資源描述：
《電網(wǎng)規(guī)劃中的相關(guān)技術(shù)方法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、淺談電網(wǎng)規(guī)劃中的相關(guān)技術(shù)方法摘要：電力改革對(duì)電網(wǎng)規(guī)劃工作提出更嚴(yán)格的要求。傳統(tǒng)的人工規(guī)劃已經(jīng)無法適應(yīng)當(dāng)前的需要。這里詳細(xì)地介紹了國際上提出的各種尋優(yōu)算法模型，諸如啟發(fā)式方法、模擬退火法、遺傳算法、禁忌搜素、蟻群算法等。深入分析了它們的特點(diǎn)、優(yōu)點(diǎn)和需要進(jìn)一步解決的問題。展望了電網(wǎng)規(guī)劃技術(shù)未來的發(fā)展前景。關(guān)鍵詞：電網(wǎng)規(guī)劃；啟發(fā)式方法；數(shù)學(xué)優(yōu)化中圖分類號(hào)：u665.12文獻(xiàn)標(biāo)識(shí)碼：a文章編號(hào)：1前言電網(wǎng)是國家的基礎(chǔ)設(shè)施，是經(jīng)濟(jì)發(fā)展不可缺少的硬件。合理的電網(wǎng)規(guī)劃，不僅可以獲得最大的經(jīng)濟(jì)效益，也可以獲得最佳的社會(huì)效益。早期的電網(wǎng)規(guī)劃以方案比較為基礎(chǔ)。通過技術(shù)經(jīng)濟(jì)比較，從幾個(gè)設(shè)定
2、的方案中選擇出推薦的方案。然而，這些待選方案是憑規(guī)劃人員經(jīng)驗(yàn)作出的，往往帶主觀因素和局限性。在新形勢(shì)下，需要尋求更合理的規(guī)劃方法。理論上，電網(wǎng)規(guī)劃是一個(gè)復(fù)雜的、動(dòng)態(tài)的、多目標(biāo)的不確定非線性數(shù)學(xué)規(guī)劃課題。而且系統(tǒng)規(guī)模越大，其復(fù)雜性也越高。常規(guī)的電網(wǎng)規(guī)劃方法大體可分為啟發(fā)式和數(shù)學(xué)優(yōu)化兩大類。這些方法在實(shí)際研究中有一定突破，但是仍然存在諸如：①維數(shù)災(zāi)難；②局優(yōu)而非全優(yōu)；③約束條件和目標(biāo)函數(shù)不易協(xié)調(diào)等問題。近來許多新型優(yōu)化模型，如遺傳算法、蟻群算法、模擬退火算法等，被應(yīng)用到電網(wǎng)規(guī)劃領(lǐng)域并取得了一定的進(jìn)展。下面將分別進(jìn)行探討。2啟發(fā)式方法啟發(fā)式方法是一種以直觀分析為依據(jù)的算法。
3、通常是以系統(tǒng)某一性能指標(biāo)對(duì)可行路徑上一些線路參數(shù)作靈敏度分析。根據(jù)一定的原則，逐步迭代，直到獲得滿足要求的方案為止。它主要由過負(fù)荷校驗(yàn)、靈敏度分析、方案形成三個(gè)部分組成。啟發(fā)式方法有兩種思路。第一種是逐步擴(kuò)展法。即根據(jù)靈敏度分析的結(jié)果，以最有效的線路介入系統(tǒng)，逐步擴(kuò)展網(wǎng)絡(luò)。另外一種是逐步倒推法。即先將所有待選線路全部加入系統(tǒng)，構(gòu)成一個(gè)冗余的虛擬網(wǎng)絡(luò)。然后根據(jù)靈敏度分析，逐步剔除有效性低的線路。啟發(fā)式方法直觀靈活，計(jì)算時(shí)間短，易于同規(guī)劃人員的經(jīng)驗(yàn)相結(jié)合。缺點(diǎn)是難以選擇出既容易計(jì)算，又能真正反映規(guī)劃問題實(shí)質(zhì)的性能指標(biāo)。它不是嚴(yán)格的優(yōu)化方法，不能很好地考慮各階段，各架線決策
