基本遗传算法与电网智能调度＊

周杰，刘宝，王琳琳



基本遗传算法与电网智能调度＊

周杰，刘宝，王琳琳

（石河子大学 信息科学与技术学院，新疆 石河子 832003）

近年来，电网技术和产业增长迅速，电网调度系统所面对的情况也越来越复杂。在这种背景下，电网智能调度系统应运而生。电网智能调度系统将电网与互联网技术相结合，达到供配电和发输电的智能化。遗传算法模仿自然界的生物遗传过程，采用存优去劣的策略将电网的调度方案逼近最优解。遗传算法方案既能实现对电网的智能调度，也能降低电网的运行成本，是当前电网智能调度发展的热点方向之一。

基本遗传算法；智能电网；电力产业；用电需求

从当前的电力产业的发展情况来看，技术的迭代速度增快，社会的用电需求不断增加，传统电网所面对的挑战越来越严峻[1]。电网智能调度技术的提出为电网技术的更新提出了新的思路[2]。引入遗传算法的调度系统，根据其策略迭代过程中不断优化设定最优条件下产生最优方案[3]。电网根据方案智能调度，既可以满足用电需求，也可以降低成本，以产生更好的经济效益[4]。

1 智能电网

电网调度的智能化方向，是当今世界受限于传统电网调度系统的局限性而提出热门发展方向[5]。电网智能调度系统能对数据进行实时的采集和分析[6]。并且依靠智能化程度较高的人工智能技术，在复杂的情况下电网对所遇情况做出最优处理[7]。相较于传统电网调度系统，智能电网调度系统可以自主对问题提出决策方案，而不是依赖通过人工进行电网调度[8]。

2 国内外发展现状

外国部分发达国家的智能电网起步较早，美国和欧洲等在本世纪初就提前布局了智能电网的开发，并且技术迅速发展[9-11]。亚洲地区的日本，利用其科研水平的支撑，该国家的智能电网水平处于领先的地位，并将技术落实，实践推动新能源、清洁能源与电网结合建设智能电网[12-14]。近年来，国家出台多项新能源汽车政策，地方政府也发布了关于新能源汽车的一系列增长方案和鼓励政策[15-17]。我国新能源汽车数量增长迅速，其所用的电池充电对电网带来了负担[18]。能源和环保问题也对我国电网调度系统的升级有一定的推动作用，电网智能调度系统能够改进电网的调度效率，减少不必要的损耗[19-20]。在节能减排方面由于智能电网的升级改造，推动了新型能源的参与程度以及各处电网的整合，而安全和环保程度相较于从前出现了跨越式的优化[21-22]。

国内电网由于各地调度设备更新换代速度较慢，大部分工作时间跨度大，维修难度增加且某些设备已经淘汰[23-24]。旧设备和系统不能满足当前新型产业的全方位、新要求、智能化的需求，而超负载的电网调度系统也会产生各种安全和决策方面的风险[25-26]。近年来，国家建立了多项智能电网的升级计划，对电网智能调度系统的研究也提上了日程[27-28]。电网调度与多种先进技术结合为电网的智能化提出了未来发展方向[29-30]。

3 基于遗传算法的电网调度

遗传算法是根据染色体的遗传、交叉和变异过程[31-32]。遗传算法使电网调度方案不断迭代，在迭代的过程中给不同的方案以不同的权重，再产生下一代电网调度方案[33-34]。由于该算法不会只选择某代的最优解，而是给所有该代个体不同的权重来判断下一代的选择概率[35-36]。

