浅谈电网规划中的相关技术方法

申请免费试用、咨询电话：400-8352-114

摘 要：电力改革对电网规划工作提出更严格的要求。传统的人工规划已经无法适应当前的需要。这里详细地介绍了国际上提出的各种寻优算法模型，诸如启发式方法、模拟退火法、遗传算法、禁忌搜素、蚁群算法等。深入分析了它们的特点、优点和需要进一步解决的问题。展望了电网规划技术未来的发展前景。 

关键词：电网规划；启发式方法；数学优化  中图分类号：u665.12文献标识码：a 文章编号：  1前言  电网是国家的基础设施，是经济发展不可缺少的硬件。合理的电网规划，不仅可以获得最大的经济效益，也可以获得最佳的社会效益。早期的电网规划以方案比较为基础。通过技术经济比较，从几个设定的方案中选择出推荐的方案。然而，这些待选方案是凭规划人员经验作出的，往往带主观因素和局限性。在新形势下，需要寻求更合理的规划方法。  理论上，电网规划是一个复杂的、动态的、多目标的不确定非线性数学规划课题。而且系统规模越大，其复杂性也越高。常规的电网规划方法大体可分为启发式和数学优化两大类。这些方法在实际研究中有一定突破，但是仍然存在诸如：①维数灾难；②局优而非全优；③约束条件和目标函数不易协调等问题。近来许多新型优化模  型，如遗传算法、蚁群算法、模拟退火算法等，被应用到电网规划领域并取得了一定的进展。下面将分别进行探讨。  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。通常是以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，直到获得满足要求的方案为止。它主要由过负荷校验、灵敏度分析、方案形成三个部分组成。启发式方法有两种思路。第一种是逐步扩展法。即根据灵敏度分析的结果，以最有效的线路介入系统，逐步扩展网络。另外一种是逐步倒推法。即先将所有待选线路全部加入系统，构成一个冗余的虚拟网络。然后根据灵敏度分析，逐步剔除有效性低的线路 。  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。缺点是难以选择出既容易计算，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，各架线决策间的相互影响。且当网络规模较大时，指标对于哪一组方案都差别不大，难以优化选择。  3数学优化方法  数学优化方法是对电网规划作出数学模型，形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。  线性规划方法是最优化技术中发展最为成熟的领域，同时也是应用最广泛的优化方法。常采用近似措施，将非线性问题线性化，以便利用线性规划处理非线性优化问题。线性规划模型的主要不足之处是：用连续变量模拟离散的决策变量，不能准确地描述电网规划的整数性。得到的结果，要么偏离最优解，要么不满足约束条件。  多目标规划法将电网规划的经济性和可靠性有机地结合起来，使优化方案的综合效益达到最佳，适应了目前电网规划部门的实际需要。同时，多目标电网规划以供应方的开发成本最小和需求方缺电成本最小为优化目标。兼顾了供需双方的利益，提高了规划方案的综合社会效益。该方法的优点是：①在目标函数中可以综合考虑经济性和可靠性要求。将可靠性指标转化成经济形式加入目标函数，求得综合成本最低的网架方案。②在理论上验证了综合考虑经济性和可靠性的多目标电网规划方法的可行性并提出了数学模型和求解方法。缺点是适用规模小，适用性差。动态规划将一个问题转化为几个子问题分阶  段考虑。动态规划模型中，决策变量在各阶段的取值相互制约。当线路在某一阶段被选中后，就不能在其它阶段中被选中。对于目标函数，长期规划还必须考虑资金的时间价值。动态规划法的优点是：①能够避免连续变量法常常遇到的搜索方向错误，迭代不收敛或收敛到局部最优等问题；②避免了灵敏度系数的缺陷。缺点是：①计算时间长。②对于大规模系统，变量组合较多，易出现维数灾和计算不容易等问题。  虽然数学优化方法理论上可以保证得到最优解，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。即使建模了，求解也很难。而且，实际中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，有可能丢失最优解。综上所述，尽管数学规划发展较快，但在解决电网规划的实际问题上还存在种种困难，有待继续完善发展。  4人工智能方法  启发式方法和数学规划方法的共同特点是：以预测结果所需要确定的未来环境为基础，建立数学模型，求出最佳规划方案。