4、間的相互影響。且當(dāng)網(wǎng)絡(luò)規(guī)模較大時(shí)，指標(biāo)對(duì)于哪一組方案都差別不大，難以優(yōu)化選擇。3數(shù)學(xué)優(yōu)化方法數(shù)學(xué)優(yōu)化方法是對(duì)電網(wǎng)規(guī)劃作出數(shù)學(xué)模型，形成有約束的極值問題，然后用最優(yōu)化理論進(jìn)行求解。數(shù)學(xué)優(yōu)化的主要方法有：線性規(guī)劃、多目標(biāo)規(guī)劃和動(dòng)態(tài)規(guī)劃等方法。線性規(guī)劃方法是最優(yōu)化技術(shù)中發(fā)展最為成熟的領(lǐng)域，同時(shí)也是應(yīng)用最廣泛的優(yōu)化方法。常采用近似措施，將非線性問題線性化，以便利用線性規(guī)劃處理非線性優(yōu)化問題。線性規(guī)劃模型的主要不足之處是：用連續(xù)變量模擬離散的決策變量，不能準(zhǔn)確地描述電網(wǎng)規(guī)劃的整數(shù)性。得到的結(jié)果，要么偏離最優(yōu)解，要么不滿足約束條件。多目標(biāo)規(guī)劃法將電網(wǎng)規(guī)劃的經(jīng)濟(jì)性和可靠性有機(jī)地結(jié)合
5、起來，使優(yōu)化方案的綜合效益達(dá)到最佳，適應(yīng)了目前電網(wǎng)規(guī)劃部門的實(shí)際需要。同時(shí)，多目標(biāo)電網(wǎng)規(guī)劃以供應(yīng)方的開發(fā)成本最小和需求方缺電成本最小為優(yōu)化目標(biāo)。兼顧了供需雙方的利益，提高了規(guī)劃方案的綜合社會(huì)效益。該方法的優(yōu)點(diǎn)是：①在目標(biāo)函數(shù)中可以綜合考慮經(jīng)濟(jì)性和可靠性要求。將可靠性指標(biāo)轉(zhuǎn)化成經(jīng)濟(jì)形式加入目標(biāo)函數(shù)，求得綜合成本最低的網(wǎng)架方案。②在理論上驗(yàn)證了綜合考慮經(jīng)濟(jì)性和可靠性的多目標(biāo)電網(wǎng)規(guī)劃方法的可行性并提出了數(shù)學(xué)模型和求解方法。缺點(diǎn)是適用規(guī)模小，適用性差。動(dòng)態(tài)規(guī)劃將一個(gè)問題轉(zhuǎn)化為幾個(gè)子問題分階段考慮。動(dòng)態(tài)規(guī)劃模型中，決策變量在各階段的取值相互制約。當(dāng)線路在某一階段被選中后，就不能
6、在其它階段中被選中。對(duì)于目標(biāo)函數(shù)，長(zhǎng)期規(guī)劃還必須考慮資金的時(shí)間價(jià)值。動(dòng)態(tài)規(guī)劃法的優(yōu)點(diǎn)是：①能夠避免連續(xù)變量法常常遇到的搜索方向錯(cuò)誤，迭代不收斂或收斂到局部最優(yōu)等問題；②避免了靈敏度系數(shù)的缺陷。缺點(diǎn)是：①計(jì)算時(shí)間長(zhǎng)。②對(duì)于大規(guī)模系統(tǒng)，變量組合較多，易出現(xiàn)維數(shù)災(zāi)和計(jì)算不容易等問題。雖然數(shù)學(xué)優(yōu)化方法理論上可以保證得到最優(yōu)解，但由于電網(wǎng)規(guī)劃中要考慮的因素很多，問題的階數(shù)也很大，建立模型十分困難。即使建模了，求解也很難。而且，實(shí)際中許多因素不能完全形式化，通常需要對(duì)原問題的數(shù)學(xué)模型作簡(jiǎn)化處理，有可能丟失最優(yōu)解。綜上所述，盡管數(shù)學(xué)規(guī)劃發(fā)展較快，但在解決電網(wǎng)規(guī)劃的實(shí)際問題上還存在種
7、種困難，有待繼續(xù)完善發(fā)展。4人工智能方法啟發(fā)式方法和數(shù)學(xué)規(guī)劃方法的共同特點(diǎn)是：以預(yù)測(cè)結(jié)果所需要確定的未來環(huán)境為基礎(chǔ)，建立數(shù)學(xué)模型，求出最佳規(guī)劃方案。但是電網(wǎng)規(guī)劃還需要考慮影響其結(jié)果的各種不確定因素，如未來系統(tǒng)負(fù)荷及電源信息的不確定性、環(huán)境的變化以及政策法規(guī)背景等不確定性。傳統(tǒng)的規(guī)劃算法將難以適應(yīng)。為了彌補(bǔ)傳統(tǒng)規(guī)劃方法的不足，一種基于人工智能的新理論和新方法被引入到這一領(lǐng)域中來。人工智能方法，又稱現(xiàn)代啟發(fā)式方法，是借助物理現(xiàn)象或生物自然選擇等自然規(guī)律的一種搜索算法。包括模擬退火法(simulatedannealing，簡(jiǎn)稱ann)、遺傳算法(genet
