电网规划算法（精选八篇）
电网规划算法 篇1
随着中国经济的持续发展和人民生活水平的提高, 对电力需求呈上升趋势, 虽然我国的电力工业发展迅速, 但仍有缺电断电现象。此同时, 电力工业的发展水平不仅对国民经济的其它部门会产生巨大的影响, 而且一次能源消耗和投资的数量也相当巨大。因此, 科学的进行电网规划, 可以大大降低系统运行费用, 提高系统可靠性, 减少停电损失, 提高电力系统效率, 也可以获得巨大的经济效益。相反, 电网规划工作的失误会带来不可弥补的损失。因此, 对电网规划问题进行研究, 以期最大限度地提高规划质量, 具有重大的现实意义。
(二) 电网规划
电网规划的目标是寻求最佳的电网投资决策, 以保证整个电力系统的长期最优发展。其目的是根据电网发展及负荷增长情况合理地确定今后若干年的电网结构, 使其既安全可靠又经济合理。电网规划的基本原则是在保证电力安全可靠地输送到负荷中心的前提下, 使电网建设和运行的费用最小。
电网规划应该体现安全、经济、可靠三个目标, 因而是多目标的。多目标电网规划以供应方的开发成本最小和需求方缺电成本最小为优化目标, 兼顾供需双方的利益。它将电网规划的经济性和可靠性有机地结合起来, 将可靠性指标转化成经济形式加入目标函数, 使优化方案的综合效益达到最佳, 而且可以对规划方案的经济性和可靠性进行灵活地评价和比较, 正确地反映投入资金对可靠性指标增幅之间的确定关系, 从而使电网规划的成本计算更为准确。
(三) 电网规划的数学模型
在数学上, 配电网规划是一个离散非线性的、多阶段多目标的组合优化问题, 其目的是:在满足对用户供电和保证各种运行约束的前提下, 寻找一组最优的决策变量 (变电站位置和容量、馈线路径和型号、开关的位置) , 使得投资、网损和用户停电损失之和最小。
综合考虑建设投资, 运行费用和网损费用等的影响, 电网规划数学模型为:
式中:目标函数f1为方案的建设投资等年值费用;S为新建设线路集;K1为单位长度线路造价;xi为第i条待选线路回路数的决策变量;li为第i条线路的长度。目标函数f2为网络安全约束惩罚项, iW为第i种网络约束, 如过负载约束等;为第i种网络约束的惩罚系数。目标函数f3为年网损费用;T为年网损小时数;NB为网络支路数;K2为单位电价;ri为第i条线路的电阻;Pi为正常运行方式下第i条线路上的功率潮流;AP (i, n) 为资金收回系数。
式中:i为资金贴现率;n为贴现年限。需要满足的约束条件如式:
式中:P为节点注入功率向量, 为发电出力与负荷之差;B、B'为正常和N-1情况下的节点导纳矩阵的虚部;θ、θ'为正常和N-1情况下的节点电压相角;为正常和N-1情况下的支路潮流;Δθ、Δθ'为正常和N-1情况下的支路两端相角差;Plmax为支路允许通过的最大容量。
(四) 电网规划算法研究
电网规划的一般最优化模型是一个多目标、非线性、动态的混合整数规划问题。电网规划问题的求解伴随着优化理论和计算机的发展而发展, 方法涉及传统的规划方法和智能优化方法。
1. 线性规划。
线性规划是理论和求解都很完善的数学方法。在电网规划中, 根据实际情况, 通过一些简化措施, 去除非线性, 建立线性的电网规划模型。但实际电力系统中的问题大多为非线性, 通过简化去除非线性, 会带来误差。这些都限制了线性规划在电网规划中的应用, 且计算量大, 无法处理大规模电网规划。
2. 模糊规划。
模糊规划是具有模糊参数的一类不确定性规划复杂算法。模糊规划法采用严密的数学理论处理模糊性问题, 较适合于求解不同量纲、相互冲突的多目标优化和综合评判问题, 最后的目标通常不是某一指标达到最优, 而是最大的综合满意度。模糊规划法用于电网规划方法能够提供研究对象多种属性的选择方案同时能够处理规划过程中现象表示模棱两可的问题, 算法简单易行, 易于在计算机上实现。文献[4]研究负荷及发电机出力不确定性的模糊潮流分析方法, 给出了用模糊数描述节点注入功率不确定性时的模糊直流潮流求解方法及步骤。但是需用模糊算子进行模糊优化, 从而影响计算效率。
3. 遗传算法。
遗传算法是电网规划采用的一种智能优化方法, 它根据优胜劣汰的原则进行搜索和优化, 可以考虑多目标函数和约束条件, 特别适合于整数型变量的优化问题。对于大型电网规划问题不需要分解处理, 直接将网络的运行计算结果计入评价值, 避免了由于分解或线性化造成的误差。这为规划人员根据实际情况改变规划方案提供宝贵信息, 弥补了数学规划只能求得单解的不足。但是该算法在参数选取不当时, 有收敛到局部最优点的可能性。文献[5]中将电网规划和遗传算法进行结合, 提出了改进自适应遗传算法 (MAGA) , 防止传统遗传算法过早收敛和走向局部最优, 适应于多变量、多目标的环境, 能够快速的找到全局最优, 同时具有可行性。文献将模拟退火法和遗传算法结合的混合-模拟退火算法也取得了不错的效果。
4. 粒子群算法。
在解决规模优化问题中, PSO算法比其他智能算法具有更好的全局寻优能力, 且参数少易于实现。粒子群算法操作简单, 不受搜索空间的限制性约束, 使其在解决电网规划这种多目标、多约束、非线性、混合整数优化问题中得到广泛应用。在电网规划中, 多种约束条件的处理也是重点。文献将一种混合粒子群算法用于求解电网规划, 该算法将和谐搜索和“飞回机制”引入PSO算法中, 较好的处理了电网规划中约束条件, 具有较高运行效率和全局收敛能力, 且每次运行多个解。文献将多目标粒子群用于求解电网规划, 有效避免了加权和权重的选择。
(五) 结束语
电网规划是电力系统总体发展规划的重要组成部分, 一个可行的电网规划方案必须能满足未来电力市场对电网容量的要求, 保证电网运行的可靠性, 同时能还要考虑经济成本。在对电力系统进行分析中, 评估各种规划方案和不确定因素的影响, 掌握电网规划的研究方法及特点, 科学地完成电网规划工作, 提高供电质量、供电的安全和可靠水平, 合理有效地利用资金和节能降损, 合理地进行规划才可以取得最大的社会效益和经济效益。因此, 对电网规划问题进行研究具有重大的现实意义。
摘要：电力市场中电网规划的目的是在保证可靠性的前提下满足日益增长的电力需求, 提高社会效益。文章介绍了电网化规划的研究现状, 对电网规划的数学模型及求解方法技术原则作了总结, 对未来的工作形势进行了展望。
关键词：多目标,电力系统,电网规划,优化方法
参考文献
[1]孙洪波.电力网络规划[M].重庆:重庆大学出版社, 1996.
[2]Laura B, Gerson C O, Mario P.A mixed integerdisjunctive model for transmission networkexpansion[J].IEEE Transactions on PowerSystems, 2001, 16 (3) :560-565.
[3]牛辉, 程浩忠, 张焰, 等.电网扩展规划的可靠性和经济性研究综述[J].电力系统自动化, 2000, 22 (1) :51-56.
[4]张焰, 陈章潮.电网规划中的模糊潮流计算[J].电力系统自动化, 1998, 22 (3) :20-22.
智能电网安全策略切换判决算法设计 篇2
摘要：安全策略切换判决算法的设计面临着这样一对矛盾：效率与性能。如何在保证效率的条件下提高安全切换判决算法的性能是安全策略切换算法设计的一个难点。本文提出了一种基于网络辅助终端判决的安全策略切换判决算法，将网络QoS性能的评估交给网络端完成，有效的降低了终端的计算量，提高了效率。另外由于不同安全应用有着不同的QoS要求，因此本文充分考虑了安全应用的安全业务类型，在网络端针对四种不同业务类型分别设计了基于模糊逻辑的网络QoS得分计算方法，满足了安全应用的QoS需求。此外，本文充分考虑到这样一种情况：当前的网络状况不能代表未来的网络状况，而网络状况的变化一般呈现出一定的变化趋势。因此，本文利用当前的网络状态来预测未来的网络状况，为安全策略切换判决提供了更加全面的网络QoS信息。
关键词：智能电网；安全策略；切换
中图分类号：TP391.41
文献标识码：A
DOI：10.3969/j.issn.1003-6970.2015.09.019
0 引言
随着我国智能电网的建设，网络向用户侧延伸，“互动化”的需求给公司目前的信息安全隔离体系提出了新的要求，在设计上遵循原有的三道防线架构不变。其中在智能电网互动化环境下信息安全隔离体系中的第一道防线中增加了互动化安全区，主要是为了实现用户通过互联网与电网之间的安全互动和智能终端接入的安全策略切换。传统的基于效用函数的安全策略切换算法一般会考虑RSS和其他参数，Xia R等人使用最优化的效用函数来达到用户满意度和网络安全效率的平衡。Li QM等人提出了一种以用户为分析中心的安全策略切换算法，这种方法的一个重要特性就是考虑用户的满意度，但是它只能适用于非实时的安全应用。Li QM，Zhang H等人提出了一种基于博弈论的切换算法，该算法基于贝叶斯纳什均衡点极大的减少了切换延迟，也使用户能够总是以最高的网络利用率和最合适的安全成本连接到最好的安全网络。虽然学者们已经提出了很多安全切换判决的算法，但是，现有的算法在代价和性能之间存在着矛盾，无法满足实际的应用需求。另外，从国内外的研究现状来看，对于支持安全策略切换的框架研究较少，而高效的切换框架能够有效地提升整个安全切换判决的性能。因此，异构网络的安全切换判决技术仍然是一个研究的重点，也是一个研究的热点。本文在前人的研究基础上，提出一种基于终端控制和网络辅助的安全切换判决算法，在算法中利用了一阶单变量灰色预测模型GM（1，1）和模糊逻辑系统这两个基本模型系统。
通过公式4的预测方程，我们可以利用样本数据来预测未来数据。
基于模糊逻辑的切换算法一般有三个部分：模糊化、模糊规则和去模糊化（清晰化）。网络QoS参数经过模糊化以后利用模糊规则输出模糊评价值，最后通过去模糊化得到网络的切换评价得分，如图l所示。可用带宽（Available Bandwidth）、端到端延迟（End to EndDelay，E2EDelay）、抖动（Jitter）、误码率（Bit ErrorRate，BER）作为4个输入参数，经过隶属度函数的模糊化以后得到一系列模糊值，交给判决模块，判决模块通过模糊逻辑规则（Fuzzy Rule）输出判决结果，判决结果还是一个模糊值，最后通过利用输出参数的隶属度函数去模糊化以后输出一个清晰值——网络安全切换判决得分。选择得分最高的一个网络作为切换的目标网络，执行安全策略切换，从当前服务网络切换到目标网络。
传统的基于模糊逻辑的安全切换判决算法一般在终端完成网络的安全切换判决，通过收集网络的信息以及终端和用户的信息作为模糊逻辑系统的输入参数，经过模糊逻辑系统的计算后得出一个综合安全切换判决得分，最后根据得分的高低做出安全策略切换的判决。如图2所示，终端判断接收信息强度RSS是否低于阈值，如果低于阈值则发起切换的判决。判决过程如下：首先检测周围的可用网络，然后获取网络的QoS等信息以及终端和用户的属性信息，接着利用模糊逻辑系统做出安全切换判决，最后选择一个切换得分最高的网络作为切换目标网络完成网络的切换。
（l）模糊化
模糊化的过程就是利用隶属度函数将输入参数模糊化，模糊集合一般设为{Low，Mediu，Hi曲}，隶属度函数如图3所示，本文提出的安全切换判决算法中采用的也是图3中所描述的三角形状的隶属度函数。
从图3可以看出，对于参数P和网络N，则有如下三点区域：
2 基于网络得分预测和模糊逻辑优化的安全切换判决算法
