CN106503844A - 一种采用遗传算法的电力线路路径寻优方法 - Google Patents

Abstract

本发明公开了一种采用遗传算法的电力线路路径寻优方法，采用遗传算法对电缆环网路径进行优化，包括以下步骤：对包含n个电缆单环网柜和或电缆双环网柜进行编码，随机生成区间为[1,n]的n个整数的随机排列，形成一个染色体；选定用来评判染色体对目标的适应性的适应度函数确定种群数量N、最大代数Gmax、交叉概率pc和变异概率pm；采用轮盘赌方式选取适应值大的个体作为父体，赌轮是按个体的适应度进行选择的，适应值大的个体则选取，适应值小的个体则去除，对新群体中各染色体评价，最优个体进行保存，输出最优解。相比手工布线，既减少了人工成本，又提高了设计效率，并且灵活可靠，节约了企业成本。

Description

一种采用遗传算法的电力线路路径寻优方法

技术领域

本发明涉及一种采用遗传算法的电力线路路径寻优方法。

背景技术

在目前电网规划的电力线路布线中，一般采用人工布线，人工布线一般由资历较深的专家来进行，极大的限制了人力资源，此外，人工布线效率较低，耗时较大，再一次提高了人工成本，最后人工布线并不能每次都找到最优路线，导致布线路径变长，投资成本提高。以汉峪金谷片区A分地块为例。需要对9个环网柜形成单环网，采用专家经验选取的线路如图1所示，为2.4km。

发明内容

本发明的目的是提供一种采用遗传算法的电力线路路径寻优方法，提升电力负荷预测、电网建设时序与用电需求之间的吻合度，以及优化中压电力线路路径，在考虑供电半径情况下提出以线路规划年综合费用最小为目标函数的路径寻优方法。为实现上述目的，本发明采用下述技术方案：

一种采用遗传算法的电力线路路径寻优方法，包括以下步骤：

1)、建立包括线路的投资费用、网损费用的线路规划年综合费用最小的目标函数方程组：

其中，α为单位长度线路投资费用，r₀为贴现率，m为变电站低压侧线路折旧年限，N为变电站总数，l_ij为第i座变电站第j条主干线路的长度，J_i为第i个变电站所出线路的总数，P_j为第j条主干线路所带的负荷，β为线路网损折算系数；

2)、在片区电网规划中，根据负荷预测获得各个子地块的负荷，确定该子地块需要的环网柜数量，根据子地块实际情况布置环网柜位置，参照实际电缆管沟路径，将各个环网柜串接，形成单环网或双环网接线结构；

3)、采用遗传算法对电缆环网路径进行优化，抽象约束条件及目标为寻找最短电缆路径，具体包括以下步骤：

a)、采用符号编码方式，对包含n个电缆单环网柜和或电缆双环网柜进行编码，随机生成区间为[1,n]的n个整数的随机排列，形成一个染色体；

b)、选定用来评判染色体对目标的适应性的适应度函数，适应度函数方程为其中，S_ij代表第i个环网柜和第j个环网柜之间的实际距离；

c)、遗传算法主要控制参数选择，确定种群数量N、最大代数Gmax、交叉概率pc和变异概率pm；

d)、选择过程是以旋转赌轮100次为基础，每次旋转都为新的种群选择一个个体，采用轮盘赌方式选取适应值大的个体作为父体，赌轮是按个体的适应度进行选择的，适应值大的个体则选取，适应值小的个体则去除；

e)、交叉算子设计：采用部分映射交叉确定交叉操作的父代，将100个样本两两组合分为50组，首先从闭区间[0，1]中产生2个随机数b1和b2，令r1等于b1×100和b2×100，确定2个位置，对2位置中间的数据进行交叉；交叉后，同一样本中会有重复的环网柜，不重复的数字保留，重复的数字采用部分映射交叉法消除重复；

f)、变异算子设计：采用倒位变异法，随机选择2个点c1和c2，交换位置，并将2点间的数字从c2开始倒序放置；

g)、对新群体中各染色体评价，最优个体进行保存，输出最优解。

进一步地，步骤d)中，采用轮盘赌方式选取适应值大的个体作为父体，计算每个染色体的适应值v_r的适应值eval(v_r)(i＝1,2....N)和群体的总适值计算每个染色体v_r的选择概率p_r＝eval〔v_r〕/F(i＝1,2....N)；计算每个染色体v_r的累计概率对轮盘转动100次，每次按照下面的方法选择一个单个的染色体：产生一个在区间[0,1]的随机数r，如果r<q₁，选择第一个染色体v₁加入新群体，否则选择使得q_r-1＜r＜q_r成立的第i个染色体v_r(2≤i≤N)加入新群体。

本发明的有益效果是，

本发明通过路径寻优技术，可以最优化电缆路径，以缩短电缆线路投资。对于数量更多的环网柜，或者一次形成5个或以上的环网时，节省电缆明显。同时相比手工布线，既减少了人工成本，又提高了设计效率，并且灵活可靠，节约了企业成本。

