資源描述：
《淺談電網規(guī)劃中的相關技術方法》由會員上傳分享，免費在線閱讀，更多相關內容在應用文檔-天天文庫。
1、淺談電網規(guī)劃中的相關技術方法 摘要：電力改革對電網規(guī)劃工作提出更嚴格的要求。傳統(tǒng)的人工規(guī)劃已經無法適應當前的需要。這里詳細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、優(yōu)點和需要進一步解決的問題。展望了電網規(guī)劃技術未來的發(fā)展前景。關鍵詞：電網規(guī)劃；啟發(fā)式方法；數(shù)學優(yōu)化 中圖分類號：文獻標識碼：a文章編號： 1前言 電網是國家的基礎設施，是經濟發(fā)展不可缺少的硬件。合理的電網規(guī)劃，不僅可以獲得最大的經濟效益，也可以獲得最佳
2、的社會效益。早期的電網規(guī)劃以方案比較為基礎。通過技術經濟比較，從幾個設定的方案中選擇出推薦的方案。然而，這些待選方案是憑規(guī)劃人員經驗作出的，往往帶主觀因素和局限性。在新形勢下，需要尋求更合理的規(guī)劃方法?！ ±碚撋?，電網規(guī)劃是一個復雜的、動態(tài)的、多目標的不確定非線性數(shù)學規(guī)劃課題。而且系統(tǒng)規(guī)模越大，其復雜性也越高。常規(guī)的電網規(guī)劃方法大體可分為啟發(fā)式和數(shù)學優(yōu)化兩大類。這些方法在實際研究中有一定突破，但是仍然存在諸如：①維數(shù)災難；②局優(yōu)而非全優(yōu)；③約束條件和目標函數(shù)不易協(xié)調等問題。近來許多新型優(yōu)化?！ ⌒停?/p>
3、如遺傳算法、蟻群算法、模擬退火算法等，被應用到電網規(guī)劃領域并取得了一定的進展。下面將分別進行探討?！ ?啟發(fā)式方法 啟發(fā)式方法是一種以直觀分析為依據的算法。通常是以系統(tǒng)某一性能指標對可行路徑上一些線路參數(shù)作靈敏度分析。根據一定的原則，逐步迭代，直到獲得滿足要求的方案為止。它主要由過負荷校驗、靈敏度分析、方案形成三個部分組成。啟發(fā)式方法有兩種思路。第一種是逐步擴展法。即根據靈敏度分析的結果，以最有效的線路介入系統(tǒng)，逐步擴展網絡。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)，構成一個冗余的虛擬
4、網絡。然后根據靈敏度分析，逐步剔除有效性低的線路?！ l(fā)式方法直觀靈活，計算時間短，易于同規(guī)劃人員的經驗相結合。缺點是難以選擇出既容易計算，又能真正反映規(guī)劃問題實質的性能指標。它不是嚴格的優(yōu)化方法，不能很好地考慮各階段，各架線決策間的相互影響。且當網絡規(guī)模較大時，指標對于哪一組方案都差別不大，難以優(yōu)化選擇?！ ?數(shù)學優(yōu)化方法 數(shù)學優(yōu)化方法是對電網規(guī)劃作出數(shù)學模型，形成有約束的極值問題，然后用最優(yōu)化理論進行求解。數(shù)學優(yōu)化的主要方法有：線性規(guī)劃、多目標規(guī)劃和動態(tài)規(guī)劃等方法?！ 【€性規(guī)劃方法是最優(yōu)化技
5、術中發(fā)展最為成熟的領域，同時也是應用最廣泛的優(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，不能準確地描述電網規(guī)劃的整數(shù)性。得到的結果，要么偏離最優(yōu)解，要么不滿足約束條件。 多目標規(guī)劃法將電網規(guī)劃的經濟性和可靠性有機地結合起來，使優(yōu)化方案的綜合效益達到最佳，適應了目前電網規(guī)劃部門的實際需要。同時，多目標電網規(guī)劃以供應方的開發(fā)成本最小和需求方缺電成本最小為優(yōu)化目標。兼顧了供需雙方的利益，提高了規(guī)劃方案的綜合
6、社會效益。該方法的優(yōu)點是：①在目標函數(shù)中可以綜合考慮經濟性和可靠性要求。將可靠性指標轉化成經濟形式加入目標函數(shù)，求得綜合成本最低的網架方案。②在理論上驗證了綜合考慮經濟性和可靠性的多目標電網規(guī)劃方法的可行性并提出了數(shù)學模型和求解方法。缺點是適用規(guī)模小，適用性差。動態(tài)規(guī)劃將一個問題轉化為幾個子問題分階 段考慮。動態(tài)規(guī)劃模型中，決策變量在各階段的取值相互制約。當線路在某一階段被選中后，就不能在其它階段中被選中。對于目標函數(shù)，長期規(guī)劃還必須考慮資金的時間價值。動態(tài)規(guī)劃法的優(yōu)點是：①能夠避免連續(xù)變量法常常
7、遇到的搜索方向錯誤，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。缺點是：①計算時間長。②對于大規(guī)模系統(tǒng)，變量組合較多，易出現(xiàn)維數(shù)災和計算不容易等問題?！ ‰m然數(shù)學優(yōu)化方法理論上可以保證得到最優(yōu)解，但由于電網規(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，實際中許多因素不能完全形式化，通常需要對原問題的數(shù)學模型作簡化處理，有可能丟失最優(yōu)解。綜上所述，盡管數(shù)學規(guī)劃發(fā)展較快，但在解決電網規(guī)劃的實際問題上還存在種種困難，有待繼續(xù)完善發(fā)展。 4人工智
8、能方法 啟發(fā)式方法和數(shù)學規(guī)劃方法的共同特點是：以預測結果所需要確定的未來環(huán)境為基礎，建立數(shù)學模型，求出最佳規(guī)劃方案。但是電網規(guī)劃還需要考慮影響其結果的各種不確定因素，如未來系統(tǒng)負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。 為了彌補傳統(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(simulat
