网投资决策，以保证整个电力系统的长期最优发展。其目的是根据电网发展及负荷增长情况合理地确定今后若干年的电网结构，使其既安全可靠又经济合理。电网规划的基本原则是在保证电力安全可靠地输送到负荷中心的前提下，使电网建设和运行的费用最小。
1、模拟进化方法
（1）遗传算法
遗传算法（Genetic Algorithm，GA）源于对自然界中优胜劣汰法则的模拟。它建立于型式定理之上，将生物进化过程引入工程问题中，抓住生物对环境适应程度和工程方案对工程技术经济要求的满意程度的相似性，对工程方案进行选择、组合的优化。
遗传算法在全局寻优时不依赖于梯度信息，具有全局寻优性、无维数限制、无需目标函数可微、隐并行性等优点。其中，GA 的隐并行性体现在选择和交叉机制上。由于其具有上述优点，被广泛应用于电网规划。
（2）进化规划算法
进化规划（Evolutionary Programming，EP），是模拟自然界中物种的进化规律而产生的一种方法，能以较大的概率搜索到全局最优点。
EP 法运算过程中，确定变异率是其难点，变异率确定得过小或过大会导致算法早熟或陷入局部最优情况，均不利于EP 的寻优，而这在GA 法中同样存在。目前，变异率的确定一般是凭经验来设定，尚未基于种群规模给出理论值。
（3）演化算法
演化算法（Evolutionary Algorithm，EA），其原理与GA 基本相同，但它强调利用领域知识指导寻优过程，能更快找到优解，但其局部搜索能力较差，目前在电网规划方面的应用较少。通过改进演化算法的染色体编码策略，可避免其盲目搜索和网络辐射性检查，提高算法的寻优速度。
2、群体智能方法
（1）蚁群算法
蚁群算法（Ant Colony Optimization，ACO）是一种以网络图上蚁群留下的信息素（pheromone）为交流方式来指导寻优路径的新型通用启发式概率搜索方法。作为一种新兴的智能算法，ACO 具有良好的正反馈、鲁棒性、群体性、并行性、分布式计算和贪婪启发式搜索的特点，适合求解像电网规划这类具有离散特征的大规模组合优化问题。但在应用中，ACO 的蚁群规模不宜超过网架图中的节点数。目前已有许多改进版ACO 应用于电网规划中，其共同点是增强蚁群搜索过程中的寻优能力，差异仅在搜索控制策略方面。通过引入局部搜索技术可使ACO 在应用中获得最佳结果。
（2）粒子群优化算法
粒子群优化（Particle Swarm Optimization，PSO）算法是模拟鸟群觅食过程中的迁徙和群聚行为的一种全局随机搜索仿生算法。PSO 存在群体协作和竞争， 属群体智能（Swarm Intelligence，SI）技术。
（3）模拟退火算法
模拟退火（Simulated Annealing，SA）算法是对热力学理论中熔融金属退火过程的模拟。SA 用于电网规划的优点为：鲁棒性好、不依赖初始解、有渐进收敛性、适合并行处理、能跳出局部最优等。
3、人工智能规划方法
（1）禁忌搜索算法
禁忌搜索（Tabu Search，TS）算法是对人类思维记忆过程的模拟，是一种全局性邻域随机搜索扩展技术。TS 是包含多策略的混合启发式算法，TS 的特点有：第一、寻优时可接受劣解，具有“爬山”能力；第二、局部搜索能力较强；第三、能避免搜索迂回和局部最优。但在电网规划的应用中，还存在依赖初始解、单线搜索、获优率低等不足。
应用于电网规划时需注意下述策略：第一、邻域移动：包括单个移动、交换移动等方式。不同方式对算法效率影响较大且目前给出的邻居取样数尚无理论基础。第二、禁忌表（Tabu List）：表的长度Lmax和保留期Tmax 是设计该表的两个重要参数，直接影响着解的质量和搜索效率。建议根据迭代过程采用可修改参数的动态禁忌表。
（2）专家系统法
专家系统（Expert System，ES）是基于知识的智能问题求解系统。适于解决不确定性的、非结构化的、无算法解的大规模组合优化问题。在电网规划的应用中，ES 能以专家的经验为指导，对模型、算法、方案评估等环节做出适宜的简化，降低问题复杂度，获得最优解和执行效率之间的平衡。开发ES常遇到信息获取困难、周期长、自学习机制弱、不具通用性等问题，有待深入研究。
免疫算法
免疫算法（Immune Algorithm，IA）的思想源于人体的免疫系统的防御机制。
IA 具有鲁棒性、多样性、并行性、自适应性以及可识别、学习、记忆等优点，能以较高效率寻得全局最优解。但同其他启发式方法一样，IA 也缺乏理论基础，在求解电网规划的这类多目标优化问题时，也会有早熟收敛现象。该算法的改进，目前主要通过与其他算法或技术相结合来改善IA 各个环节的效率来提升IA 的整体性能。