附图说明

图1是采用专家经验选择的环网路径图；

图2是一种采用遗传算法的电力线路路径寻优方法；

图3是10kV电缆出线分段数为5，导线截面为400mm³，铜芯电缆”的单环式物理模型图；

图4是10kV电缆出线分段数为5，导线截面为400mm³，铜芯电缆”的双环式物理模型图；

图5是采用遗传算法选择的环网路径图；

图6是汉峪片区电缆路径优化后效果图。

具体实施方式

如图2所示，一种采用遗传算法的电力线路路径寻优方法，包括以下步骤：

1)、建立包括线路的投资费用、网损费用的线路规划年综合费用最小的目标函数方程组：

其中，α为单位长度线路投资费用，r₀为贴现率，m为变电站低压侧线路折旧年限，N为变电站总数，l_ij为第i座变电站第j条主干线路的长度，J_i为第i个变电站所出线路的总数，P_j为第j条主干线路所带的负荷，β为线路网损折算系数；

2)、在片区电网规划中，根据负荷预测获得各个子地块的负荷，确定该子地块需要的环网柜数量，根据子地块实际情况布置环网柜位置，参照实际电缆管沟路径，将各个环网柜串接，形成单环网或双环网接线结构。以电缆网为例，论述电力线路路径寻优。根据负荷预测获得各个子地块的负荷，确定该子地块需要的环网柜数量；根据负荷性质(重要程度)，确定电缆环网类型(单环式或双环式)。以“10kV电缆出线分段数为5，导线截面为400mm2，铜芯电缆”为例，说明负荷与装接容量的关系。“10kV电缆出线分段数为5，导线截面为400mm2，铜芯电缆”的传输功率分析如表1所示。

表110kV电缆出线分段数为5，导线截面为400mm²，铜芯电缆的传输功率

如图3、图4所示，双环式仅是单环式的叠加，“两个单环”与“一个双环”的区别是配电室设备的两路电源分别来自一个环网柜还是分别来自两个环网柜。以单环式为例来说明每个环网柜的可装接容量。在不考虑负荷矩的情况下，不同用电设备(配变)负载率时的每个环网柜的可装接容量如表2所示。

表210kV电缆出线分段数为5，导线截面为400mm²，铜芯电缆每个环网柜的可装接容量

若选定配变负载率为40％，并考虑同时率(选取0.65)，则一个环网柜可装接配变容量为4MVA，否则不满足线路N-1。若已知子地块的负荷W_r(t)(MW)，则该子地块需要的环网柜数量为n_h＝W_z(t)/(4×0.95×0.4)。

3)、采用遗传算法对电缆环网路径进行优化，抽象约束条件及目标为寻找最短电缆路径，具体包括以下步骤：

a)、采用符号编码方式，对于包含9个环网柜电缆单环网(或双环网)路径长度优化问题。采用用符号编码方法，每个数字代表1个环网柜，随机生成区间为[1，9]的9个整数的随机排列，形成一个染色体。

b)、适应度函数是评价染色体对目标的适应性的作用，选定用来评判染色体对目标的适应性的适应度函数，适应度函数方程为其中，S_ij代表第i个环网柜和第j个环网柜之间的实际距离，如果由于电缆管沟的限制两点不同，则认为S_ij为无穷大，在实际计算中用一个大数代替。

c)、遗传算法主要控制参数选择，确定种群数量N、最大代数Gmax、交叉概率pc和变异概率pm；群体规模越大，GA所处理的模式越多，陷入局部解的可能性越小，极易陷入未成熟收敛，但规模过大会增加计算量，影响算法效率，这里选取40。迭代次数少，目标值收敛效果不好，迭代次数过大，运行时间长，这里选取500。杂交是遗传算法的一个重要的重组算子，杂交概率pc是算法的一个参数，此概率给出预计要进行杂交的个数为pc*N，交叉概率一般选取0.2-0.9，这里选取0.8；变异也是一个重要的遗传算子，是在一位一位基础上执行的，预计的变异位数为pm*N，因此变异以等于变异率的概率改变一个或若干个基因，整个群体中的所有染色体中的每一位都有均等的机会经历变异，一般变异概率pm选取0.01-0.1，这里选取0.1。

d)、采用轮盘赌方式选取适应值大的个体作为父体，计算每个染色体的适应值v_r的适应值eval(v_r)(i＝1,2....40)和群体的总适值计算每个染色体v_r的选择概率p_r＝eval(v_r)/F(i＝1,2....40)；计算每个染色体v_r的累计概率对轮盘转动100次，每次按照下面的方法选择一个单个的染色体：产生一个在区间[0,1]的随机数r，如果r<q₁，选择第一个染色体加入新群体，否则选择使得q_r-1＜r＜q_r成立的第i个染色体v_r(2≤i≤40)加入新群体；