首先设定一定个数的用电调度方案，这些方案就是初始种群，每一个用电调度方案都是一个个体[37]。然后对每一个体的方案根据用电成本、安全性等指标进行赋值，单一用电调度方案的数值与种群的所有数值之和的比值，就是该方案的选择概率[38]。选择过程是指，将所有用电调度方案排列在同一个圆盘上，利用轮盘赌的方式，随机选择每一组父代和母代，选择的过程中每一次都是按照概率随机选择[39-40]。交叉过程是将选择的父代方案和母代方案，随机选择方案中的某一点将方案分成两部分，再将两方案分开部分进行互换，结合后父代方案头部与母代方案尾部产生一个新的子代，同样母代方案头部与父代方案尾部产生新的子代。变异过程是按特定的概率随机选择种群的某些个体，再随机选择个体方案的随机部分进行变动，例如将A处的电网调度优先级增高或降低，将交叉和变异后产生得到新个体按条件进行赋值，重复选择交叉变异过程，直到达到设定迭代次数后停止。与遗传算法结合的电网智能调度系统，在迭代过程中所有方案整体有所优化，电网调度方案也在向最优化方向逼近。

4 结论

电网智能调度系统能够提高电网所面对的用电安全、电网调度和监管等多方面之间的均衡协作。智能调度能够解决日益复杂的用电需求，高智能化的调度系统可以保障电网的安全。遗传算法与电网调度的结合，有利于处理日益复杂复杂的调度环境所面临的最优解问题，为能源使用过程的安全、环保和高效方面提供了保障。

［1］黄国栋，许丹，丁强，等.考虑热电和大规模风电的电网调度研究综述［J］.电力系统保护与控制，2018，46（15）：162-170.

［2］许洪强，姚建国，於益军，等.支撑一体化大电网的调度控制系统架构及关键技术［J］.电力系统自动化，2018，42（06）：1-8.

［3］许洪强，姚建国，南贵林，等.未来电网调度控制系统应用功能的新特征［J］.电力系统自动化，2018，42（01）：1-7.

［4］吴立华，白洁，左亚军，等.基于Matlab的遗传算法在结构优化设计中的应用［J］.机电工程技术，2017，46（10）：44-47.

［5］陈顺立.农业机器人路径优化及轨迹跟踪研究——基于遗传算法［J］.农机化研究，2017，39（08）：17-21.

［6］何远，张玉清，张光华.基于黑盒遗传算法的Android驱动漏洞挖掘［J］.计算机学报，2017，40（05）：1031-1043.

［7］刘浩然，赵翠香，李轩，等.一种基于改进遗传算法的神经网络优化算法研究［J］.仪器仪表学报，2016，37（07）：1573-1580.

［8］黄俊辉，汪惟源，王海潜，等.基于模拟退火遗传算法的交直流系统无功优化与电压控制研究［J］.电力系统保护与控制，2016，44（10）：37-43.

［9］黄新波，李文君子，宋桐，等.采用遗传算法优化装袋分类回归树组合算法的变压器故障诊断［J］.高电压技术，2016，42（05）：1617-1623.

［10］呼士召，潮铸，钟华赞，等.电网调度操作的风险后果值建模及应用［J］.电力系统自动化，2016，40（07）：54-60.

［11］丁盛舟，李永光，杜鹏，等.基于CIM/E的电网调度系统数据质量优化方法［J］.电力系统保护与控制，2016，44（03）：129-134.

［12］刘鹏程，李新利.基于多种群遗传算法的含分布式电源的配电网故障区段定位算法［J］.电力系统保护与控制，2016，44（02）：36-41.

［13］王赞，樊向宇，邹雨果，等.一种基于遗传算法的多缺陷定位方法［J］.软件学报，2016，27（04）：879-900.

［14］贺毅朝，王熙照，李文斌，等.基于遗传算法求解折扣{0-1}背包问题的研究［J］.计算机学报，2016，39（12）：2614-2630.

［15］黄小庆，杨夯，陈颉，等.基于LCC和量子遗传算法的电动汽车充电站优化规划［J］.电力系统自动化，2015，39（17）：176-182.

［16］金芬兰，王昊，范广民，等.智能电网调度控制系统的变电站集中监控功能设计［J］.电力系统自动化，2015，39（01）：241-247.

［17］辛耀中，石俊杰，周京阳，等.智能电网调度控制系统现状与技术展望［J］.电力系统自动化，2015，39（01）：2-8.