模糊逻辑对于处理模糊的不确定的信息具有天然的优势，因此已经有多位学者提出了基于模糊逻辑的安全切换判决算法，Li等人提出了一种优化的基于模糊逻辑的安全切换判决算法，将遗传算法应用到隶属度函数的优化中，实验结果表明该优化算法能够在保证用户满意度的前提下减少切换的次数，有效的避免了“乒乓效应”。然而此方法只考虑了3个参数：接收信号强度（RSS），网络费用（Cost），数据率（DataRate），并没有考虑终端的属性。Xia等人提出了一种考虑多属性的基于模糊神经的安全切换判决算法，该算法使用可用带宽（Bandwidth），终端移动速度，用户数，接收信号强度（RSS），能耗，网络覆盖范围作为输入参数，通过模糊神经做出安全切换判决。该算法综合考虑了多种参数，利用拥有自学习能力的模糊神经网络，提高了用户的QoS满意度，但是算法的复杂度较高，不太适用于真实的环境。
以上算法虽然都是基于模糊逻辑的优化算法，但是他们都没有考虑未来网络的可能状况，也没有考虑当前应用的安全业务类型，因为不同的安全业务类型有着不同的QoS需求。本文基于以上分析，提出了一种基于网络得分预测和模糊逻辑优化的安全切换判决算法（Security Prediction andFuzzy-Logic Based Vertical Switch Decision Algo-rithm，SPFL）。该算法和已有算法的主要区别是：
1）面向QoS安全感知，根据4个安全业务分类分别计算网络的QoS得分。
2）基于网络辅助的切换方式，网络端负责计算自身QoS得分，有效地减少了终端的计算负担，提高了算法的实用性。
3）基于一阶单变量灰色预测模型GM（1，1）预测网络未来QoS得分，将当前网络得分、未来网络预测得分和终端能耗结合考虑，提高了切换的准确性，减少了不必要的切换，有效降低了“乒乓效应”，并且延长了终端的续航时间。
4）采用网络的预筛选和预判决。网络预筛选可以有效地删除一些不满足条件的候选网络，减少候选网络的数量，从而降低计算的复杂度，有效地降低安全切换判决的时间。预判决可以为终端用户提前做出网络切换的判决，提高用户的满意度。
SPFL算法的基本思路基于如下的思想：不同的安全应用有不同QoS需求，区分应用的安全业务类型能够有效提高网络QoS评价的准确性。此外，网络QoS参数代表了网络的性能指标，而且当前最好网络不一定是未来的最佳网络，当前的次好的网络未来可能是最佳的网络。因此直接选择未来的最佳网络能够极大的减少不必要的切换次数，从而降低“乒乓效应”。
SPFL算法作为面向网络QoS的安全切换判决算法重点考虑了可用带宽（Available Bandwidth）、端到端延迟（End to End Delay，E2EDelay）、抖动（Jitter）和误码率（Bit Error Rate，BER）四种网络QoS参数，针对每个网络计算对应网络QoS得分。在评价网络QoS得分时，SPFL算法针对不同的安全业务类型设计了不同的评分标准。在此基础上利用GM（1，1）预测模型预测未来网络的QoS得分，最后综合考虑候选网络的真实QoS得分和预测QoS得分，做出网络切换的判决，并选择一个最优的网络作为目标切换网络。
另一方面，考虑到网络较多的时候，算法的计算量比较大，而终端的计算能力有限。SPFL算法在给网络评价之前，根据终端的特性做了一个初步的候选网络的筛选，从而大大降低了算法的计算量。此外对于一些必需切换的情况，比如RSS急剧下滑、马上要离开当前网络的覆盖范围等情况，SPFL算法也提供了相应的切换策略。
基于网络得分预测和模糊逻辑优化的安全切换判决（SPFI）算法主要包括预处理、基于模糊逻辑的网络得分的计算、基于GM（1，1）预测模型的网络QoS得分预测和网络选择4个主要步骤。
1）预处理
预处理作为安全切换判决算法的第一个阶段对整个算法的性能有着主导的作用，在本文提出的预处理阶段主要完成两项任务：第一，切换预判决，根据当前网络RSS和预计驻留时间做出提前的网络安全切换判决；第二、候选网络筛选，对终端移动速度和驻留时间做预筛选，删除不满足条件的网络，从而减少候选网络的数量，降低整体算法的复杂度。
切换预判决
当终端感知到当前服务网络的接收信号强度RSS低于阈值RSSth时，一个被迫的切换不得不被执行。此时为了避免服务的中断，必须快速完成切换，因此会选择可用网络中上一次排名较高的网络作为目标切换网络。
另一方面，在RSS暂时还满足要求的情况下，如果预计到终端马上要离开当前网络，即预计驻留时间小于最小的阈值（本文取阈值为IOS），则会提前执行下面的第二步——基于模糊逻辑的网络得分计算和第三步——基于GM（1，1）预测模型的网络QoS预测，提前完成网络的切换，提高用户的满意度。图4描述了切换预判决阶段的流程。
候选网络预筛选
终端移动速度筛选。不同的网络支持的最大的移动速度不一样，比如WiFi只能支持步行的速度Skm/h，而UTMS和WiMax（802.16e）均可以支持120km/h以上的移动速度，完全满足城市交通的速度。因此如果当前终端移动速度大于5km/h，则可以将WiFi网络从候选网络列表中删除。
预计驻留时间筛选。驻留时间体现了终端在候选网络中的预计停留时间，如果停留时间太短，则频繁的网络切换会导致服务质量的下降，降低用户的满意度。因此根据终端在候选网络中的预计驻留时间做出网络的预筛选，将预计驻留时间小于Imin的网络从候选网络列表中删除。图5描述了候选网络预筛选流程图。
2）基于模糊逻辑的网络QoS得分的计算
我们知道网络QoS是评价网络好坏的一个重要指标，以往的算法一般都是在终端计算网络的QoS得分，而网络QoS得分依赖于网络的QoS参数，不同的网络需要分别计算，因此随着可用网络数目的增加，网络QoS的计算量也在不断增加，极大的浪费了终端的计算能力。为此，在第三章介绍的切换框架的基础上，本文采用网络端负责QoS得分计算的方式，充分利用了网络的计算能力，大大减少了终端的计算量，增加了算法的实用性。同时充分考虑了不同的应用安全业务类型对于网络QoS参数要求的不同，设计了4种针对不同安全业务类型的模糊逻辑系统来完成网络的QoS得分的计算。下面从隶属度函数设计、模糊逻辑规则设计两个方面展开详细介绍。
隶属度函数设计
通过前面预处理之后，我们得到了满足终端特性需求的候选网络，在本阶段中，我们考虑网络的QoS参数包括可用带宽（Available Bandwidth）、端到端延迟（End to End Delay，E2EDelay）、抖动（Jitter）、误码率（Bit Error Rate，BER）。由于这些参数拥有很大的模糊性，很多时候常常是用高低来衡量，因此，基于模糊逻辑的网络得分计算被应用到本文的网络QoS得分计算中。首先需要对这个4个QoS设计隶属度函数，图6展示了这四个参数的隶属度函数。
输出隶属度函数如图7所示，区间[0，50]为Low，[25，75]为Medium，[50，100]为High。
模糊规则设计
由前面的介绍知道，不同的应用安全业务类型拥有不同的QoS需求，因此本文在传统的基于模糊逻辑的安全切换判决算法的基础上，充分考虑了当前应用的安全业务类型对安全切换判决的影响，分别给通话安全业务、流媒体安全业务、交互式安全业务和后台安全业务设计了4种不同的模糊逻辑规则，表l描述不同安全业务类型的QoS需求。
就本文而言，对于每一个安全业务类型有3*3*3*3=81条规则，4种安全业务类型的话一共产生4*81=324条规则，由于篇幅限制，本文仅给每个安全业务列出几个规则样例以方便说明，如表2所示。
从表2中可以看出，每个模糊规则都严格按照不同的安全业务类型的QoS需求来设计，其他规则也可以按照同样的思路完成设计。
3）基于GM（1，1）预测模型的网络QoS得分预测
QoS得分会被记录在终端的网络信息数据库中，而这些得分随着网络状态变化也会动态的变化，当前的网络状态不能代表未来网络的状态，而最近的网络变化趋势可以预测未来网络的状况。因此本文设计了基于一阶单变量灰色预测模型GM（1，1）的网络QoS得分预测模型，具体过程如下。
至此我们得到两个网络排名列表：基于当前网络QoS计算值的网络排名列表和基于未来网络QoS预测值的网络排名列表，假设排名结果如表3所示：结果，WLAN排在候选网络的第一名，但是在网络预测结果中，WLAN的得分下降到了80，排在第二名，而UMTS网络的预测得分上升到了85，排在了第一名，由此可见，UMTS网络QoS正在呈上升趋势，而WLAN正在呈下降趋势，并且未来很快UMTS的得分将会超越WLAN，因此我们做出的安全切换判决应该是切换到UMTS，从而减少了切换次数，避免了不必要的网络切换，降低了“乒乓效应”。
4）网络选择
网络选择作为安全切换判决的最后一步，是一个决定性的一步。本文提出的安全切换判决算法中网络选择考虑的因素包括网络QoS真实值、网络QoS预测值和能耗。
首先分析网络QoS真实值、网络QoS预测值对于网络选择的影响。网络QoS真实值反应了当前网络的真实状况，网络QoS预测值代表的是未来网络的预测状况。在此提出一个切换选择的主要准则：如果候选网络的预测值大于当前服务网络的预测值，并且候选网络的预测值大于可接受的网络QoS阈值，则执行网络切换，否则停留在当前网络。
在此基础上给出一个网络过滤规则：如果候选网络的真实值低于可接受的网络QoS阈值，则排除该候选网络。提出此过滤规则的目地是为了排除激进的网络切换，所谓激进的网络切换是指候选网络的真实值低于阈值的情况下，预测值高于阈值并且排在第一名，从而导致的不可靠的网络切换。
3 结论
输电网优化规划模型及算法分析 篇3
输电网规划是以电源规划和长期负荷预测为基础,确定何时、何地、扩建多少输电容量的过程,以满足在安全经济传输电能的同时,能够灵活适应系统运行方式的多种变化,并有利于电网的进一步发展等要求。
近年来,国内外专家学者对输电网规划的研究已取得了大量成果,该文主要分为规划模型、优化算法,综述了输电网规划的研究现状。希望能够对今后的研究有所帮助。
1 输电网规划的数学模型
1.1 目标函数形式
输电网优化规划模型的目标函数可以从多种角度考虑,根据优化的侧重点不同而存在差别,可以是:(1)输电网建设成本[1];(2)剩余输电容量[2];(3)输电阻塞成本[3];(4)切负荷损失[4];(5)电力传输效率[1]、新增线路占地的最小化[1]、输电网公司利益[1];(6)社会利益的最大化[5]等。一个恰当的目标函数对优化过程有很重要作用。
1.2 约束条件
约束条件包括电网运行、可靠性、市场、投资和环境等几种约束。电网运行约束可考虑直流:潮流约束、变压器分接头调节、节点电压、发电机出力上下限约束、支路容量限制、可架线路最大回数限制和无功补偿容量等限制。可靠性约束有:N-1准则、N-2准则、负荷平衡、系统可靠性指标等。市场约束包括各节点最大切负荷量限制、点对点合同约束、可接受的电力损失和未满足市场需求的限制等。投资约束包含资金限制。环境约束包括环保要求。但为了简化计算,许多文献从不同角度简化了规划模型,从某一侧面研究输电网规划,得到优化方案。
1.3 模型分类
1.3.1 经济性模型
经济性输电网规划模型以网络投资费用、运行费用、设备折旧维修费用和电能损耗费用等经济性指标之和为目标函数,以可靠性指标作为约束条件加入优化问题,或者可靠性分析只作n-1校验。其中经典模型“水平年电网规划数学模型”[6]是以预测的某一规划水平年的负荷水平为已知条件,以待选线路为决策变量,考虑以新建线路投资年费用和系统年运行费用之和最小为目标函数。该类模型能获得一定经济性价值的电网规划方案,但没考虑可靠性成本和可靠性效益的关系。
1.3.2 可靠性模型
可靠性输电网规划模型主要分析缺电成本的实际规划问题,目标函数通常选取可靠性成本和可靠性效益之和。可靠性成本即电网供电总成本包括电网扩展建设的投资成本、运行成本。可靠性效益包括需求侧的缺电成本。约束包括潮流等式约束、支路容量限制、网架限制等。考虑可靠性的输电网规划模型也有许多表现形式。其中综合考虑供电可靠度的经济价值对用户侧影响的“成本效益分析与评价”模型[7]综合协调了供电方和用户方双方利益,有效地将电网规划的经济性和可靠性结合起来;提高了规划方案的综合效益,使电网规划的成本计算更为准确,但缺电成本计算比较困难,可把缺电成本分为静态缺电成本和动态缺电成本计算,也可利用缺电损失评价率和切负荷量进行计算。缺电成本还与供电可靠性密切相关,有效地可靠性投资可降低缺电成本。所以该类模型能在可靠性成本和可靠性效益取得平衡处达到最优。