e)、交叉算子设计：采用部分映射交叉确定交叉操作的父代，将100个样本两两组合分为50组，首先从闭区间[0，1]中产生2个随机数b1和b2，令r1等于b1×100和b2×100，确定2个位置，对2位置中间的数据进行交叉；交叉后，同一样本中会有重复的环网柜，不重复的数字保留，重复的数字采用部分映射交叉法消除重复；

f)、变异算子设计：采用倒位变异法，随机选择2个点c1和c2，交换位置，并将2点间的数字从c2开始倒序放置；

g)、对新群体中各染色体评价，最优个体进行保存，输出最优解。

以汉峪金谷片区A分地块为例。需要对9个环网柜形成单环网，采用专家经验选取的线路如图1所示，为2.4km。采用遗传算法选取的路径如图5所示，为2.2km，缩短8.3％。通过路径寻优技术，可以最优化电缆路径，以缩短电缆线路投资。对于9个环网柜的串接而言，节省电缆并不明显。但是对于数量更多的环网柜，或者一次形成5个或以上的环网时，节省电缆明显。如图6所示，整个汉峪金谷片区优化后的效果图，在保证供电可靠性前提下节省电缆长度31公里，按电缆线路100万元/公里计算，共节省3100万元。同时相比手工布线，效率提高显著。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (2)

1.一种采用遗传算法的电力线路路径寻优方法，其特征在于，包括以下步骤：

1)、建立包括线路的投资费用、网损费用的线路规划年综合费用最小的目标函数方程组：

$\left\{\begin{array}{c}\min f=\mathrm{\&alpha;}\&lsqb;\frac{r_0{(1+r_0)}^m}{{(1+r_0)}^m-1}\&rsqb;\&times;\underset{i=1}{\overset{N}{\&Sigma;}}\underset{j\&Element;J_i}{\&Sigma;}{l}_{ij}+\underset{i=1}{\overset{N}{\&Sigma;}}\underset{j\&Element;J_i}{\&Sigma;}{P}_j^2{l}_{ij}\\ l_{ij}\&le;5\end{array}\right.$

其中，α为单位长度线路投资费用，r₀为贴现率，m为变电站低压侧线路折旧年限，N为变电站总数，l_ij为第i座变电站第j条主干线路的长度，J_i为第i个变电站所出线路的总数，P_j为第j条主干线路所带的负荷，β为线路网损折算系数；

2)、在片区电网规划中，根据负荷预测获得各个子地块的负荷，确定该子地块需要的环网柜数量，根据子地块实际情况布置环网柜位置，参照实际电缆管沟路径，将各个环网柜串接，形成单环网或双环网接线结构；

3)、采用遗传算法对电缆环网路径进行优化，抽象约束条件及目标为寻找最短电缆路径，具体包括以下步骤：

a)、采用符号编码方式，对包含n个电缆单环网柜和或电缆双环网柜进行编码，随机生成区间为[1,n]的n个整数的随机排列，形成一个染色体；

b)、选定用来评判染色体对目标的适应性的适应度函数，适应度函数方程为其中，S_ij代表第i个环网柜和第j个环网柜之间的实际距离；

c)、遗传算法主要控制参数选择，确定种群数量N、最大代数Gmax、交叉概率pc和变异概率pm；

d)、选择过程是以旋转赌轮100次为基础，每次旋转都为新的种群选择一个个体，采用轮盘赌方式选取适应值大的个体作为父体，赌轮是按个体的适应度进行选择的，适应值大的个体则选取，适应值小的个体则去除；

e)、交叉算子设计：采用部分映射交叉确定交叉操作的父代，将100个样本两两组合分为50组，首先从闭区间[0，1]中产生2个随机数b1和b2，令r1等于b1×100和b2×100，确定2个位置，对2位置中间的数据进行交叉；交叉后，同一样本中会有重复的环网柜，不重复的数字保留，重复的数字采用部分映射交叉法消除重复；

f)、变异算子设计：采用倒位变异法，随机选择2个点c1和c2，交换位置，并将2点间的数字从c2开始倒序放置；

g)、对新群体中各染色体评价，最优个体进行保存，输出最优解。

2.如权利要求1所述的一种采用遗传算法的电力线路路径寻优方法，其特征在于，步骤d)中，采用轮盘赌方式选取适应值大的个体作为父体，计算每个染色体的适应值v_r的适应值eval(v_r)(i＝1,2....N)和群体的总适值计算每个染色体v_r的选择概率p_r＝eval(v_r)/F(i＝1,2....N)；计算每个染色体v_r的累计概率(i＝1,2....N)；对轮盘转动100次，每次按照下面的方法选择一个单个的染色体：产生一个在区间[0,1]的随机数r，如果r<q₁，选择第一个染色体v₁加入新群体，否则选择使得q_r-1＜r＜q_r成立的第i个染色体v_r(2≤i≤N)加入新群体。