（4）人工神经网络法
应用于电网规划的人工神经网络（ArtificialNeural Networks，ANNs） 主要为Hopfield 网络。
ANNs 具有强大的非线性映射能力、大规模协同作用和集体效应、并行性、容错性和鲁棒性、无需数据归一化处理等优良特性，适于求解类似电网规划这类大规模组合优化问题。ANN 主要通过微分方程的数值解法来完成，具有较高的执行效率。与多数方法一样，ANNs 也会出现陷入局部最优、参数敏感等问题。4、不确定系统规划方法
（1）模糊集理论
模糊集理论是一种近似处理方法，采用该理论能恰当地处理前述电网规划的3 个突出问题：
多目标性、不确定性、难协调性。该方法能够很好地解决由电力市场和相关政策所带来的电源建设和负荷增长的模糊性，可在一定风险下实现规划的经济性，获得的最终解能使各目标总体实现程度最好。
（2）灰色系统法
電网规划时，常会遇到某种资料的部分信息未予明确而难以进行下去的困难。近年来提出的灰色系统理论对此做出了解答，它是根据不确定信息之间发展趋势的相似或相异程度，亦即“灰色关联度”，作为衡量各信息间关联度的一种方法，能处理“小样本，贫信息”不确定性问题。该理论是以灰色模型（Grey Model，GM）为核心的，目前主要用于解决电网规划中的负荷预测、规划方案选择等。
（3）盲数规划方法
该方法是用盲数描述和处理电网规划中的各种不确定性信息，获得更加准确的初始数据信息，从而得到具有更好的灵活性、适应性和可靠性的规划结果。其中，盲数的本质是定义在有理灰数集上的灰函数，可以表达和处理具有多种不确定性的信息，包括盲信息、灰信息、随机信息等，能够反映每种信息的综合可信度。有学者利用盲数模型（BM）获得了盲数潮流约束，能很好地反映未来环境变化时潮流的范围，但未充分考虑多种不确定性信息的影响，而且信息不应只服从随机性或灰性。
参考文献：
[1] 翁蓓蓓,陈小勇.电力市场环境下的负荷预测方法研究[J]. 电气应用. 2007(11)
[2] 黄应强,董秀成.宜宾职院配电网规划探讨[J]. 西昌学院学报(自然科学版). 2009(04)
关键词：电网规划方法问题
中图分类号：U665.12 文献标识码：A 文章编号：
电网规划的目标是寻求最佳的电网投资决策，以保证整个电力系统的长期最优发展。其目的是根据电网发展及负荷增长情况合理地确定今后若干年的电网结构，使其既安全可靠又经济合理。电网规划的基本原则是在保证电力安全可靠地输送到负荷中心的前提下，使电网建设和运行的费用最小。
1、模拟进化方法
（1）遗传算法
遗传算法（Genetic Algorithm，GA）源于对自然界中优胜劣汰法则的模拟。它建立于型式定理之上，将生物进化过程引入工程问题中，抓住生物对环境适应程度和工程方案对工程技术经济要求的满意程度的相似性，对工程方案进行选择、组合的优化。
遗传算法在全局寻优时不依赖于梯度信息，具有全局寻优性、无维数限制、无需目标函数可微、隐并行性等优点。其中，GA 的隐并行性体现在选择和交叉机制上。由于其具有上述优点，被广泛应用于电网规划。
（2）进化规划算法
进化规划（Evolutionary Programming，EP），是模拟自然界中物种的进化规律而产生的一种方法，能以较大的概率搜索到全局最优点。
EP 法运算过程中，确定变异率是其难点，变异率确定得过小或过大会导致算法早熟或陷入局部最优情况，均不利于EP 的寻优，而这在GA 法中同样存在。目前，变异率的确定一般是凭经验来设定，尚未基于种群规模给出理论值。
（3）演化算法
演化算法（Evolutionary Algorithm，EA），其原理与GA 基本相同，但它强调利用领域知识指导寻优过程，能更快找到优解，但其局部搜索能力较差，目前在电网规划方面的应用较少。通过改进演化算法的染色体编码策略，可避免其盲目搜索和网络辐射性检查，提高算法的寻优速度。
2、群体智能方法
（1）蚁群算法
蚁群算法（Ant Colony Optimization，ACO）是一种以网络图上蚁群留下的信息素（pheromone）为交流方式来指导寻优路径的新型通用启发式概率搜索方法。作为一种新兴的智能算法，ACO 具有良好的正反馈、鲁棒性、群体性、并行性、分布式计算和贪婪启发式搜索的特点，适合求解像电网规划这类具有离散特征的大规模组合优化问题。但在应用中，ACO 的蚁群规模不宜超过网架图中的节点数。目前已有许多改进版ACO 应用于电网规划中，其共同点是增强蚁群搜索过程中的寻优能力，差异仅在搜索控制策略方面。通过引入局部搜索技术可使ACO 在应用中获得最佳结果。