1.3.3 多目标输电网规划模型
多目标电网规划模型是在单目标模型基础上同时考虑多个相互冲突目标的规划模型,需要同时进行多个目标函数的优化。求解思路是通过多目标权重法或分层优化法、模糊评价法、模糊集对分析方法、最优偏差法将多目标转化为单目标,按照单目标优化的方法进行求解。常取以供应方投资成本、运行成本最小和需求方缺电成本最小为目标函数[8],该模型将电网规划的经济性和可靠性因素放在同一地位考虑,具有动态规划的特点,适用于目前电网规划的实际需要。但多目标输电网规划仍存在一些问题:处理规划方案各目标之间的关系不太理想;大规模、多阶段电网规划很大程度上仍存在容易产生维数灾难、目标函数、约束条件和局部最优不易处理等问题;未提出一个完善的多目标电网规划的数学模型。
1.3.4 考虑阻塞管理的输电网规划模型
阻塞管理是通过调整发电机出力、网络参数和负荷使系统潮流满足线路的容量约束。该类模型的目标函数加入了阻塞管理费用,可以减少阻塞的可能性,保证网络潮流的合理分布,增加网络在负荷变化时的灵活性和提高规划方案的经济性。基于最优潮流的输电网边际定价模型[9],将系统阻塞指标作为评估规划系统网络可靠性的经济指标,还可以通过建立负荷以及电源的概率模型加以扩展,从而计及市场环境下电源、负荷增长、市场交易及输电定价等信息的不确定性因素,对处理复杂输电网运行状况更为有效。文献[10]进而提出了适应市场环境下计及阻塞指标的输电网扩展规划模型。
1.3.5 计及需求弹性的输电网规划模型
需求弹性的输电网规划模型主要研究负荷特性,考虑用户对电价的反应,即需求弹性。面对电价波动,用户根据最大效益原则,适时调整负荷计划,不同种类的用户对电价的敏感程度也不同,从而引起负荷重新分布,从长远看,调整负荷计划会影响输电网的运行和收益。电网规划必须计入这种影响因素。因此通过价格一需求函数,改变负荷大小的考虑需求弹性的输电网规划模型[11]在运行模拟中引入了需求弹性的概念,并据此计算各候选支路的缺电损失指标,算例分析表明用户需求弹性对规划结果具有不可忽视的影响,可以使输电网规划结果更接近电力市场环境下的规划结果。该模型中的弹性系数可以根据统计资料进行估算,常用的方法有相干积分法和误差纠正模型及各种数据拟合技术[11],通常将电力系统中的用户划分为线性模型、指数模型、对数模型和乘幂模型四种类型。不同的用户类型具有不同的需求弹性。
1.3.6 不确定性模型
根据处理不确定因素的方法不同,不确定性模型又可分为两类[12]:多场景规划模型和基于不确定性信息的准确数学模型。
多场景规划模型是通过将难以用数学模型表示的不确定性信息转变为易求解的多个确定性场景问题来处理,避免建立复杂的电网规划模型,因此降低了建模和求解难度。该模型简单、直观且易于实现,但难点在于不确定因素过多时,如何对其进行合理分类、组合从而构成各种场景。文献[13-14]给出了基于线路被选概率和等微增率的场景规划方法。
基于不确定性信息的准确数学模型是通过对不确定性信息处理,建立其准确数学模型,进而求出最优规划结果。该方法具有较强的数学理论基础是其广泛应用的原因,主要有随机优化模型[15]、模糊优化模型[16]、灰色规划模型[17]、盲数规划模型[18]等几类模型。
其中随机优化模型需要原始数据量大,而电力系统中很多不确定性因素并不具有随机性质,故存在一定局限性。模糊优化模型适用于处理不同量纲、相互冲突的多目标优化问题。但缺点在于规划结果依赖于各决策因素隶属函数的选取,分析结果存在可信度问题。盲数规划模型可对发电机出力、节点负荷、节点功率、线路潮流采用盲数表示,能较全面反映实际情况。但盲数运算随运算维数呈指数增长,如何降低盲数运算量和应用盲数理论处理电力市场环境下新的多种不确定性信息,有待研究。灰色规划模型主要用来解决电力系统远期规划中信息不完全的特点,但缺乏严格的数学理论支持,故需改进和完善。
通过从以上几种模型分析可知,涉及可靠性与多目标方面的的模型是从输出变量进行考虑。涉及阻塞管理、需求弹性和不确定性方面的模型是从输入变量考虑。又由于输电网规划本身所具有的特点决定了模型划分是相互融合的,不同阶段各目标的重要性有所不同,因此如何协调是一个有待研究的问题.
2 输电网规划的求解方法
虽然存在不同数学模型,输电网规划的求解主要分为数学优化方法和启发式优化方法两类。后者又分为传统启发式方法和现代启发式方法。
2.1 数学优化方法
数学优化方法是将输电网规划问题用数学优化模型描述,在理论上能够保证方案最优,但输电网优化规划问题属于大规模优化组合,需要考虑因素多,计算量非常大,建模也比较困难,很难用其进行求解;其次由于实际电网规划问题很多因素不可以完全形式化,通常在建立模型时简化了具体问题,所求结果与实际最优解会有一定误差。常用数学优化方法如:线性规划方法[19]、分解方法[20]、分支定界法[21]等各种数学优化方法被应用到输电网规划中。
2.2 启发式优化方法
2.2.1 传统启发式方法
传统启发式方法以直观分析为依据,通常以“交互式”进行,相对数学优化方法能更准确地模拟实际电力行为。优点是具有直观、灵活、计算快速的特点,无需考虑收敛问题,也便于与规划人员的经验相结合;缺点是对选择既容易计算又能反映电网规划问题实质性能指标比较困难,未计及线路之间的相互影响,没有从全局角度确定架线方案,因此不能保证解的最优性,一般情况只用来求解小规模电网系统。对于大系统,很难找到高质量的可行解。
2.2.2 现代启发式方法
现代启发式方法的基本思想来自对某种自然规律的模仿,它的显著特点是能实现并行计算,其次具有“鲁棒性”的优点对电网优化规划问题提供了较为可靠解。近年来,现代启发式方法在电力系统优化规划问题中取得了大量研究成果,主要包括:遗传算法、禁忌搜索算法、模拟退火算法,蚁群算法、粒子群算法、人工鱼群算法、免疫算法[22]以及将启发式方法与数学优化方法相结合的算法[23]等。
遗传算法(GA)是利用编码技术和繁殖机制将电网规划问题抽象为纯数字计算问题,便于同时处理整数变量和连续变量。该算法可以考虑多个目标函数和约束条件,且不受维数限制,无可微性和连续性要求。文献[24]将GA应用于多阶段输电网规划问题。但GA存在计算速度慢,跳出局部能力较差,对大型电力系统优化所需时间长。文献[25]提出一种改进的遗传算法应用于电网规划中,得到了较好的结果。
禁忌搜索算法(TS)是一种限制性搜索技术,通过记录搜索历史并利用其中获得知识可知后续的搜索方向以避开局部最优解。该算法适合解决纯整数规划问题和处理不可微的目标函数,这与电网规划的特点相符合。其搜索效率高,需要的迭代次数少,但该算法是一种扩展邻域的单点寻优方法,算法的收敛速度受到初始解的影响。文献[26]实现禁忌搜索在输电网规划中的应用,验证了其有效性,但没有涉及多阶段和多目标规划问题。
模拟退火算法(SA)源于对热力学中退火过程的模拟,是另一种解决大规模组合优化问题随机搜索技术。由于该方法全局收敛性好且可以防止陷入局部最优,寻优结束时能得到优化问题的最小值。文献[27]将SA应用于电网扩展规划中获得最优的方案。但所需CPU时间较长,且属单点寻优,求解多个最优解问题不具有遗传算法的优势。因此大多情况将SA与其他方法结合发挥各自长处。如:文献[28]将模拟退火算法与遗传算法相结合应用于电网规划中,计算速度和结果的稳定性有了明显提高。
蚁群算法(ACO)作为群体策略的一种多代理算法,通过单个代理之间的低级交互形成整个蚁群的复杂行为。该算法引入正反馈并行机制,具有较强的鲁棒性、优良的分布式计算机制以及富于建设性的贪婪启发式搜索的运用。文献[29]探讨了ACO在单阶段输电网扩展规划中的应用。文献[30]采用将模式记忆与并行蚁群算法结合并应用于输电网规划问题中,通过对解空间的分解,强化了算法的全局搜索能力。
粒子群算法(PSO)是群体智能算法的另一种优化算法。该算法简单,易于实现,参数少,收敛速度快,能以较大概率找到全局最优解,适合解决电网规划中的多目标、多约束的混合优化问题。文献[31]研究了PSO在输电网络扩展规划中的应用。但该文只是粒子群算法在电网规划中应用的开始。文献[32]进一步研究了改进的PSO用于输电网寻优规划问题,通过改进初始化方法和PSO交叉迭代法提高了算法效率.
人工鱼群算法(AFSA)是模拟鱼类行为方式提出的基于动物自治体的优化方法,主要优点是具有克服局部极值、取得全局极值的良好能力,不需要了解问题的特殊信息,只需要对问题进行优劣比较,算法在初期有较快的收敛性;缺点是该算法保持探索与开发平衡的能力较差、算法运行后期搜索的盲目性较大、寻优结果精度低和运算速度慢。文献[33]将AFSA应用于输电网规划,得到合理的结果,但存在不具备记忆功能,致使算法效率较低和聚群行为寻优效果不明显的问题。文献[34]通过对人工鱼部分行为的改进和引入禁忌搜索,使得搜索过程具备记忆功能,进而提高了AFSA解决输电网规划问题的速度和效率。
3 大规模输电网规划应考虑的问题
3.1 直流系统嵌入交流系统的交直流混联输电系统
交直流混联输电系统正成为“西电东送,电网互联”的新方式,已有文献[35]建立了交直流混合输电系统模型。然而交直流混联输电系统运行带来巨大效益的同时,也会出现许多问题:
1)电气距离接近的换流器之间谐波交互影响很大,现有的对单馈入直流输电系统的滤波方案和谐波分析方法均不再适用。
2)电力系统功角/电压稳定性与直流控制的交互作用。
3)交直流系统故障可能导致多个换流站同时发生换相失败,故障的严重程度、各逆变站间的电气距离及发生地点等因素均对换相有影响。
4)直流输电子系统在故障恢复过程中可能会同时或相继发生换相失败。
3.2 特高压大电网的规划
发展特高压大电网输电有利于提高大范围优化配置资源能力。它已成为我国乃至世界电网发展的必然趋势。
目前,特高压大电网输电系统文献已越来越多[36,37]。对特高压输电技术和特高压电网的发展规划目标和过渡方案的研究工作应包括构建各电压等级、送端和受端电网协调发展的格局、合理配置安全稳定措施,确保特高压大电网满足“电力系统安全稳定导则”的要求。还有如何准确确定输电系统最大输电能力及影响因素,使系统在满足安全性及可靠性的约束条件下,最大程度地满足各区域的用电负荷需求,也将是一个长期逐步完善的过程。
3.3 含有分布式电源的输电网规划
分布式电源(DG)对于均衡局部供需,减少整体输电压力是很有效的,对提高电网运行的安全性和经济性也有好处。但分布式电源对输电网结构、规划和运行都会有影响。目前,在对新型含有DG的输电网规划时,有待研究的关键技术:
1)DG(风能、太阳能和生物能等可再生资源)来源有很强的非线性和不确定性,输出具有随机特性,应对这类分布式能源随气象条件变化的规律和统计特性进行研究,建立相应模型。
2)DG的位置和规模对输电网的短路电流、节点电压、线路潮流、网络可靠性等会产生影响。有必要研究DG对输电系统可靠性的影响和对DG的位置和规模进行优化。
4 结论
目前,输电网规划问题虽然受到广泛关注,用于求解的各种优化方法也得到了很大发展,但是因其本身的复杂性,迄今难有公认最优的求解模型和方法面世。所以要达到输电网规划的实用化,仍有很多问题有待于进一步研究,今后研究方向应当包括:
1)应寻找更快速、有效的实用规划求解方法,加强对新型寻优算法如混合蛙跳算法的研究。
2)为提高规划研究的实用性,需深入研究能全面反应市场需求的输电网规划模型。
3)输电网规划风险存在于规划模型的各个环节,输电网规划目标和相关约束中的风险值得深入研究。
4)更全面考虑未来各种不确定性因素对输电网规划的影响,如未来负荷变化、工程造价等费用因素、经济参数、环境、法规和政策等的不确定性,提高电网规划方案的适应性和灵活性。
