基于改進(jìn)遺傳算法的油田配電網(wǎng)無(wú)功優(yōu)化
加入技術(shù)交流群
選擇是最具有自然進(jìn)行特色的操作之一，它是從所有母體中選取部分個(gè)體組成繁殖庫(kù)的過(guò)程。作為交叉和變異的前提，選擇過(guò)程應(yīng)保證越優(yōu)良的個(gè)體越有較大的幾率被選中，而適應(yīng)值低的個(gè)體漸漸被淘汰，即所謂的“優(yōu)勝劣汰”。
選擇操作是建立在對(duì)個(gè)體的適應(yīng)度評(píng)價(jià)的基礎(chǔ)之上，有時(shí)直接關(guān)系到收斂速度問(wèn)題。采用兩兩競(jìng)爭(zhēng)的選擇策略，首先從群體中隨機(jī)選取兩個(gè)個(gè)體比較適應(yīng)度，將其中適應(yīng)度最高的個(gè)體遺傳到下一代群體中；然后將上述過(guò)程重復(fù)M次，就可得到繁殖庫(kù)所需的M個(gè)個(gè)體。
該種選擇策略使每個(gè)個(gè)體入選繁殖庫(kù)的概率與其適應(yīng)值不直接成比例。所以它能使群體在解空間上有較好的分散性，使得個(gè)別大適應(yīng)度值的個(gè)體在種群中不會(huì)出現(xiàn)大量繁殖的現(xiàn)象，同時(shí)又保證了加入繁殖庫(kù)中的個(gè)體有較好的適應(yīng)值。另外兩兩競(jìng)爭(zhēng)選擇策略對(duì)個(gè)體適應(yīng)度是否取正值無(wú)特別要求，因此可直接用問(wèn)題的目標(biāo)函數(shù)當(dāng)作適應(yīng)度函數(shù)。
由于選擇、交叉、變異等遺傳操作的隨機(jī)性，為了防止在進(jìn)化過(guò)程中得到的最優(yōu)個(gè)體被其破壞，采取保存最優(yōu)個(gè)體策略，即當(dāng)前群體中適應(yīng)度最高的個(gè)體不參與交叉和變異運(yùn)算而直接進(jìn)入下一代，該策略的實(shí)施保證算法的收斂。
3．3 交叉和變異算子的改進(jìn)
交叉是遺傳算法中尋找最優(yōu)個(gè)體的最主要手段，也是遺傳算法區(qū)別于其他優(yōu)化方法的主要標(biāo)志。變異是避免“近親繁殖”，保持群體多樣性，實(shí)現(xiàn)多路徑搜索，以避免局部收斂，恢復(fù)丟失的或?qū)ふ疑形吹玫降膬?yōu)良信息的主要工具，它是以較小的概率使密碼串中的某碼位產(chǎn)生突變。
傳統(tǒng)遺傳算法中交叉率Pc和變異率Pm取值是恒定的，在處理復(fù)雜的多變量?jī)?yōu)化問(wèn)題時(shí)效率不高，并且存在“早熟”的可能性。為此采用自適應(yīng)遺傳算法，自適應(yīng)PC、Pm能夠提供相對(duì)某個(gè)解的最佳Pc、Pm。該算法在保持群體多樣性的同時(shí)，可保證遺傳算法的收斂能力，有效提高其優(yōu)化能力。
3．3．1 交叉方式的改進(jìn)
在交叉方式上，把個(gè)體適應(yīng)度大于群體平均適應(yīng)度的個(gè)體對(duì)應(yīng)于較低的交叉率，使該解得以保護(hù)進(jìn)入下一代：對(duì)于低于平均適應(yīng)度的個(gè)體，相對(duì)于較高的交叉率，使該解被淘汰。在自適應(yīng)遺傳算法中，交叉率按式(7)進(jìn)行自適應(yīng)調(diào)整：本文引用地址：http://cafeforensic.com/article/188666.htm
式中：Pc1為上一代群體交叉率；Rc2為下一代群體交叉率；fmax為群體中的最大適應(yīng)度值；fav為群體中的平均適應(yīng)度值；f′為準(zhǔn)備交叉的2個(gè)個(gè)體中較大的適應(yīng)度值。
3．3．2 變異方式的改進(jìn)
類(lèi)似于交叉操作，這里采用改進(jìn)的自適應(yīng)遺傳算法。變異率Pm按式(8)進(jìn)行自適應(yīng)調(diào)整：