（2）粒子群优化算法
粒子群优化（Particle Swarm Optimization，PSO）算法是模拟鸟群觅食过程中的迁徙和群聚行为的一种全局随机搜索仿生算法。PSO 存在群体协作和竞争， 属群体智能（Swarm Intelligence，SI）技术。
（3）模拟退火算法
模拟退火（Simulated Annealing，SA）算法是对热力学理论中熔融金属退火过程的模拟。SA 用于电网规划的优点为：鲁棒性好、不依赖初始解、有渐进收敛性、适合并行处理、能跳出局部最优等。
3、人工智能规划方法
（1）禁忌搜索算法
禁忌搜索（Tabu Search，TS）算法是对人类思维记忆过程的模拟，是一种全局性邻域随机搜索扩展技术。TS 是包含多策略的混合启发式算法，TS 的特点有：第一、寻优时可接受劣解，具有“爬山”能力；第二、局部搜索能力较强；第三、能避免搜索迂回和局部最优。但在电网规划的应用中，还存在依赖初始解、单线搜索、获优率低等不足。
应用于电网规划时需注意下述策略：第一、邻域移动：包括单个移动、交换移动等方式。不同方式对算法效率影响较大且目前给出的邻居取样数尚无理论基础。第二、禁忌表（Tabu List）：表的长度Lmax和保留期Tmax 是设计该表的两个重要参数，直接影响着解的质量和搜索效率。建议根据迭代过程采用可修改参数的动态禁忌表。
（2）专家系统法
专家系统（Expert System，ES）是基于知识的智能问题求解系统。适于解决不确定性的、非结构化的、无算法解的大规模组合优化问题。在电网规划的应用中，ES 能以专家的经验为指导，对模型、算法、方案评估等环节做出适宜的简化，降低问题复杂度，获得最优解和执行效率之间的平衡。开发ES常遇到信息获取困难、周期长、自学习机制弱、不具通用性等问题，有待深入研究。
免疫算法
免疫算法（Immune Algorithm，IA）的思想源于人体的免疫系统的防御机制。
IA 具有鲁棒性、多样性、并行性、自适应性以及可识别、学习、记忆等优点，能以较高效率寻得全局最优解。但同其他启发式方法一样，IA 也缺乏理论基础，在求解电网规划的这类多目标优化问题时，也会有早熟收敛现象。该算法的改进，目前主要通过与其他算法或技术相结合来改善IA 各个环节的效率来提升IA 的整体性能。
（4）人工神经网络法
应用于电网规划的人工神经网络（ArtificialNeural Networks，ANNs） 主要为Hopfield 网络。
ANNs 具有强大的非线性映射能力、大规模协同作用和集体效应、并行性、容错性和鲁棒性、无需数据归一化处理等优良特性，适于求解类似电网规划这类大规模组合优化问题。ANN 主要通过微分方程的数值解法来完成，具有较高的执行效率。与多数方法一样，ANNs 也会出现陷入局部最优、参数敏感等问题。4、不确定系统规划方法
（1）模糊集理论
模糊集理论是一种近似处理方法，采用该理论能恰当地处理前述电网规划的3 个突出问题：
多目标性、不确定性、难协调性。该方法能够很好地解决由电力市场和相关政策所带来的电源建设和负荷增长的模糊性，可在一定风险下实现规划的经济性，获得的最终解能使各目标总体实现程度最好。
（2）灰色系统法
電网规划时，常会遇到某种资料的部分信息未予明确而难以进行下去的困难。近年来提出的灰色系统理论对此做出了解答，它是根据不确定信息之间发展趋势的相似或相异程度，亦即“灰色关联度”，作为衡量各信息间关联度的一种方法，能处理“小样本，贫信息”不确定性问题。该理论是以灰色模型（Grey Model，GM）为核心的，目前主要用于解决电网规划中的负荷预测、规划方案选择等。
（3）盲数规划方法
该方法是用盲数描述和处理电网规划中的各种不确定性信息，获得更加准确的初始数据信息，从而得到具有更好的灵活性、适应性和可靠性的规划结果。其中，盲数的本质是定义在有理灰数集上的灰函数，可以表达和处理具有多种不确定性的信息，包括盲信息、灰信息、随机信息等，能够反映每种信息的综合可信度。有学者利用盲数模型（BM）获得了盲数潮流约束，能很好地反映未来环境变化时潮流的范围，但未充分考虑多种不确定性信息的影响，而且信息不应只服从随机性或灰性。
参考文献：
[1] 翁蓓蓓,陈小勇.电力市场环境下的负荷预测方法研究[J]. 电气应用. 2007(11)
[2] 黄应强,董秀成.宜宾职院配电网规划探讨[J]. 西昌学院学报(自然科学版). 2009(04)