5)对出现的各类新情况应继续从模型定义、编码机制、数据表达和寻优策略等方面研究。
量子粒子群算法在电网规划中的应用 篇4
电网规划的目标[1]是在满足供电地区经济发展的同时,合理的选择新址或扩建线路的安全运行。它是一个大规模,多目标的复杂优化问题。传统的规划侧重经济方面,而随着电力市场的发展,电力企业在尽量降低成本提高经济效益的同时也要考虑社会效益。所以,如何协调经济性和可靠性成为电网规划的关键。
传统的处理的方法[2]主要是将多目标转化为一个单目标的方法,比如,将可靠性目标转化为经济形式直接加入目标函数,利用加权法,分层优化法等等求解,但是这些都难以体现各目标的重要程度。近年来,智能算法[3]也开始处理电网规划问题,比如采用群体搜索策略的直接解法,多目标的遗传算法[4],改进的蚁群算法[5]等等,但是这些算法本身都存在缺陷,所以仍然存在收敛性差等问题。
粒子群算法(Particle Swarm Optimization,PSO)相对其他算法起步较晚,是J.Kenndy等[6]提出的一种新基于群体智能的演化算法,通过模拟鸟群寻找食物过程中的群聚集行为而提出的。该算法已广泛应用于电力系统各种优化问题。标准的PSO易陷入局部最优,因此,为了克服PSO算法的局限性,本文介绍了量子粒子群算法(Quantum-behaved Particle Swarm Optimization,QPSO),并将其用于求解电网规划18节点系统,算例结果表明算法的可行性和有效性。
1量子粒子群算法
1.1基本的粒子群算法
标准的PSO算法是一种基于群体智能方法的演化计算技术每个备用解为一个粒子,每个粒子的当前位置为xi=(xi1,xi2,…,xki),飞行速度为vi=(vi1,vi2,…,vki),记第i个粒子从初始到当前迭代次数搜索产生的最优解表示为pi,整个粒子种群目前最优解为pg,粒子通过如下两式更新自己的速度和位置:
其中c1,c2为学习因子,v1,v2为[0,1]间随机数。
1.2量子粒子群
标准的PSO算法中粒子在搜索空间中的位置代表了优化问题潜在解,飞行的速度决定了搜索的方向和步长,粒子通过向pi和pg靠近来实现寻优的,因此对于一些远离pi和pg最优解的问题,用普通的PSO算法就比较难以找到最优解。2004年J Sun等从量子力学的角度提出了一种新的PSO算法模型,这种模型以DELTA势阱为基础,认为粒子具有量子行为,因此称为量子粒子群(QPSO)算法[7,8]。在量子空间中,粒子满足聚集态的性质是完全不同的,它可以在整个可行解空间中进行搜索,因而QPSO算法的全局搜索性能远远优于标准PSO算法。QPSO中粒子群按下面三个公式移动:
式(5)中,φ1=rand(),φ2=rand(),r=rand(),u=rand();mbest为pbest中间位置,d为空间维数,种群规模为M,pid为粒子本身所找到的最优解pbest,pgt为种群目前找到的最优解gbest,a为QPSO收缩扩张系数。
2电网规划模型
2.1目标函数
电网规划就是在满足约束的条件下寻找一个最优方案,该方案在整个规划期内的投资和运行费用等之和最小。其目标函数[9]可描述为:
式(6)是目标函数,第一部分是电网投资,Ai为支路i的投资(万元/回),xi为走廊i上的新架线回数;第二部分是网损,其中前一部分是已有线路网损,后一部分是新建线路网损,为走廊i上的已有支路数;B为网损电价(万元/k W·h);Ii为线路电流(kA);ri为线路电阻(Ω);t为系统等效运行时间(h/年),n0为电网原有线路走廊数;n为允许架线走廊数。
2.2约束条件
约束条件除了要满足静态运行约束,还要满足N-1检验。
2.2.1功率平衡约束
式(7)中,N是原有节点数;N'是新增节点数。
2.2.2发电机输出功率约束
式(8)中,Pi、Qi为发电机i的有功、无功出力;Pi,max、Qi,max、Pi,min、Qi,min分别为发电机i的有功、无功出力上下限。
2.2.3线路潮流约束
式(9)中,pi、qi为线路i的有功、无功潮流,pi,max、qi,max、pi,min、qi,min分别为线路i的有功、无功潮流上下限。
2.2.4架线回数约束和整数约束
3电网优化规划问题求解
3.1适应度函数
本文采用惩罚函数方法评价适应度函数,适应度函数既要体现出电网规划投资和运行费用最小的目标,还要满足网络方案的约束条件。因此,构造适应度函数如下。
网络连通时,由新建线路投资、网损和过负荷惩罚三项组成。第三部分为过负荷的惩罚项,是加到了目标函数上的过负荷约束条件。Pi,max为线路i上允许流过的最大有功潮流,U为罚因子。潮流约束是通过潮流计算体现到过负荷约束中的。为罚因子当考虑安全运行要求时,第三项中还要加人在网络中断开任意一条线路进行一校验可能引起的过负荷总和。网络不连通时,直接将适应度函数赋予一个罚值,W为网络不连通时的惩罚值。
3.2基于量子粒子群算法
电网规划步骤如下:
(1)初始化,设定计算参数。根据输电网走廊数初始粒子维数Dim,粒子的个数N,迭代次数Dmax,规划网络N个,并随机产生粒子位置。
(2)判断粒子所代表网络的连通性。如果不连通,将网络不连通的惩罚值赋予粒子的适应度值。
(3)根据粒子位置结果计算各自投资,由潮流结果计算网损及过负荷惩罚值,进而求出各粒子的适应度值。
(4)利用公式(1)至式(5)更新粒子的位置。
(5)判断是否到达迭代次数。若是,转到(6),否则转到(2)。
(6)输出安全性规划结果。
4算例分析
本文采用单阶段输电网规划18节点系统,该系统现有10节点、9条线路,在未来某年,系统增加为18个节点、27条可选线路走廊。节点及支路数据见文献[9],经济性和可靠性参数为:线路单位长度造价30万元/(km·回),线路故障率0.05次/(年·km·回),线路平均修复时间9.13×1 024年/(次·回),缺电损失评价率5.0元/(k W·h),负荷持续时间3 500 h,基准功率为10 MVA。
由表1可见,在分别进行100次的计算次数中,QPSO所需要的粒子数比PSO少了1倍,且100次计算中,QPSO全部收敛,而PSO有5次未收敛于最优点的情况,而且QPSO所需要的收敛时间也比PSO快。优化后的网络图见图1。
5结语
本文针对量子粒子群具有较好的收敛性,对于电网规划问题进行求解,该方法充分考虑了电网规划的特性,有效地减小了粒子维数及群中粒子数,从而加快了优化速度。通过算例分析,证明了该方法的有效性和正确性。
摘要：量子粒子群是在粒子群算法的基础上,引入了量子机制,它具有较好的全局收敛性。将量子粒子群算法应用于电网规划问题,克服了传统优化方法易陷入局部最优等缺点。通过18节点实例验证了该算法的可行性和有效性。
关键词：电网规划,量子粒子群,粒子群
参考文献
[1]孙洪波.电力网络规划.重庆:重庆大学出版社,1996
[2]程浩忠,张焰.电力网络规划的方法和应用.上海:上海科学技术出版社,2002
[3]许磊,张兰.电网规划算法综述.大众科技,2009;(09):123—124
[4] Chung T S,Li K K,Chen G J,et al.Mult-objective transmissionnetwork planning by a hybrid GA approach with fuzzy decision analy-sis.Electrical Power and Energy Systems,2003;2(5):187—192
[5]赵强,敬东,李正.蚁群算法在配电网规划中的应用.电力自动化设备,2003;23(2):55—57
[6] Eberhart R,Kenndy J.A new optimizer using particle swarm theory.In:Proc of 6th Int'1 Symposium On Micro Machine and human SciencePiscataway.NJ:IEEE Service Center 1995:39—43
[7] SUN Jun,XU Fengbin,XU Wenbo.Particle swarm optimization withparticles having quantum behavior.Proc of Congress on EvolutionaryComputation 2004:325—331
[8]许磊,马宪民,张兰.基于量子粒子群的最优潮流问题.科学技术与工程,2011;11(24):5835—5838
电网规划算法 篇5
输电网扩展规划的任务是在一定的规划期内负荷增长情况及电源规划方案已知的前提下,确定相应的最佳电网结构,在满足可靠性约束的同时力求建设费、运行费等费用最小[1]。目前,求解输电网络规划的主要方法分为三类:启发式方法、数学优化方法和现代启发式方法[2]。启发式方法以直观分析为基础,计算和应用都很方便,但是无法保证解的最优性。数学优化方法能够从理论上保证规划方案的全局最优,但是由于输电网扩展规划变量数很多,约束条件复杂,兼有离散性、非线性,所以求解相当复杂,特别是当网络规模增大时,往往会出现“维数灾难”。现代启发式方法是运用计算机技术,模仿某些自然现象的运行机制研究出的优化求解算法,有遗传算法、禁忌搜索算法、模拟退火算法、蚁群算法、粒子群算法等,该类算法具有对目标函数和约束函数要求宽松、跳出局部极值的能力较强、计算效率高等突出优点,成为近年来研究的热点,并在应用中取得了很大成效[3]。
人工鱼群算法[4]是李晓磊等在本世纪初提出的一种模拟鱼群行为的随机搜索方法,是群体智能思想的一个具体应用。它的主要特点是不需要了解问题的特殊信息,只需要对问题进行优劣的比较,一般整体优化过程的收敛速度较快。但它也存在一些不足:当一部分人工鱼处于漫无目的的随机移动或人工鱼陷入局部最优时,收敛速度将大大减慢。遗传算法是Holland教授[5]首先提出来的一类仿生型进化算法,是一种自适应全局优化概率搜索算法,具有多路径搜索、隐并行性、随机操作等特点。作为一种较成熟的优化算法,遗传算法已应用于电力系统规划、运行、故障诊断、潮流计算和控制等许多领域。本文将遗传算法和人工鱼群算法有机融合,提出种群优化人工鱼群算法,通过分别对部分人工鱼个体进行选择、交叉、变异等遗传操作,在改善人工鱼个体品质的同时,调整优化人工鱼种群结构,综合改善局部搜索与全局搜索性能,防止算法陷入局部极值,提高运算的效率和速度。
1 输电网扩展规划的数学模型
输电网规划的目标函数往往考虑经济性要求。在考虑扩建投资和运行成本两项费用下,构造多目标规划的数学模型如下:
其中:目标函数第一部分为网络建设投资费用,k1为单位长度线路造价;xi为第i条线路新建回路数;Li为第i条线路的长度;mL1为新建线路集合。目标函数第二部分为年网络损耗费用,τ为第i条线路的年损耗小时数;k2为单位电价;ri为第i条线路的电阻;Pb为电网节点的注入有功功率列向量;B为正常运行方式下电网节点电纳矩阵;θb为正常运行方式下电网节点电压相角列向量;pi为正常运行方式下电网第i条线路输送的有功功率;Bi为正常运行方式下电网第i支路电纳;θi正常运行方式下电网第i支路两端相角差;mL2为所有线路集合。
约束式组(2)中第一项和第二项是采用直流潮流法来求解网络潮流的计算公式,mB为电网节点总数。第三项为支路过负荷约束,Pimax表示电网各支路允许通过的最大有功功率。
2 人工鱼群算法
人工鱼群算法是根据生物界的鱼往往能自行或尾随其他鱼找到营养物质多的地方这一特点,通过构造人工鱼来模仿鱼群的觅食、聚群、追尾及随机行为,从而实现寻优。
2.1 人工鱼模型的相关定义
人工鱼个体的状态X=(X1,X2,…,Xn),其中Xi(i=1,2,…,n)为寻优变量,人工鱼当前所在的食物浓度为y=f(X),dij=‖Xi-Xj‖表示人工鱼个体之间的距离,Visual表示人工鱼的视野范围,Step表示人工鱼移动步长的最大值,δ表示拥挤度因子。