［18］高昆仑，辛耀中，李钊，等.智能电网调度控制系统安全防护技术及发展［J］.电力系统自动化，2015，39（01）：48-52.

［19］闪鑫，戴则梅，张哲，等.智能电网调度控制系统综合智能告警研究及应用［J］.电力系统自动化，2015，39（01）：65-72.

［20］滕贤亮，高宗和，朱斌，等.智能电网调度控制系统AGC需求分析及关键技术［J］.电力系统自动化，2015，39（01）：81-87.

［21］阚哲，孟国营，王晓蕾，等.基于遗传算法的炉膛温度场重建算法研究［J］.电子测量与仪器学报，2014，28（10）：1149-1154.

［22］于莹莹，陈燕，李桃迎.改进的遗传算法求解旅行商问题［J］.控制与决策，2014，29（08）：1483-1488.

［23］宋欢，胡耀垓，赵正予，等.基于混合遗传算法的斜测电离图参数反演［J］.地球物理学报，2014，57（03）：703-714.

［24］杨胜春，汤必强，姚建国，等.基于态势感知的电网自动智能调度架构及关键技术［J］.电网技术，2014，38（01）：33-39.

［25］姚建国，杨胜春，单茂华.面向未来互联电网的调度技术支持系统架构思考［J］.电力系统自动化，2013，37（21）：52-59.

［26］张鑫源，胡晓敏，林盈.遗传算法和粒子群优化算法的性能对比分析［J］.计算机科学与探索，2014，8（01）：90-102.

［27］梁志峰，葛睿，董昱，等.印度“7·30”“7·31”大停电事故分析及对我国电网调度运行工作的启示［J］.电网技术，2013，37（07）：1841-1848.

［28］翟明玉，王瑾，吴庆曦，等.电网调度广域分布式实时数据库系统体系架构和关键技术［J］.电力系统自动化，2013，37（02）：67-71.

［29］梁亚澜，聂长海.覆盖表生成的遗传算法配置参数优化［J］.计算机学报，2012，35（07）：1522-1538.

［30］马永杰，云文霞.遗传算法研究进展［J］.计算机应用研究，2012，29（04）：1201-1206，1210.

［31］刘全，王晓燕，傅启明，等.双精英协同进化遗传算法［J］.软件学报，2012，23（04）：765-775.

［32］汪际峰，沈国荣.大电网调度智能化的若干关键技术问题［J］.电力系统自动化，2012，36（01）：10-16.

［33］张强，张伯明，李鹏.智能电网调度控制架构和概念发展述评［J］.电力自动化设备，2010，30（12）：1-6，35.

［34］庄健，杨清宇，杜海峰，等.一种高效的复杂系统遗传算法［J］.软件学报，2010，21（11）：2790-2801.

［35］杜红卫，何勇，张瑞鹏，等.地区电网调度智能辅助决策软件设计［J］.电力系统自动化，2010，34（02）：108-112.

［36］张智刚，夏清.智能电网调度发电计划体系架构及关键技术［J］.电网技术，2009，33（20）：1-8.

［37］吴琼，刘文颖，杨以涵.智能型电网调度决策支持系统的开发与实现［J］.电力系统自动化，2006（12）：79-83.

［38］熊志辉，李思昆，陈吉华.遗传算法与蚂蚁算法动态融合的软硬件划分［J］.软件学报，2005（04）：503-512.

［39］郭国川.统一调度是我国电网调度模式的理性选择［J］.电网技术，2002（04）：1-8.

［40］唐文艳，顾元宪.遗传算法在结构优化中的研究进展［J］.力学进展，2002（01）：26-40.

周杰（1982—），男，湖南湘乡人，副教授，博士，研究方向为物联网技术。

兵团中青年科技创新领军人才计划项目“基于人工智能的电网智能调度”（编号：2018CB006）

2095－6835（2019）07－0024－02

TM732

A

10.15913/j.cnki.kjycx.2019.07.024

〔编辑：张思楠〕