但是电网规划还需要考虑影响其结果的各种不确定因素，如未来系统负荷及电源信息的不确定性、环境的变化以及政策法规背景等不确定性。传统的规划算法将难以适应。  为了弥补传统规划方法的不足，一种基于人工智能的新理论和新方法被引入到这一领域中来。人工智能方法，又称现代启发式方法，是借助物理现象或生物自然选择等自然规律的一种搜索算法。包括模拟退火法(simulated annealing，简称ann)、遗传算法(genetic algorithm，简称ga)、禁忌搜索(taboo search，简称ts)蚁群算法(antco1ony 0ptimizati0n简称aco)等。  （1)模拟退火算法(ann)。模拟退火算法以马尔科夫链的遍历理论为基础，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固体物质冷却和退火的再结晶热力学过程。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。这种方法已在电网规划中尝试应用。但模拟退火过程中，为使每一冷却步的状态分布平滑要很费时。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。所以，若能将这种算法和其它优化方法结合使用，更能发挥其优势 。  （2）遗传算法(ga)。遗传算法是电网规划采用的一种新的优化方法。它根据自然选择(优胜劣汰)的原则进行搜索和优化，能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等问题。遗传算法的操作简单，通过交叉和变异完成进化。更便于执行灵敏度分析、线性规划等数学方法，且属于多点寻优。不受搜索空间的限制性约束，不要求连续性、可导性、单峰等假设。可以同时考虑多种目标函数和约束条件。由于能解决电网规划中的多目标、多约束、非线性、混合整数优化等问题而受到重视。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。这种多解的功能，可以充分发挥工程技术人员的主观能动性，利用他们的工程实践经验，在多个解中进行分析筛选，得到更符合实际的规划方案 。  遗传算法的应用已经取得了很大进展。目前存在的问题是它的收敛数学机理还未完全搞清楚。当参数选取不当时，有收敛在局部最优点的可能。且计算速度还较慢。有关算法收敛的控制参数，如种群规模、交叉率和变异率等还需要研究改进。此外，兼顾到模拟退火算法能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成混合一模拟退火算法， 已证实有不错的效果。总体来说，遗传算法及其在电网规划的应用正处于蓬勃发展阶段，有很好的应用前景。  （3)禁忌搜索(ts)。禁忌搜索算法是一种用于解决组合优化问题的启发式搜索算法。其特点是采用了禁忌技术，用一个禁忌表记录经到达过的局部最优点。在下一次搜索中，不再选择禁忌表中的这些点，以避免落入局部最优解 。该方法适合于解决纯整数规划问题，能有效处理不可微的目标函数。这正符合电网规划的特点， 因而被应用到电网规划中。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，taboo表的深度及期望水平影响搜索的效率和最终结果。taboo搜索法机理还不甚清楚。在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。  （4)专家系统。专家系统是目前是人工智能中最为活跃的分支之一。专家系统总结了大量规划专家和工程师们的实践经验，有利于提高电网规划的合理性，简化数学模型。电力系统规模一般很大，有的网络具有上千个节点和线路，如果再考虑多阶段和其它相关因素，规划本身成为一个规模巨大的优化问题。单靠简单优化技术是无法解决的。根据规划专家的经验可以合理简化模型，提高算法的效率，降低计算的复杂性。专家系统可以看作是启发式方法的发展。它需要收集大量的信息，采取适当方法存储，并建立有效的学习机制。目前这些方面存在的困难还较大，专家系统在电网规划中仍处于应用的初期，还有待于进一步深入研究开发。  5结束语  电网规划是电力系统总体发展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，对电网规划问题进行深入研究具有重大的现实意义。近年来，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。提高计算速度、突破维数灾难、避免局部最优仍是其继续研发的方向。由于电网规划的复杂性和多样性，仍需要更加深入地探讨电网的准确描述和寻优模型的处理。