2.2 人工鱼的行为描述
觅食行为:设人工鱼当前状态为Xi,在其视野范围内(即dij≤Visual)随机选择一个状态Xj,当该状态的食物浓度大于当前状态时,则向该方向前进一步;反之,则重新随机选择状态Xj,判断是否满足前进条件;反复Trynumber次后,如果仍不满足前进条件,则随机移动一步,在视野范围内随机选择一个状态Xj,目的就是想扩大搜索范围。
聚群行为:设人工鱼当前状态为Xi,在其视野范围内的伙伴数目为nf,N为人工鱼总数,如果nf/N<δ,则表明伙伴中心位置Xc不太拥挤,同时,如果中心位置的食物浓度又大于当前状态的食物浓度则人工鱼向Xc位置前进一步;否则执行觅食行为。
追尾行为:设人工鱼当前状态为Xi,探索其视野范围内最优的一个伙伴Xmax,如果其视野范围内的伙伴数目nf满足nf/N<δ,同时,如果Xmax位置的食物浓度又大于当前状态的食物浓度,则人工鱼向Xmax位置前进一步;否则执行觅食行为。
公告板:算法中设置一个公告板,用以记录最优人工鱼个体位置及该位置的食物浓度值。每条人工鱼的位置状态更新后就将自身当前状态与公告板进行比较,如果优于公告板上记录的状态则取而代之。
移动策略:对人工鱼当前所处的环境进行评价,即模拟执行聚群、追尾行为,然后选择食物浓度值较高的行为来执行,缺省行为方式为觅食行为。
3 种群优化人工鱼群算法
人工鱼群算法具有简单、高效、易实现等优点,但随着优化问题复杂程度和规模的不断扩大,人们发现该算法也存在一些不足:(l)当寻优的域较大或处于变化平坦的区域时,收敛于全局的最优解速度减慢、搜索性能劣化;(2)算法一般在优化初期具有较快的收敛性,后期却往往收敛较慢[6]。针对以上缺点,文献[7]提出带变异算子的人工鱼群算法,使收敛速度明显加快,取得了较好的效果。其改进方法为:当公告板中的最优人工鱼个体在连续多个迭代过程中没有改变或变化极小时,则保留历史最优人工鱼个体状态,将其它人工鱼按一定的概率对小部分维进行变异操作。
与文献[7]做法不同,本文对人工鱼群算法的改进,不仅仅针对以上这些缺点,而是立足于人工鱼群算法与遗传算法的有机融合和优势互补,同时引入遗传算法的选择、交叉、变异算子,分别对部分人工鱼个体进行选择、交叉、变异操作,在改善人工鱼个体品质的同时,增加和维持人工鱼种群的多样性,使一部分人工鱼进行局部搜索,一部分人工鱼跳出局部极值,进入其他空间领域搜索新的局部极值,综合改善局部搜索与全局搜索性能。具体做法为:(1)引入选择算子,采取精英保存策略,实行稳态复制,直接将选择出来的多个最优个体复制到下一代群体中;(2)在剩余的人工鱼个体中,随机抽出一定数目的人工鱼个体,进行交叉操作;(3)交叉操作后,再从剩余的人工鱼个体中随机抽出一定数目的人工鱼个体,进行变异操作。
由于同时引入了选择、交叉、变异算子,从而较好融合了遗传算法的各种优点。本文在改进过程中也发现,在选择、交叉、变异三种操作中,交叉操作的效果最为明显。为较好地保存人工鱼群算法的诸多优点,增加人工鱼个体的多样性,本文保留了相当数目的人工鱼个体不进行交叉和变异操作。为了优化人工鱼种群结构,本文合理选取和调整各种操作的人工鱼个体数目,并在操作中发现,各种操作的数目控制在一定范围时,其效果最佳。如交叉操作的数目为4~8对时,算法的收敛速度最快。通过调整和优化人工鱼种群结构,较好地兼顾了局部搜索与全局搜索,使搜索效率与搜索效果达到某种平衡。
4 种群优化人工鱼群算法在输电网规划中的应用
4.1 构造食物浓度函数
食物浓度函数既要体现出电网规划的目标,即投资和运行费用最小。另外还要满足网络方案的约束条件,即各线路在正常运行条件下不出现过负荷,网络不出现解列的现象。因此,综合以上要求,再根据前述规划模型,可构造食物浓度函数如下:
网络连通时,F由新建线路投资、网损和过负荷惩罚3项组成,U为过负荷惩罚因子。网络不连通时,则直接给F赋一个很大的罚值W。
4.2 计算过程
算法设计如下:(1)输入输电网络相关数据,根据网络可架线路确定人工鱼条数、最大迭代次数、视野、步长等;(2)随机生成各人工鱼个体,形成初始鱼群,鱼群中每条人工鱼代表一个初始方案;(3)用直流潮流法计算各自代表网络方案的潮流,根据潮流计算得到的网损以及由基本建设费用得到的食物浓度函数值,取最优个体,并将对应的食物浓度函数值记入公告板;(4)各人工鱼分别模拟觅食行为、追尾行为后,选择食物浓度小的行为实际执行,省缺行为方式为聚群行为;(5)各人工鱼执行一次后,检验自身状态和食物浓度,并与公告板记录的值进行比较,如果优于公告板记录的值,则取而代之;(6)选出多条最优人工鱼个体,直接复制到下一代;(7)在剩余的人工鱼个体中随机选取部分个体,以最优个体为父本执行交叉操作,计算新产生的各个体的食物浓度,与公告板中的值进行比较,如果比公告板中的值小,则取代之,同时将新个体取代旧个体;(8)再从剩余的人工鱼个体中随机选取少量个体执行变异操作,计算各新形成人工鱼的食物浓度,如果优于公告板中的值,则以自身值取代之;变异操作后剩余的人工鱼个体直接进入下一代;(9)判断是否达到最大迭代次数,如达到则输出结果,否则转步骤(3);(10)输出规划结果。
5 算例分析
本文采用IEEE Garver6节点系统和Garver18节点作为测试算例。计算中取功率基准值100 MW,单位电价为0.3元/k Wh,为简化计算,各线路年损耗小时数均取2 000 h。另外在计算中考虑到资金的时间价值,需按文献[8]中的公式将新建线路投资费用现值折算成等年值。具体公式如下:
其中:A为新建线路每年等额投资;P为新建线路总投资现值;i为现金贴现率,取10%;n为支付年限,取15年。用种群优化人工鱼群算法对该系统进行了规划计算。
5.1 IEEE Garver6节点系统算例
应用Matlab软件,对Garver6节点分别用种群优化人工鱼群算法、基本人工鱼群算法和粒子群算法编程,粒子群算法采用文献[9]的改进粒子群算法。如图1所示。
算法参数设置如下:人工鱼取35条,视野取2,觅食时最大尝试收索次数取20,拥挤度取0.618。上述三种算法都能达到标准算例的全局最优解,所对应的年架线投资为1913.3万元,年网损运行费用为2451.2万元,其架线方案见表1。
5.2 IEEE Garver18节点系统算例
应用Matlab软件,对Garver18节点同样取三种算法的收敛曲线对比(如图2),人工鱼取60条,视野取4,觅食时最大尝试收索次数取30,拥挤度取0.618。三种算法都能达到标准算例的全局最优解,所对应的年架线投资为10619万元,其架线方案见表2。
5.3 IEEE Garver24节点系统算例
应用Matlab软件,对Garver24节点同样取三种算法的收敛曲线对比(如图3),人工鱼取70条,视野取5,觅食时最大尝试收索次数取30,拥挤度取0.618。上述三种算法都能达到标准算例的全局最优解,其中种群优化人工鱼群算法的优势更加明显,基本人工鱼群算法的稳定性却变差,有时会陷入局部最优。其架线方案见表3。
6 结论
(1)本文以Garver-6、Garver-18和Garver-24节点系统为例,对改进粒子群算法、基本人工鱼群算法和种群优化人工鱼群算法进行仿真计算比较。结果表明,基本的人工鱼群算法具有优良的全局收敛性和较快的收敛速度,优于改进粒子群算法;经过改进的种群优化人工鱼群算法,其收敛速度又显著加快。这些都表明,人工鱼群算法在输电网扩展规划中具有广阔的应用前景。
(2)人工鱼群算法具有与其他算法有机融合的良好基础。为此,针对人工鱼群算法的缺点对其改进的同时,应尽量融合其他算法的优点,即不仅要克服其缺点,还应该想办法增加和强化其优点。
(3)对人工鱼群算法的改进,不一定都要对所有人工鱼个体采用同一种方法进行改进操作。从优化结构入手,采用不同的方法分别对部分人工鱼个体进行操作的改进策略,值得进一步探索。
摘要：将遗传算法与人工鱼群算法有机融合,提出一种种群优化人工鱼群算法,采用分别对部分人工鱼个体进行选择、交叉、变异操作的策略,调整优化人工鱼种群结构,较好地兼顾局部搜索和全局搜索。通过与粒子群算法、基本的人工鱼群算法在Garver-6节点、Garver-18节点和Garver-24节点系统仿真计算比较,证明了种群优化人工鱼群算法的正确性和有效性。
关键词：输电网扩展规划,人工鱼群算法,遗传操作,种群优化
参考文献
[1]王锡凡.电力系统优化规划[M].北京:水利电力出版社,1990.WANG Xi-fan.Power system optimization planning[M].Beijing:Water Conservancy and Electric Power Press,1990.
[2]翟海保,程浩忠,陈春霖,等.输电网络优化规划研究综述[J].电力系统及其自动化学报,2004,16(2):17-23.ZHAI Hai-bao,CHENG Hao-zhong,CHEN Chun-lin,et al.Review of transmission network optimal planning[J].Proceedings of CSU-EPSA,2004,16(2):17-23.
[3]李彤,王春峰,王文波,等.求解整数规划的一种仿生类全局优化算法[J].系统工程理论与实践,2005,25(1):76-85.LI Tong,WANG Chun-feng,WANG Wen-bo,et al.A global optimization bionics algorithm for solving integer programming-plant growth simulation algorithm[J].Systems Engineering Theory&Practice,2005,25(1):76-85.
[4]李晓磊.一种新型的智能优化方法-人工鱼群算法[D].杭州:浙江大学,2003.LI Xiao-lei.A new intelligent optimization method-artificial fish school algorithm[D].Hangzhou:Zhejiang University,2003.
[5]Holland J H.Adaptation in nature and artificial systems[M].MIT Press,1962.
[6]张梅凤,邵诚,甘勇,等.基于变异算子与模拟退火混合的人工鱼群优化算法[J].电子学报,2006,34(8):1381-1385.ZHANG Mei-feng,SHAO Cheng,GAN Yong,et al.Hybrid artificial fish swarm optimization algorithm based on mutation operator and simulated annealing[J].Acta Electronica Sinica,2006,34(8):1381-1385.
[7]张梅凤.人工鱼群智能优化算法的改进及应用研究[D].大连:大连理工大学,2008.ZHANG Mei-feng.Research on the modified artificial fish swarm optimization algorithm and its applications[D].Dalian:Dalian University of Technology,2008.
[8]程浩忠,张焰,严正.电力系统规划[M].北京:中国电力出版社,2008.CHEN Hao-zhong,ZHANG Yan,YAN Zheng.Power system planning[M].Beijing:China Electric Power Press,2008.