式中：Pm1為上一代群體變異率；Pm2為下一代群體變異率。
3．4 終止判據(jù)的改進(jìn)
遺傳算法對(duì)初始解沒(méi)有要求，一般是通過(guò)預(yù)先設(shè)置進(jìn)化代數(shù)來(lái)結(jié)束循環(huán)的，為了防止對(duì)于預(yù)先設(shè)置的代數(shù)還沒(méi)有收斂，可以在產(chǎn)生初始解的同時(shí)，用部分約束條件來(lái)檢驗(yàn)，將不滿足條件的解重新生成，直到達(dá)到群體規(guī)模。
在遺傳算法迭代求解過(guò)程中，有時(shí)最優(yōu)解可能在未達(dá)到最大遺傳代數(shù)的時(shí)候就已經(jīng)出現(xiàn)，此時(shí)應(yīng)及時(shí)從迭代過(guò)程中跳出。針對(duì)這種情況提出了最大遺傳代數(shù)N與最優(yōu)個(gè)體適應(yīng)值連續(xù)保持不變的最小保留代數(shù)Np相結(jié)合的終止迭代準(zhǔn)則，在給定的遺傳代數(shù)限定范圍內(nèi)來(lái)搜索最優(yōu)解，并確定該解經(jīng)過(guò)后面的多次迭代后仍為最優(yōu)，則退出進(jìn)化。否則繼續(xù)搜索，直到滿足最優(yōu)個(gè)體最小保留代數(shù)為止。如果在最大遺傳代數(shù)N限定范圍內(nèi)沒(méi)有滿足最優(yōu)個(gè)體最小保留代數(shù)的解，則輸出當(dāng)前得到的最優(yōu)解。
4 計(jì)算實(shí)例
為驗(yàn)證改進(jìn)算法的有效性，對(duì)比計(jì)算實(shí)際油田配電網(wǎng)的無(wú)功優(yōu)化。該實(shí)際配電網(wǎng)是10 kV變電所向外供配電的輻射狀配電網(wǎng)絡(luò)，有47個(gè)節(jié)點(diǎn)，46條支路，變壓器18臺(tái)，電容補(bǔ)償點(diǎn)5個(gè)。用前推回代法計(jì)算初始潮流結(jié)果為：有功網(wǎng)損251．68 kW，網(wǎng)損率5．83％，電壓合格率72．5l％采用傳統(tǒng)的遺傳算法和改進(jìn)的遺傳算法對(duì)其計(jì)算，計(jì)算結(jié)果如表l所示。
從表l計(jì)算結(jié)果可看出，優(yōu)化前初始網(wǎng)損率為5．83％，而且大部分節(jié)點(diǎn)電壓較低。分別使用傳統(tǒng)遺傳算法和改進(jìn)遺傳算法進(jìn)行無(wú)功優(yōu)化，不僅可降低全網(wǎng)的有功損耗和網(wǎng)損率，降低全網(wǎng)的運(yùn)行費(fèi)用，而且?guī)?lái)更高的節(jié)點(diǎn)電壓合格率，實(shí)現(xiàn)以最少的投入來(lái)獲取最佳電壓質(zhì)量和顯著經(jīng)濟(jì)效益的目標(biāo)。同時(shí)從表l還可看出，改進(jìn)遺傳算法具有更快的尋優(yōu)速度，從而可以提高計(jì)算效率，節(jié)省計(jì)算時(shí)間。算例結(jié)果驗(yàn)證了改進(jìn)遺傳算法的實(shí)用性和有效性。
5 結(jié)語(yǔ)
針對(duì)油氣田配電網(wǎng)無(wú)功優(yōu)化的特點(diǎn)，對(duì)傳統(tǒng)遺傳算法主要在選擇操作、交叉和變異算子、終止判據(jù)等核心操作上進(jìn)行改進(jìn)。改進(jìn)的遺傳算法繼承了傳統(tǒng)遺傳算法的優(yōu)點(diǎn)，克服了傳統(tǒng)遺傳算法容易不收斂或早熟、收斂速度慢等方面的不足，在油田配網(wǎng)無(wú)功優(yōu)化補(bǔ)償中獲得了較好的效果。通過(guò)算例的計(jì)算表明該改進(jìn)遺傳算法是有效可行的。
評(píng)論