基于遗传LM算法的电网企业电力物资供应实时调度方法研究

摘要：当前电网企业电力物资供应实时调度与物资管理存在脱节，为此研究基于遗传LM算法的电网企业电力物资供应实时调度方法。深入分析电力物资需求，利用遗传LM算法优化库存，建立智能调度模型。实验结果表明：与传统方法相比，基于遗传LM算法的电网企业电力物资供应实时调度方法的适应度均值高且稳定维持在0.45附近，更符合实际需求。

关键词：遗传LM算法电力物资物资供应供应实时调度

中图分类号：F253文献标识码：A

ResearchonReal-timeDispatchingMethodforPowerMaterialSupplyinPowerGridEnterprisesBasedonGeneticLMAlgorithm

ZHANGLiboLIULijun

TaiyuanPowerSupplyCompanyofStateGridShanxiElectricPowerCompany，Taiyuan，ShanxiProvince，030001China

Abstract：Atpresent，thereal-timedispatchingofpowermaterialsupplyinpowergridenterprisesisdisconnectedfromthematerialmanagement.Therefore，thereal-timedispatchingmethodofpowermaterialsupplyinpowergridenterprisesbasedonGeneticLMalgorithmisstudied.Itconductsin-depthanalysisofpowermaterialdemand，usesGeneticLMalgorithmtooptimizeinventoryandestablishintelligentdispatchingmodel.Theexperimentalresultsshowthat：Comparedwiththetraditionalmethods，theadaptabilityofthereal-timedispatchingmethodofpowermaterialsupplyofpowergridenterprisesbasedonGeneticLMalgorithmishighandstablearound0.45，whichismoreinlinewiththeactualdemand.

KeyWords：GeneticLMalgorithm;Powermaterials;Materialsupply;Real-timesupplydispatching

为了满足电力需求的变化，电网企业需要实时调度电力物资供应以维持系统稳定。张育铭等人[1]在考虑仓库作业能力的条件下，以任务完成时间为目标，构建供应保障任务分配模型，利用遗传算法实现物资优化调度。申晓宁等人[2]利用离散算法计算物资运输成本和运输时间的不确定性，将应急救援成本和应急救援时间作为求解目标，建立多目标调度模型，利用混合蛙跳算法进行求解。但上述方法在实际操作中可能会受到一些不确定因素的影响。而基于遗传LM算法的电网企业电力物资供应实时调度方法为解决这一问题提供了新的思路[3]。在电力物资供应调度中，遗传LM算法可以处理多种不确定因素，从而找到最优的调度方案。

1电力物资需求分析

电网企业电力物资供应需求特点包括季节性波动，如夏、冬两季因空调和供暖需求增加，导致物资需求上升；区域性差异，经济发达和工业密集地区电力需求高，物资需求也相应大[4]；技术更新换代，为满足更高的电力需求和供电质量，需不断更新和升级电力设备和系统。

2利用遗传LM算法确定物资库存

利用遗传LM算法确定物资库存，首先选择最相近的新个体即最新库存容量代入至遗传LM算法中[5]。根据最相似度原则，选择最相近的新个体作为替代，具体计算如下。在遗传LM算法中，子代和父代的个体转换有两种方法：一是新个体全局替代父代，优化全局最优但收敛慢；二是比较新个体与初始个体，保留最佳者作为下一代，收敛性好但易陷入局部最优。

3建立电力物资智能调度函数模型

4实验

4.1实验准备

为验证本文方法的有效性，以某城市的电网为例，选取一个受灾区的供电中心结构，得到了10个电力节点和3个供电节点的电网结构，具体如图3所示。

通过Python调用COPT求解器进行模型求解，运行环境为Intel（R）Core（TM）i7一9700E3.OOGHzCPU，32.0GBRAM。表1为仓库和需求点位置信息和作业能力，仓库的作业能力表示该仓库每小时能够拣选物资规格总量。表2是仓储及需求点的详细资料，其中：物资规格表示库房为这一类物料所需的工作容量消耗量；库存情况中的“1”代表“存在该类库存”，“0”代表“没有该类库存”。

平均适应度值是评估电网企业电力物资供应实时调度方案满足实际需求的能力和程度的重要指标，其值越高，表明调度方案在预测和满足电力物资需求、优化库存管理和配送方面的效果越好。

4.2实验结果与分析

将本文基于遗传LM算法的电网企业电力物资供应实时调度方法与张育铭等人[1]和申晓宁等人[2]提出的方法对比，生成的调度适应度均值如图3所示。

从图3中可以清晰地看出，基于遗传LM算法的电网企业电力物资供应实时调度方法具有较好的收敛性。随着迭代次数的增加，本文生成的调度方案的适应度值逐渐接近稳定，维持在0.45附近，得到的平均适应度值更大且更稳定，表现出良好的优化能力和稳定性。

5结语

基于遗传LM算法的电网企业电力物资供应实时调度方法为电力行业带来了革命性的变革。通过引入遗传LM算法，能够有效地应对电力物资供应中的复杂性和不确定性，优化调度方案，确保电力系统的稳定运行。

参考文献

[1]张育铭，刘世伦，王兵，等.物资应急供应保障任务调度建模与求解[J].装甲兵学报，2023，2（4）：58-64.

[2]申晓宁，葛忠佩，姚铖滨，等.基于离散混合蛙跳算法的地震应急物资调度[J].系统仿真学报，2024，36（1）：97-109.

[3]吴凤梅，李禹梁，王涵.基于遗传LM算法的电力物资自动化统计方法[J].工业加热，2022，51（6）：47-51.

[4]梁瑾璠，赵晗萍，张家乐.应急物资供应链快速构建模式[J].中国安全科学学报，2022，32（4）：135-140.

[5]万超.一种混合遗传LM算法求解非线性最小二乘问题[J].长江信息通信，2021，34（12）：52-54.