基于序分量的电网广域后备保护算法 篇6
传统后备保护存在许多不足,其保护区的开放将导致保护可能切除多个非故障元件,进而引发连锁跳闸[1,2]。保护区开放,是由于传统后备保护仅依靠单端信息而带来的故障定位不确定所造成的。此外,随着电网规模的扩大和电网结构更加复杂,一条母线同时连接若干条长度相差悬殊的线路的情况屡见不鲜[3],这给后备保护的保护范围与动作时间的整定配合带来了很大困难。超高压电网拓扑呈现长短线环网的事实,使得远后备保护所起的作用不明显,文献[4]研究了远后备保护在该情况下失效的事故成因。针对上述问题,文献[5]提出一种基于相量测量单元(PMU)的电网广域后备保护方案,并验证了该方案在长短线相环的超高压电网中能快速、正确地定位故障,且效果显著;但该文献在广域后备保护的功能划分、通信方案、母线故障时的保护算法等方面均没有作更深入的研究。
本文提出一种分层、分阶段使用广域信息的线路和母线一体化广域后备保护算法。针对多条长短线路连接于同一条母线的情况,该算法可以有效判别出线路区内和区外故障,从而选出故障线路,并可作为母线的快速后备保护。考虑到广域通信系统的传输延时,该保护系统宜作为大电网的广域后备保护。该保护算法有望快速、正确地定位系统故障,有效解决上述传统后备保护存在的缺点和不足。
1 系统结构模型
电网广域后备保护的实现宜建立在已有的、成熟可靠的通信网络基础上,如现有的电力数据网,同时利用同步相量测量技术以及广域电流相差原理实现集中式后备保护。广域后备保护系统结构如图1所示。整个系统的结构分为2层:底层是安装于各变电站的数字继电保护装置(LDR);顶层是系统保护决策中心(SPDC)。
底层LDR具有常规保护装置的一般功能,如可以完成本地数据采集和处理、形成本地保护算法以及动作跳闸等。LDR通过相关设备接入数据网,实时采集本地信息,根据算法需要,将本地信息加工处理后通过数据网上传至SPDC;顶层SPDC利用各LDR上传来的信息,根据相应判据完成故障定位,然后给相应LDR发跳闸命令。LDR内置全球定位系统(GPS)授时接收器,用以给测量信息“打上”时标。中国自主研发的北斗卫星导航系统已初步建成,其单向授时精度为100 ns,双向授时精度为20 ns,性能优越[6]。从安全和性能角度考虑,可以用该系统取代GPS。
此外,这种集中式保护架构决定了系统保护中心站SPDC的重要地位,因此宜对其进行双重化配置,并建立主从协调机制。
2 保护算法
作为主保护之一的纵联差动保护具有整定简单且能全线速动的优点,借鉴其原理构造的电网广域后备保护有望解决传统后备保护的固有缺陷。文献[7]提出的广域电流差动保护依赖大量实时的电流采样值,通信开销大,同步对时条件苛刻,通信延时是个突出问题,该保护原理的可靠性值得讨论。然而,一种有限范围的广域电流相差原理可以有效克服这一困难。由于传输延时的影响,实时大幅变化的电量不适用于广域集中式保护,而正序电压、正序电流相位差以及负序方向元件测量值在故障前后呈现近似“阶跃”的优良特性,使其特别适用于通信范围大、距离远的广域保护。综上考虑,本文提出了基于序分量的有限广域电流相差保护原理。
本保护系统通过数据网收集各节点和线路的有关信息,然后在中心站SPDC完成全局决策。该系统的保护算法依靠全网的母线正序电压、故障区域内所有线路的正序电流相位,以及负序方向元件的动作情况等信息来完成一次故障定位,能反应于系统内所有母线和线路的短路故障。
为保证大型电网集中式广域后备保护的快速性和可靠性,决策中心SPDC的故障定位算法应能利用尽可能少的LDR上传信息来完成故障定位。否则,通信负荷过重将造成网络拥塞,对广域后备保护不利。此外,依赖多数据的保护算法可能因为数据丢失而失效或发生误判。为此,2.1节介绍了一种分层、分阶段的节点信息采集方案,可有效利用通信资源,避免盲目收集所有节点的信息,尽量减少通信量,避免通信拥塞,确保广域后备保护的速动性。
2.1 保护启动
该广域后备保护系统有2种工作模式:故障前的监测模式和故障后的故障处理模式。系统保护的SPDC通过位于快速中断服务程序的启动元件来灵敏、快速地检测系统故障扰动,在满足启动判据时系统保护由监测模式切换到故障处理模式。启动元件的启动判据为:
式中:|U+|为某母线正序电压幅值;Ustart-set为启动判据的整定值。
2种模式下SPDC采集信息的节点范围和内容都不同:在监测模式下,SPDC仅收集各节点的母线正序电压幅值信息,当检测到母线正序电压下降并满足启动元件动作条件时,切换到故障处理模式;而故障处理模式下,SPDC转为收集故障相关集Ω(正序电压幅值最小的母线及其所有连接线路)内的正序电流相位和LDR负序方向元件的动作信息。这种保护策略的通信量小、实时性好,适用于大型电网的广域保护。
2.2 故障定位
该系统在保护启动后进入故障处理工作模式,依靠如下3个故障处理流程,即确定故障发生区域(故障处理流程1)、判别母线与线路短路(故障处理流程2)和故障线路的筛选(故障处理流程3)来完成故障定位,选出故障线路或故障母线。以图1中f点短路为例加以说明。
2.2.1 确定故障发生区域(流程1)
为减少故障搜索范围,避免对全网的线路和母线进行故障判断(浪费不必要的时间和资源),可通过一定规则确定一个较小的搜索区域,而短路就发生在该区域内。
故障相关集Ω的引入即可完成这个功能。现代电网结构复杂,出现了同一条母线连接多回长短相差悬殊线路的情况,这给传统后备保护的整定和配合带来了许多困难,无论发生拒动还是误动,本质上均是由于其故障定位的不准确性造成的。为应对这种情况,规定母线与其所有连接线路为一个区域单位,某区域内发生短路故障时,该区域即为故障相关集Ω。
假设线路Ljk发生短路,短路点f靠近线路的k侧母线。在故障相关集Ω确定之前,SPDC仍然是收集所有母线的正序电压幅值信息,然后根据下式(广域保护判据1)选出正序电压降到最低的母线k或母线j(必是故障线路两侧母线之一,究竟谁最低都不影响本线路Ljk作为故障线路最后被选出):
min{|V1|,|V2|,…,|Vk|,…,|Vn|}=|Vk| (2)
式中:|V1|～|Vn|为系统中各母线正序电压的幅值;|Vk|为正序电压幅值最低的母线k的电压(图1网络结构下母线j的正序电压幅值应大于母线k的正序电压幅值,在其他网络中可能|Vj|最小,但换成|Vj|并经后续2步故障处理流程的判断后,选出的故障线路仍为Ljk)。
将与母线k相连的所有输电线路,连同该母线一起,都纳入故障相关集Ω中:
Ω={母线k,线路Lxk|x∈N且x≠k} (3)
式中:N为系统所有节点的集合;Lxk为连接于母线k的所有输电线路(非变压器支路,也不为馈线)。
根据式(3)可以得到本例的故障相关集为{母线k,线路Lik,Ljk,Llk},如图1所示。
2.2.2 判别母线与线路短路(流程2)
在本故障处理流程中将完成母线与线路短路的区分和判断。当判断为线路短路时,进入下一故障处理流程,完成故障线路的选择;当确认发生母线短路时则出口跳闸。因此流程2也实现了母差保护的快速后备保护功能。
针对故障相关集Ω中的母线及其接出线路,需设立判据以鉴别是母线发生故障还是线路发生故障,因为这2种故障发生时都满足广域保护判据1(式(2)),但线路故障时只要求跳开线路两端断路器,而母线短路时则要求跳开所有连接于该母线的断路器。因此,可利用故障相关集Ω内所有连接于该母线的线路端LDR的负序方向元件全都判为反方向短路来构成母线方向比较保护。同时,为加强母线故障与线路故障的区分可靠性,可复合另一判据:依靠故障相关集Ω内所有线路两端的正序电流相位差接近180°的条件来排除线路发生故障的可能性。定义线路两端的正序电流相位差绝对值为:
|Δϕ+ik|=|ϕ+ik-ϕ+ki| (4)
式中:Lik∈Ω。
于是,上述确认母线短路的复合判据可表示为:
式中:Lik为故障相关集Ω内的线路;ϕset.b为该复合判据的整定值,为加强母线后备保护的可靠性,可取较大值,如150°。
母线方向比较保护与复合判据(式(5))相结合可构成具有高度可靠性和容错性的集中决策式快速母线后备保护。
应用于母线方向比较保护的负序方向元件是一种稳态量元件,其区别于故障分量方向元件的最大优势在于负序分量存在于不对称故障的全过程,不易受系统振荡及平行双回线零序互感的影响[8]。利用故障分量的保护只能反应于故障的初瞬,即传统故障分量超高速保护不能长期保持正确的方向,而负序方向元件却能在整个不对称故障中长时间保持正确方向,这一特性使得负序方向元件特别适用于本广域后备保护。比较相位的负序方向元件的动作条件为[9]:
式中:
式(6)为正弦型比相判据,可用实部、虚部运算如下:
I2IU2R-I2RU2I>0 (7)
式中:I2R和I2I分别为负序电流
考虑一定裕度,式(7)可设立不为零的门槛值。负序方向元件的判断结果以数字1和0表示。母线保护误动的后果极为严重,为尽力避免母线保护误动,特规定1表示反方向短路,0表示正方向短路以及判为无故障的情况,在SPDC处,若某方向元件的信息丢失,则自动标记为0。这样在综合决策时,因为取逻辑“与”的关系,一旦某个负序方向元件判为无故障或是结果丢失,无论其他方向元件动作情况如何,它们的输出结果都为0,不会判为母线故障,此时需根据不依赖负序方向元件的其他判据来判断母线是否故障,从而降低母线后备保护因为负序方向元件判断错误或判断结果丢失而误动的风险。负序方向元件的输出定义为:
式中:Di为属于故障相关集Ω内的线路安装在该母线侧的负序方向元件输出值;Dset.l为考虑各种误差和裕度而设置的一个较小的负值。
所有连接于该母线的负序方向元件都将方向判别结果上传至SPDC进行综合决策。SPDC只需对这些负序方向元件的输出取逻辑“与”的关系,即构成母线方向比较保护。负序方向元件在母线发生同时性三相对称短路时的测量值为0,那么负序方向元件输出值Di为0,SPDC据此将判为“线路故障”。但此时的母线正序电压接近于0,因此根据该故障特征可补充一个判据来识别母线三相对称短路:当母线正序电压幅值小于一定值且满足所有|Δϕ+ik|>ϕset.b(Lik∈Ω)时,判为母线短路。将其与复合判据(式(5))、负序方向元件输出(式(8))综合,形成广域保护判据2:
式中:Lik∈Ω;θ为Ω内的线路集合,故有θ⊆Ω;Di′为属于集合θ内的线路安装在该母线侧的负序方向元件输出值;N为负序方向元件个数;|U+|为Ω中母线的正序电压幅值;连乘号∏表示对所有输出值Di′取逻辑“与”;连加号∑表示对所有输出值Di′取逻辑“或”;ϕset.b可取100°;Uset为一个较小的正值。
满足
在本故障处理流程阶段,若依据广域保护判据2(式(9))判为母线故障,则保护出口跳闸,否则进入下一个故障处理流程。
2.2.3 故障线路的筛选(流程3)
当排除母线故障后,保护进入此流程。传统后备保护算法的独断性以及缺乏彼此协调配合的特性,使其对广域后备保护没有借鉴意义。纵联电流相差保护以其能灵敏、可靠地区分内外故障的优越性能而被广泛应用于主保护。借鉴该保护原理构造的广域电流相差保护能对故障相关集Ω内的所有线路进行集中决策以选出故障线路,这种创新的设计有望解决传统后备保护的不足。在本阶段SPDC转而收集故障相关集Ω内的各线路两端的正序电流相位,并在SPDC中分别求出每条线路的两端正序电流相位差的绝对值,相差绝对值最小者为发生短路的线路,即发生短路的线路其两端正序电流相位差的绝对值满足广域保护判据3:
|Δφfault_line|=min{|Δφ+ik|,|Δφ+jk|,|Δφ+lk|}<φset.line (10)
式中:φset.line为该判据定值。
在流程2中某负序方向元件判为无故障或者判断错误时,可能会满足条件
2.2.4 故障处理流程
整个SPDC的故障处理流程如图2所示。
概括来说,本算法流程1的任务是找到最靠近故障点的母线(包含发生短路的母线本身),然后判别是母线短路还是线路短路(流程2)。若确定为母线故障,则该故障处理流程将实现母线差动保护的快速集中式后备保护功能;否则进入流程3,利用正序电流相差保护原理对所有连接于该母线的线路进行区内、区外故障判定,最终选出故障线路,确认校核后对该故障线路予以切除。3个故障处理流程分别使用广域保护判据1,2,3进行判定。若发生变电站直流电源掉电等事故导致跳闸失败,则SPDC将启动“越级跳闸”,直接跳开相应的断路器。
3 数字仿真
本文使用电磁暂态仿真软件PSCAD/EMTDC对WSCC 9节点系统进行仿真,大量仿真验证了本文提出的广域后备保护算法的有效性。系统详细参数见文献[10],系统模型见图3。输电线采用贝瑞隆分布参数模型,电源采用零起升压方式,电压在约0.08 s后达到额定值。故障在0.2 s时发生,持续0.3 s。整个仿真过程持续0.5 s,求解步长50 μs,绘图步长250 μs。
虽然母线8仅连接了2条线路,但作为本文保护算法的辅助验证是足够的。本保护算法简单实用,从原理上即能判断,若母线8接多回线路,算法依然有效。限于篇幅,仅给出部分仿真结果。现结合故障处理流程(图2)对仿真结果进行说明。
3.1 线路短路
设线路L1在距离母线8的20%线路总长处(图3中f1点)发生各种类型的短路故障。
3.1.1f1点发生三相金属性短路
1)根据母线正序电压最低值得到故障相关集Ω
从图4看到,离短路点f1最近的母线8,其正序电压幅值降到7.0 kV,为最低。于是得到故障相关集Ω={母线8,L1,L2}。
