【遗传算法、粒子群、改进遗传算法】基于智能算法的电力系统电网最优规划方案的研究（Matlab代码实现）

欢迎来到本博客❤️❤️

博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

本文目录如下：

目录

1 概述

1.1 简介

1.2 中长期电网规划的数学模型及相关计算

1.3 基于GA遗传优化算法的电网规划计算

1.4 基于PSO优化算法的电网规划计算

1.5 基于线性规划算法的电网规划计算

1.6 基于改进遗传算法的电网规划计算

2 运行结果

2.1 遗传算法求解

2.2 粒子群优化算法求解

​编辑​2.3 线性规划求解

2.4 改进遗传算法求解

2.5 算法求解比较迭代图

3 参考文献

4 Matlab代码、数据、文章详细讲解

---

​

1 概述

1.1 简介

电力系统规划中的最为重要是电网规划，而电网规划中，电网的每一条备选线路都必须作为独立变量来处理，同时需要考虑不同情况下的网络结果，因此影响电网规划的决策变量是一个高维度的决策变量，这就决定了电网规划是一个较为复杂的非线性问题。本章节将通过智能优化算法对电网进行最优规划进行研究。

1.2 中长期电网规划的数学模型及相关计算

在一个中长期电网规划中，需要考虑的目标函数可以认为是新建电网线路的投资年费用和电网系统的运行费用之和的最小值，满足这目标值最小且符合电网运行的约束要求即是求解问题的最优解。根据这个原理，首先给出任意一年的目标函数为：

在电网规划过程中，每一条支路上实时的传输容量不能超过该支路的最大容量。根据潮流计算公式可以获得每条支路的传输容量，那么过负荷的计算就是通过每条支路的传输容量减去该支路的最大容量就可以得到，其表达式为：

 详细数学模型讲解见第4部分。

1.3 基于GA遗传优化算法的电网规划计算
 

遗传优化算法是一种基于全局最优解搜索算法，而电网规划的优化是一个较为复杂的优化设计过程。因此，采用遗传算法对电网规划进行优化设计是一个较好的解决方案。遗传优化算法主要步骤包括编码、选择、交叉以及变异等步骤，下面将基于遗传优化算法的基本实现过程对电网规划的优化设计进行实现。

        第一，编码实现。在遗传优化算法中，需要通过二进制编码实现对染色体的编码，对于电网规划问题，编码方式是通过1和0分别表示待选线路是否加入到电网系统中，假设某一电网系统中有8条待选线路，其染色体编码结果为{01100010}，则说明编号为2，3，7的待选线路将加入到电网系统中。

        第二、遗传算法的初始种群规模的确定。遗传算法中的种群规模对算法的最优解计算能力有着较大的影响，当遗传算法的种群规模较大的时候，种群中的每一个个体可能具有的个体多样性概率越高，那么算法就越有可能找到实际的最优解，但这是以增加计算量为代价的。而当种群规模较小的时候，那么种群中每一个个体可能具有的个体多样性概率就月底，那么就会导致算法陷入局部优化的困境。因此，需要通过不断的仿真验证来获得最优的初始种群规模。

        第三、适应度函数的建立。根据本文第三章所给出的公式3.4可知，这里采用如下的适应度函数：

1.4 基于PSO优化算法的电网规划计算
 

通过PSO粒子群进行优化，其主要实现过程如下：

第一，根据电网的相关数据，确定粒子维度和粒子个数；

第二，随机产生各个粒子的初始位置，并得到多个初始的规划方案；

第三，设置粒子的最优值和种群的最优值；

第四，对各个粒子所得到的规划方案进行连通性判断，如果不连通则加入一个较大的惩罚因子。如果连通，则计算其对应的有功潮流；

第五，计算得到各个粒子所对应的适应度值，适应度函数等同于公式3.9；

第六，根据每个粒子的适应值，与其经历的最佳位置的适应值比较，如优于历史最佳位置，则当前位置为历史最佳位置，然后与群体经历的历史最佳位置比较，如优于全局历史最佳位置，则当前位置为群体历史最佳位置；

第七，根据公式2.7的更新公式更新各个粒子的速度和位置；

1.5 基于线性规划算法的电网规划计算
 

1.6 基于改进遗传算法的电网规划计算

详细文章讲解见第4部分。

2 运行结果

2.1 遗传算法求解

​

2.2 粒子群优化算法求解

​2.3 线性规划求解

2.4 改进遗传算法求解

2.5 算法求解比较迭代图

​

3 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]顾金弟,吴旭鹏等。输电网规划方案的可靠性评估研究[J].华东电力,2010,38(12):184-187.

[2]State Grid Corporation. Research on "Resource-saving  and Environment-friendly Grid", Construction of SGCC,2008.

[3]曾博,董军,张建华等.节能服务环境下的电网综合资源协调规划新方法[J].电力系统自动化,2013,37(9):34-40.

[4]Guo Ri-cai,Li Ming,Xu Xiao-dong,La Hai. Research and suggestions on Speeding up dissemination and application of new technologies for power grid construction[J].Power System Technology,2006,1(1):12-15.

[5]王赛一,王成山.遗传禁忌混合算法及其在电网规划中的应用.电力系统自动化,2004, Vol. 28 (20):43-46.

[6]文福拴,韩祯祥.基于Tabu捜索方法的输电系统最优规划[J].电网技术,1997,21(5):2-7.

[7]陈根军,唐国庆.基于禁忌捜索与蚁群最优结合算法的配电网规划.电网技术,2005,Vol.10 (32); 27-31.

[8]颜伟,王丽娜.基于改进免疫遗传算法的配电网网架规划.重庆大学学报(自然科学版),2007, Vol (30):28-31.

4 Matlab代码、数据、文章详细讲解