配电网规划中的智能算法与综合评价方法分析

王朗

（广西电网公司邕宁供电公司，广西 南宁 530200）

1 引言

配电网规划是电力系统研究领域的一个重要组成部分，其实质是在运行及故障费用与网络投资费用之间寻找平衡，是在已知规划水平年的电源规划和负荷预测的基础上，根据现有的电网结构，合理地选择扩建线路以满足安全运行和经济性最优［1，2］。

文献［3－11］是近年来一些典型的新兴的解决电网规划问题的智能优化方法，如人工鱼群算法、禁忌搜索与蚁群最优结合算法蚁群最优算法等，这些方法取得了一定的效果。

综合评价电网规划具有重要的作用，可以在电网规划方案确定之前，对电网进行预测分析，有效把握未来电网的建设和运行水平，强化对电网的主动管理水平，是保证电网规划质量和未来电网供电水平的重要手段，因此本文重点分析配电网规划中的智能算法与综合评价方法。

2 配电网的潮流计算

潮流计算是对配电网进行定量分析的基础，配电网的规划要依赖于潮流计算的数据。目前常用的的配电网潮流计算方法是牛顿类配电网潮流计算方法，其矢量方程为:

式中:SDG—发电机节点与负荷节点功率矢量；

ΔS—潮流方程的功率不平衡矢量；

diag［V］—电压对角阵；

—节点导纳矩阵的共轭矩阵；

—电压向量的共轭向量。

将式（1）泰勒展开，省略二次以上的高次项后可得修正方程:

式中:Δθ、ΔU—母线电压的修正量；

ΔP、ΔQ—平衡向量；

J—雅可比矩阵。

雅可比矩阵可表达为:

式中:dij=θi－αij－θj，dij—矩阵d第i行j列元素；

θi、θj—电压相角矢量的第i个和第j个元素。

2 改进遗传算法的应用

遗传算法是一种可以应用于配电网规划的优化方法，它根据优胜劣汰的原则进行搜索和优化，可以考虑多种目标函数和约束条件，特别适合于整数型变量优化问题，为电力系统规划开创了一条新的路径。

基本遗传算法可描述成:

式中:C—个体的编码方法；

E—个体适应度评价函数；

P0—初始种群；

M—种群大小；

Φ—选择算子；

Γ—交叉算子；

Ψ—变异算子；

T—遗传算法终止条件。

遗传算法的参数中交叉概率和变异概率是影响遗传算法行为和性能的关键，直接会影响算法的收敛性，进而提出一种自适应遗传算法的改进遗传算法，其交叉概率和变异概率进行自适应调整:

式中:fmax—群体中最大适应度值；

favg—每代群体的平均适应度值；

f—要变异个体的适应度值；

f'—交叉的两个个体中较大的适应度。

进一步改进时，将群体中的最大适应度的个体的交叉率和变异率分别提到到Pc2和Pm2，表达式如下:

式中:Pc1=0.9；Pc2=0.6；Pm1=0.1；Pm2=0.01。

基于改进遗传算法的配电网规划的数学模型可描述为:

配电网规划时考虑的一个重要的经济性指标是使规划后的配电网网损最小，目标函数为:

式中:FC—配电网中所有闭合馈线的集合；

Ui—馈线i上的电压；

Pi—馈线i上的有功功率；

Qi—馈线i上的无功功率；

ri—馈线i的阻抗。

一般采用的表达式如下:

式中:read（·）取实部函数；

sum（·）—求和函数；

conj（·）—共轭函数；

X—开关状态矢量；

V（X）—当前网络节点电压矩阵；

Y（X）—当前网络节点导纳矩阵。

潮流等式约束条件表达式如下:

不等式约束条件为:

式中:S、—各线路功率的计算值与上限；

—节点电压上、下限。

对线路容量越界的罚函数处理方法为:

式中:Δ—支路功率与支路容量上限差矢量。对节点电压越界的罚函数处理方法为:

式中:k、l、u—惩罚因子。

将式（16）和（17）代入目标函数中，可得到新的目标函数:

3 配电网规划的综合评价方法

配电网规划设计规模大、不确定因素多、涉及领域广，是一项复杂艰巨的系统工程，而且规划方案本身带有预测和仿真特质，与电网的历史和未来都密切相关，电网规划方案本身的优劣和方案的实施程度对电网的经济技术和适应发展水平起到关键作用，一般配电网的评价指标体系构建方法如图1所示。

图1 电网规划评价指标体系构建过程流程图

配电网规划评价指标体系研究的主要任务，在于如何建立有效的评价体系来监测、引导和管理电网的建设和发展，所建立的配电网规划评价指标体系，需要比较系统而完整的表征电网技术、经济和发展水平，其评价体系一般为图2所示。

4 总结

配电网规划是电网发展的重要环节之一，其规划水平和质量直接影响到电网供电的安全性、可靠性和经济性水平。配电网规划是保证电网实现从满足到满意供电、从不间断供电到高质量供电的重要手段，其最终目的在于以最低的投资，实现电网供电能力和供电质量最大程度的提高。

图2 电网规划评价指标体系结构

［1］王锡凡.电力系统优化规划［M］.北京:水利电力出版社，1990.

［2］程浩忠，范宏，翟海保.输电网柔性规划研究综述［J］.电力系统及其自动化学报，2007，19（1）:21 －27.

［3］毛玉宾，王秀丽，王锡凡.多阶段输电网络最优规划的遗传算法［J］.电力系统自动化，1998，22（12）:13 －15，19.

［4］屈刚，程浩忠，马则良，等.考虑发电容量适应性的多目标输电网规划［J］.电力系统自动化，2009，33（23）:19 －23.

［5］王秀丽，王锡凡.遗传算法在输电系统规划中的应用［J］.西安交通大学学报，1995，29（8）:1 －9.

［6］聂宏展，吕盼，乔怡.基于人工鱼群算法的输电网络规划［J］.电工电能新技术，2008，27（2）:11 －15.

［7］吴杰，刘健，卢志刚，等.适用于输电网网架规划的人工鱼群算法［J］.电网技术，2007，31（18）:63 －67.

［8］陈根军，唐国庆.基于禁忌搜索与蚁群最优结合算法的配电网规划［J］.电网技术，2005，29（2）:23 －27.

［9］陈根军，王磊，唐国庆.基于蚁群最优的输电网络扩展规划［J］.电网技术，2001，25（6）:21 －24.

［10］王赛一，王成山.遗传禁忌混合算法及其在电网规划中的应用［J］.电力系统自动化，2004，28（20）:43 －46.

［11］聂宏展，乔怡，吕盼.基于混合人工鱼群算法的输电网络规划［J］.电网技术，2009，33（2）:78 －83.