2)判别母线短路和线路短路
为便于叙述,将图3所示的2个负序方向元件D1和D2(分别安装于线路L1和L2的母线8侧)在线路L1的f1点以及母线8处(f2点)发生各种类型短路故障时的测量结果汇总于表1中,以方便比较和说明。
广域保护判据2(式(9))可解释为:针对不对称短路,当系统保护启动后,所有连接于母线的线路LDR所配的母线侧负序方向元件都判为反向短路,且同时满足Ω内的线路两端正序电流相位差绝对值均大于某定值的条件时,判为母线短路;只要有一个负序方向元件判为正向短路且其余负序方向元件均判为反向短路,则判为线路短路。各底层LDR的负序方向元件将故障方向判别结果上传至SPDC综合决策,利用广域保护判据2即可区分是母线短路还是线路短路。由表1的结果可以得出:D1′+D2′=0,不满足
3)从故障相关集Ω中选出故障线路
SPDC获取线路L1和L2的两端正序电流相位信息,之后在SPDC内做相位差运算并取绝对值,计算结果如图5所示。
线路L1的相位差绝对值降到约3.5°,线路L2的相位差绝对值约180°,前者远小于后者,根据广域保护判据3(式(10))可确定线路L1发生区内短路,L2发生区外短路,于是SPDC向L1两端的LDR发跳闸命令。由图4可以看到,在0.2 s时刻发生故障后,25 ms内各正序电压幅值大小就达到近似恒定值,并持续到故障结束。图5也反映出类似特性,且过渡过程时间更短。由此看出,这2种量针对短路故障有很快的暂态响应速度,且在整个故障过程中的输出近似恒定,具有非常优良的特性,特别适用于后备保护。
3.1.2f1点发生其他类型短路
图3的f1点发生ABG,AB,AG这3类短路情况下各母线正序电压的测量结果见表2。
注:粗体显示的数值为所在行的最小值。
3类短路故障中,母线8的正序电压幅值都为最低值,故确定的故障相关集均为Ω={母线8,L1,L2}。2个负序方向元件的判断结果汇总于表1,线路两端正序电流的相位差绝对值汇总于表3。由表1和表3的结果可判定是线路发生故障而非母线发生短路,于是进入最后一个故障处理流程:根据表3,在3类短路中线路L1两端的正序电流相位差均为最小值,根据广域保护判据3可以得出L1为故障线路。在3类短路情况下故障定位算法都能正确选出故障线路L1。
由于线路分布电容等因素的影响,造成线路区外短路时两端正序电流相位差不完全等于180°,而是接近180°。此外,故障前WSCC 9节点系统三端电源的电动势相角均不同,故在区内不对称短路时,由于穿越性负荷电流的影响,造成线路两侧正序电流相量的相位差不为0°,且穿越性负荷电流越大则该值也越大,如发生AG类型短路时达到42.0°。但L1和L2的相位差绝对值相差很大,可以通过选择最小值的方式来确定故障线路。当故障区域Ω内有多条线路时,广域保护判据3的优势更加突出。
3.2 母线短路
仅以母线8(图3的f2点)处发生A相接地短路为例说明,其他短路情况类似。类似于图4,f2点发生短路后各母线正序电压都下降,且母线8处正序电压下降到约91 kV,为最低,于是系统保护启动进入故障处理流程1,并在其中确定出故障相关集Ω={母线8,L1,L2},然后进入故障处理流程2,根据表1有D1′D2′=1,同时Ω内所有线路的两端正序电流相位差都接近180°,明显大于ϕset.b(为100°)。于是根据广域保护判据2可知是故障相关集Ω内的母线8发生短路。
广域保护判据2仅采用了负序方向元件和纵联电流相差保护原理,为解决它们在某种故障状况下可能判为无故障的缺陷,可参考现行主保护采用多种保护原理以应对各种复杂故障的做法。为提高负序方向元件和电流相位测量正确性的许多措施和经验都可应用到本保护系统中,由于该问题实际上是这2种保护元件的性能改善问题,限于篇幅,本文不再赘述。为完善本广域后备保护系统,后续研究将探讨和解决上述问题。
4 结论
本文提出一种基于序分量的集中式电网广域后备保护算法,该算法简单可靠,能反应于故障全过程,可作为全网母线和线路的广域后备保护,具有以下2个优点:
1)该保护利用广域信息进行全局决策,不存在传统独立式后备保护间复杂的整定配合问题,最终仅由中心站SPDC向底层LDR发跳闸命令。
2)该保护系统采用2组工作模式、3步故障处理流程的运行机制,可大大减少保护系统在电网非故障状态时完成实时监测功能的数据通信量,能有效利用通信资源;故障相关集Ω的引入使电网在故障发生后SPDC的信息收集范围缩小至Ω内,无论是数据通信量还是系统保护完成一次故障定位所需的延时,都被大幅削减。
数字暂态仿真结果表明:该保护算法能快速、准确地选出故障母线和故障线路。负序方向元件和正序电流相差元件在原理上能很好地鉴别区内短路和潮流转移现象,依据这2种元件构造的广域后备保护系统对电网连锁跳闸故障具有天然免疫功能,且没有复杂的整定配合关系,与传统后备保护相比具有明显的优越性,大大加强了系统安全稳定运行的“第一道防线”。需要指出,有关相邻变电站直流电源消失导致信息缺失情况下的故障定位方法将是下一步的研究方向。
摘要：随着电网规模的扩大和网络结构的日趋复杂,传统后备保护已经暴露出保护失效、引发连锁跳闸等许多缺陷。在合理有效地利用通信资源、尽力避免通信拥塞的设计原则下,提出一种基于序分量的集中式电网广域后备保护算法。该算法在故障处理流程的不同阶段使用不同内容和不同范围的广域信息进行全局决策,动作速度快,且不存在传统独立式后备保护整定配合复杂、应对大规模潮流转移可能误动等问题。仿真结果验证了该保护算法的有效性和正确性。
关键词：广域后备保护,序分量,故障定位,连锁跳闸
参考文献
[1]苗世洪,刘沛,林湘宁,等.基于数据网的新型广域后备保护系统实现.电力系统自动化,2008,32(10):32-36.MIAO Shihong,LIU Pei,LIN Xiangning,et al.A new type of backup protective system in wide area network based on data network.Automation of Electric Power Systems,2008,32(10):32-36.
[2]吴科成,林湘宁,鲁文军,等.分层式电网区域保护系统的原理和实现.电力系统自动化,2007,31(3):72-77.WU Kecheng,LIN Xiangning,LU Wenjun,et al.Principle and realization of the hierarchical region protective system for power systems.Automation of Electric Power Systems,2007,31(3):72-77.
[3]SERIZAWA Y,MYOUJIN M,KITAMURA K,et al.Wide-area current differential backup protection employing broadband communications and time transfer systems.IEEE Trans on Power Delivery,1998,13(4):1046-1052.
[4]李营,张全.超高压电网后备保护问题探讨.中国电力,2000,33(5):80-82.LI Ying,ZHANG Quan.Discussion on the backup relay protection on UHV power networks.Electric Power,2000,33(5):80-82.
[5]EISSA M M,MASOUD M E,ELANWAR M M M.A novel back up wide area protection technique for power transmission grids using phasor measurement unit.IEEE Trans on Power Delivery,2010,25(1):270-278.
[6]李建,谢小荣,韩英铎,等.北斗卫星导航系统与GPS互备授时的分布式相量测量单元.电网技术,2005,29(9):1-4.LI Jian,XIE Xiaorong,HAN Yingduo,et al.Study on distributed PMU for synchronous phasor measurement using mutually backup synchronization signals from both Beidou satellite navigation system and global positioning system.PowerSystem Technology,2005,29(9):1-4.
[7]丛伟,潘贞存,赵建国,等.基于电流差动原理的广域继电保护系统.电网技术,2006,30(5):91-95.CONG Wei,PAN Zhencun,ZHAO Jianguo,et al.A wide area protective relaying system based on current differential protection principle.Power System Technology,2006,30(5):91-95.
[8]贺家李,李永丽,李斌,等.特高压输电线继电保护配置方案:(二)保护配置方案.电力系统自动化,2002,26(24):1-6.HE Jiali,LI Yongli,LI Bin,et al.Relay protection for UHV transmission lines:Part two disposition of relay protection.Automation of Electric Power Systems,2002,26(24):1-6.
[9]王宾,董新洲,薄志谦,等.非全相运行输电线路负序方向纵联保护方法.电力系统自动化,2009,33(12):61-66.WANG Bin,DONG Xinzhou,BO Zhiqian,et al.A novelalgorithm for negative sequence pilot protection application to open-phase transmission lines.Automation of Electric Power Systems,2009,33(12):61-66.
基于蚁群算法的电网拓扑研究 篇7
关键词：电网,蚁群算法,拓扑
智能电网的概念一经提出, 各国专家学者开始加大在电网拓扑结构方面的研究力度。目前建立电网随机拓扑的方法主要有:标准综合测试系统作为IEEE测试案例、利用数学方法人工建立、在GIS平台上建立、利用MATLAB/SIMULINK仿真模块搭建等等。这些方法对于小型系统来说是可行的, 对于大型会面临对每个部件的标注问题, 因此需要提出新的易操作方案。
1 电网拓扑结构构建方法
蚁群算法是一种模拟进化算法, 它具有典型的群体智能的特性, 该算法的主要特点是正反馈、分布式计算、鲁棒性和并行性等, 在许多领域都得到了成功应用[1]。在本文中用蚁群算法将随机分布的发电机、负载以及变压器等的节点位置进行不同类的划分, 然后在每个类之间以及类与类之间按照最优路径选择进行连接, 最终得到电网拓扑结构图。
1.1 电力系统随机拓扑的建立
现实生活中的发电厂、负载以及变压器的位置在电网建立之前都是随机的, 故节点位置是随机的。本文用泊松分布描述N个节点的随机分布。然后用蚁群算法做出一个简单互联的模型, 这此模型没有自循环和孤岛。为了生成一个稀疏的网络要求N垌k垌ln (N) , N代表节点的数量, k代表节点的平均度量[2]。生成随机的拓扑, 运用MATLAB编写程序来实现。这个过程主要分7个步骤 (s1-s7) 来完成。介绍步骤之前, 必须定义一些变量:C代表的N个节点的坐标, 这是N*2矩阵。M代表蚂蚁的数量。
s1———变量的初始化。问题的性质在于用函数来计算节点之间的距离和一些变量, 如:启发式因子, 信息素矩阵, 存储并记录该路径的生成, 迭代次数, 每一代的最佳路径, 每一代的平均路径长度。
D (i, j) 表示节点i与节点j之间的距离。
s2———把M只蚂蚁放到随机的N个节点上, 具体操作就是首先把N个节点随机分布, 然后把坐标定出来并把蚂蚁放到每个节点上。
s3———M只蚂蚁按照概率函数选择下一个节点, 并各自完成自己的周游[3]。概率函数如下:
表示t时刻蚂蚁k从第i个节点转移到第j个节点的概率, 如果当前概率大于初始概率蚂蚁就选择这条路径, 继续完成第k只蚂蚁的周游。τi, j表示边 (i, j) 上的信息素强度。α表示蚂蚁选择路径过程中信息素强度的相对重要性系数。β表示ηi, j的相对重要性系数。allowedk表示蚂蚁下一次可供选择节点的集合。在这里, 人工蚂蚁跟真正的蚂蚁之间有所不同, 人工蚂蚁具有记忆功能, 它能记得曾经走过的节点, 这里用一个集合来表示。它们会根据概率函数选择没有走过的节点继续完成各自的周游。
s4———记录这次迭代的最优路径。在这一步当中, 我们可以得到:本次循环中蚂蚁走过的路径, 本次循环中的最短距离, 本次循环的最佳路径, 本次循环的平均距离, 然后继续迭代, 直到达到最大迭代次数。
s5———更新信息素。首先给出了当前信息素更新函数, 然后给出全局信息素更新函数, 只是将下面公式中的1改为N。
上式中ρ表示信息素的持久性系数, 它是一个变量, 变化范围是从0到1[4]。1-ρ表示在固定时间内信息素挥发系数, (t, t+1) 表示蚂蚁k离开时在一定区域留下的信息素增量。
s6———禁忌表清零。
s7———输出结果, 画出电力网络拓扑结构图。本文用MATLAB来完成电网拓扑的仿真, 使用该软件里面的M文件S函数来实现。根据蚁群算法思想, 使用MATLAB仿真软件来实现, 得到下述电网拓扑结构图, 如图1所示。
图1中展示了电网拓扑模型的基本信息。可以看出:这是多个闭合回路之间的互连。而且这个结果是收敛的。本文使用的方法迭代次数低于传统的蚁群算法的迭代次数, 而在节点较多、精度要求较高的情况下, 该方法的迭代次数低, 计算时间短。
1.2 电网参数的设置
为了进行电网动态特性分析, 形成方案对比, 本文仿照参考文献[2]进行参数设置。由于电力设备的不同, 各个电力设备的各项参数也是不同的, 这里随机的设置发电机、电机总线、节点间导线的阻抗、负载阻抗的参数。
发电机总线是从M条总线中随机选择的, 但是第一条选择松弛总线并且被分配一个足够大的惯量。惯量M定义它的选择范围在[Mmin, Mmax], 瞬时阻抗j Xd在范围[Mdmin, Mdmax]里面选择。发电机内电动势E是随机的在[Emin, Emax]里面选择。发电机内转角δ被设置为高斯随机变量, 它由一个平均值和一个误差组成。即, 在电力系统动态仿真中, 可以改变转角来得到不同的状态。转角可以在[0°, 90°]的范围里面变化, 它可以体现不同条件下的扰动, 因而在仿真外界不同扰动时可以改变转角的大小。
任意两个节点之间的阻抗正比于它们之间的物理长度, 这里用下式表示。
Zi, j表示任意两个节点之间的导线阻抗, Z0表示单位长度导线的阻抗, Lm表示任意两个节点之间导线的长度, σz表示随机偏差, 它可以在范围[-σz, +σz]里面选择。负载Rl+jXl可以用到所有总线上, Rl和j Xl可以随机的设置 (因为总线材料不同、制作不同等) 。
2 电力系统特性
根据相关数据分析表明:利用蚁群算法得到的电网拓扑模型参数与IEEE系统基本相同, 表明该算法可以进行电网拓扑结构的模拟。本文利用MATLAB仿真软件内部M文件S函数来编程, 将所需参数都在程序里面体现, 我们可以改变程序里面的参数就可以模拟外界的各种扰动, 这样不仅弥补了原有方法的不足, 例如参考文献[5]、[6]。
电网动态特性是非线性的, 等效的线性化系统方程可以用来分析线性时变系统在每一个时间点的状态, 这里借助电网动态方程来分析系统的稳定性。本文中, 我们选择统计特征值的分布来分析所建立系统的动态特性。在不考虑阻尼效应, 以及同步电机的惯性的条件下, 可以表示为:
电机i的功率输出可以表示为:
其中δij=δi-δj, Ei是个定值, 是电机i的内电动势, Yii=Gii+jBii, 以及Yij=Gij+jBij分别是简化网络导纳矩阵的对角元素和非对角元素。经线性化的Pei给它设置一个变量δ0, δ0=[δ10δ20…δng 0]T, 这样得到系统的线性微分方程
δij△是电机i相角δ10的增量, 从式子 (15) 可以推出特征矩阵, 相应的特征值可以根据δ0来计算得到。为了考虑不同的扰动, 这里设置δ0高斯随机变量 (mδ, δ0) 。文中第二部分提出的mδ, δ0的变化可以代表系统不同相角变化。而公式 (15) 中表示的系统在不同条件下的特征值, 通过统计这些特征值的分布来分析系统的稳定性。
利用MATLAB仿真。首先给出IEEE总线系统在大量不同扰动条件下的特征值分布情况, 如图2—图4所示。图 (a) 中给出特征值的分布情况, X轴是实部, Y轴是虚部;图 (b) 中给出它的分布直方图。
为了比较, 再依据本文提出的算法给出系统的特征值分布, 如图5—图7所示。
通过比较仿真图形, 可以看到本文提出的系统拓扑模型能反映与IEEE几乎相同的特征值分布, 这说明了本算法的可行性。此外, 通过比较仿真图像可以发现本文提出的算法系统特征值在左边平面的分布百分比进一步得到减小, 也就是系统的稳定性得到了提升, 这表明了该方法的优越性。
3 结论
电网的稳定和安全运行是我们研究的一个重要课题。本文提出的算法效果好于IEEE标准体系;由于每次迭代都是寻找最短路径, 所以可以减少线损到最小;该方法可以随机改变节点个数, 即系统规模可以随机扩大;同时通过改变各项参数可以实现电力系统的动态特性分析。并且仿真结果表明本文提出的研究方法是可行的。在此基础上, 可以建立一个混合模型, 即发电设备、电力设备、控制设备有序的连接起来, 采用蚁群算法, 可以改变运行参数, 实现各种干扰的仿真, 实时监测电网的运行。
参考文献
[1]陈冰梅, 樊晓平, 周志明, 等.求解旅行商问题的Matlab蚁群仿真研究[J].电网技术, 2011 (4) :256-280.
[2]Zhifang Wang, Rpbert J.Thomas, Anna Scaglione.Generating Random Topology Power Grids[C].Proceedings of the 41st Hawaii International Conference on System Sciences, 2008.
[3]陈艳.基于蚁群算法的最优路径选择研究[D].北京交通大学, 2007.
[4]M.Newman.The Structure and Function of Complex Networks[J].SIAM Review, 2003 (45) :167-256.
[5]盛义发, 洪镇南.MATLAB在电力系统仿真中的应用[J].电网技术, 2004 (11) :197-199.
试论智能电网时代的电网规划问题 篇8
关键词：智能电网,电网规划,问题,研究
1 引言
随着经济建设水平与科技水平的不断提高, 我国对电力的需求逐渐增加, 电网时代已经迎来了智能化时代, 随着智能电网时代的发展与进步, 电网规划也面临着一系列的问题, 很多的电网公司开始跟上时代发展的脚步, 以智能化的电网规划相关技术作为电网规划的重点内容, 完善了智能化电网规划技术制度体系, 实现了数字化与信息化的电网规划研究。现今时代我国对智能化电网时代的的电网规划研究逐渐跨度到电网的规划建设, 自从我国开始实行智能化的电网规划开始, 电网规划就开始实现了较高的自动化水平、信息化水平、数字化水平, 智能化时代的电网规划能够建设一批高质量的智能电网, 从而提高了智能电网规划的全面推广与建设。以下就针对智能电网时代的电网规划问题进行详细的分析。
2 智能电网的基本概述分析
智能化的电网就是指采用先进的智能技术以及计算机网络技术, 将电网建设中的相关设备、人员、生产以及规划控制系统智能化的连接在一起, 从而实现数据信息的自动化采集与存储, 深化分析电网建设的资源优化, 提高电力供给的质量。智能化的电网采用了多种智能化的技术, 体现了综合的高水平。
我国对智能电网的规划建设是指, 以基础的网架结构为基础, 采用先进的计算机技术、网络通信技术、电子信息技术以及自动化控制技术等, 从而建设稳定度比较高的电网结构, 智能化电网规划要综合控制电网运行的各个步骤与环节, 从而加大电网的安全稳定运行, 提高电网运行的经济性、开放性、可靠性以及交流性。智能化的电网即是新型技术构成的电网建设, 不仅能够提高电力系统的运行安全, 还可以降低能源的消耗。当前智能化电网并没有较为明确的规定, 而是在各项管理与技术水平上实现较高的智能化服务与质量价值, 智能化的电网规划与建设不管使用何种技术, 都要具备着较为先进的电网特点, 要具备信息集成化、设备兼容性、电力供求的相互性以及系统运行的自我调节性等。
3 智能化电网规划与发展的研究方向
目前电网智能化电网规划成为各国之间电网的主要竞争领域, 我国的智能化电网规划的发展方向为几点: (1) 要朝着电网规划建设发展的智能化测量方向前进; (2) 要使电网规划朝着先进的技术水平进军, 要具备三维空间分析以及可视化的技术水平; (3) 在智能化电网规划中要采用高水平的计量技术; (4) 要实现电网规划配电的较高自动化水平。
4 智能电网时代的电网规划所存在的问题
目前我国开始建设较高水平的智能化电网规划, 要建设智能化时代下的电网规划, 就必须要把握好整体电网规划的最新发展方向, 要及时的考虑到当今电力时代的高科技技术, 智能化电网时代的电网规划都要以基本的电网结构为基础点, 通过对现今时代的高科技电力相关技术的使用, 可以有效的提高智能化电网规划的质量, 使电网的运行表现出较高的智能化与自动化水平。实现智能电网时代的电网全面规划建设中还存在这一些问题, 这些问题会阻碍着智能化的电网规划, 以下就对智能电网时代的电网规划问题进行简单的分析。
4.1 智能电网时代的电网规划的总体协调运行问题
随着时代的改革与发展, 我国的电网规划与建设逐渐趋向于智能化的发展, 我国的智能电网时代的电网规划与建设在具体的实践中还存在着一些问题, 比如在电网加速奈何的发电过程、输电状况、变电与配电的规划、用电质量与电力的调度上, 都存着一些细节上的问题。现今时代电源的供给更新比较快, 很多新能源的提供会导致电网运行的不稳定, 如何正确精准的协调电网规划与建设中的各项内容, 实现正确的预测水平, 加大对电网规划建设的检测与控制, 分析电网运行中的失误等, 是现今智能电网时代的电网规划所需要解决的重点问题。
4.2 智能电网时代的电网规划的外部因素影响分析
智能电网时代的电网规划还受到外部因素的影响作用导致问题的发生, 具体包括: (1) 目前我国的电网约束条件比较多, 国家对电网建设与规划的审核力度加大, 要求的内容比较严格; (2) 我国对智能电网的建设要求比较高, 现今时代为了各项建设的可持续发展, 我国推行了节能环保减排的能源战略发展目标, 在进行智能时代下的电网规划建设时, 要对电网规划与运行提出全新的要求; (3) 我国的电力企业不断的进行体制的改革, 如何保证电网规划运行的质量, 提高电网的稳定与可靠性就成为现今智能电网规划的重点内容; (4) 随着经济建设的发展, 我国对电力的需求是逐年递增的, 电能的消耗不断的增加, 使得电力供给的质量面临着问题, 如何满足电力需求的高标准就成为智能电网的主要问题。
4.3 智能电网时代的电网规划的内部因素影响分析
智能电网时代下的电网规划存在着内部因素的影响, 具体如下: (1) 目前电网结构存在不合理现象, 导致电网运行的故障时有发生; (2) 现今电网运行故障问题不能依靠传统的技术解决, 要根据现今智能网络的电网规划特点对电网结构进行解决, 就无形中增加了困难性。智能电网时代下的电网规划的发展主要是依据各种先进技术, 我们只有加快对电网规划的主要方式的改变, 创新研究智能电网规划的制度体系, 才能够解决电网规划的内部问题。
4.4 其他智能化电网规划的问题分析
目前, 智能电网时代下的电网规划采用了新形势下的能源接入, 这就给电力系统运行的安全稳定性带来了一定的影响。在进行智能电网规划的电力输送方面, 一些新兴的电力输送技术被广泛的应用在电网规划建设中, 随着带来的还有新兴电力输送技术的国产局限问题;其次, 在智能电网规划的变电过程中, 还面临着智能化变电站的分析与处理问题, 如何推广智能化的变电站运行, 保证变电站的智能化与自动化是电网规划的重点解决问题;在进行智能时代电网规划的配电网时, 还存在着普遍用电质量与效率低下的问题, 还有如何应用智能化的电表核查与应用问题;在电网规划的电力调度上重点需要解决的问题就是, 如何保证电网运行的安全质量问题, 控制好新型能源的电网接入, 以及当发生故障时, 电力系统的自我处理问题。
5 加强智能时代的电网规划的措施分析
智能电网时代的电网规划问题, 是由于新形势下的电网发展的必要需求所造成, 智能电网规划要跟随者时代的脚步不断的进步, 在进行电网规划的时候, 要严格的按照国家规范的电网建设与发展要求, 了解智能电网规划的主要特点与内容, 注重对智能电网规划的理论与方法的创新, 此外对于智能电网规划的重要建设项目来说, 要一步步的推进建设, 改变传统的电网规划方法与理念, 从而采用新型的技术手段加强智能时代的电网规划的质量。
要加强智能时代的电网规划质量, 就要做好智能电网规划的审评, 这时候起到关键作用的就是智能电网规划的标准评价体系, 只有建立健全准确的智能电网规划评价体系才能够保证电网规划的总体水平符合建设的标准要求。主要要考虑到电网规划建设项目的技术水平、安全可靠性、稳定性、经济性以及节能环保性等, 综合制定完整科学的评价指标, 在进行智能电网规划的时候, 要首先进行评价可行性, 只有这样才能够优化智能电网规划的方案, 加强电网规划的质量。
6 结束语
【电网规划算法】相关文章：
农村电网规划与改造08-20
电网规划年度个人总结05-07
城市电网建设与规划05-09
电网规划建设的作用04-08
国家电网职业发展规划11-24
电网规划管理创新成果05-03
电网规划的风险评估论文04-20
特高压电网规划风险防范研究09-10
山区电网规划设计方案的探讨09-10
广东地区电网建设规划初探09-10