基于組件式地理信息系統(tǒng)的城市中壓配電網(wǎng)多目標(biāo)規(guī)劃方案

基于組件式地理信息系統(tǒng)的城市中壓配電網(wǎng)多目標(biāo)規(guī)劃方案

0城市中壓配電網(wǎng)規(guī)劃的方法問題電力網(wǎng)絡(luò)是能源系統(tǒng)的重要組成部分。電力網(wǎng)絡(luò)規(guī)劃是對能源網(wǎng)絡(luò)規(guī)劃的熱點和難點。它包括許多問題，如輸電站聯(lián)合規(guī)劃、電源規(guī)劃、電網(wǎng)和配電網(wǎng)絡(luò)的聯(lián)合優(yōu)化等。而提高中壓配電網(wǎng)規(guī)劃的技術(shù)水平，指導(dǎo)中壓配電網(wǎng)建設(shè)與改造，提高對用戶的供電可靠性，則是當(dāng)前配電網(wǎng)規(guī)劃研究的重點。當(dāng)前城市中壓配電網(wǎng)規(guī)劃中，通常對每座中壓配電站設(shè)置兩路供電路徑，形成正常方式下開環(huán)運行，故障時通過聯(lián)絡(luò)開關(guān)轉(zhuǎn)移負(fù)荷的兩端供電網(wǎng)絡(luò)，可以明顯提高用戶的供電可靠性。城市中壓配電網(wǎng)規(guī)劃屬于大規(guī)模組合優(yōu)化問題，啟發(fā)式方法易陷入局部最優(yōu)，數(shù)學(xué)優(yōu)化算法雖然可以得到精確解，但問題規(guī)模較大時易出現(xiàn)維數(shù)災(zāi)問題。近年來現(xiàn)代啟發(fā)式算法如遺傳算法、禁忌搜索算法、蟻群算法等在配電網(wǎng)規(guī)劃中的應(yīng)用有了很大進(jìn)展并體現(xiàn)了良好的效果，其中對遺傳算法的研究較為深入：文獻(xiàn)比較了幾種遺傳算法應(yīng)用于開環(huán)配電網(wǎng)絡(luò)規(guī)劃的效果；文獻(xiàn)將遺傳算法應(yīng)用于城市中壓配電網(wǎng)規(guī)劃，文中對于編碼及遺傳操作的設(shè)計方法值得重視，但以上研究中適應(yīng)度函數(shù)采用多個優(yōu)化目標(biāo)統(tǒng)一為經(jīng)濟(jì)性量綱并加權(quán)相加的形式，量綱的統(tǒng)一及權(quán)值的選取缺乏有力的依據(jù)，建立多目標(biāo)規(guī)劃模型并使用先進(jìn)的多目標(biāo)優(yōu)化方法求解是配電網(wǎng)規(guī)劃發(fā)展的趨勢。此外，根據(jù)網(wǎng)架結(jié)構(gòu)的特點設(shè)計遺傳編碼及操作、減少或消除不可行解，提高進(jìn)化效率，是遺傳算法應(yīng)用于配電網(wǎng)規(guī)劃研究的重要問題，當(dāng)前這方面的研究還很缺乏。另一方面，城市中壓配電網(wǎng)規(guī)劃中需要有效結(jié)合地理信息，提高規(guī)劃效率及規(guī)劃結(jié)果的實用性。例如利用GIS的坐標(biāo)系統(tǒng)標(biāo)示規(guī)劃區(qū)域，輔助動態(tài)規(guī)劃方法進(jìn)行饋線路徑的規(guī)劃；開發(fā)配電網(wǎng)GIS空間數(shù)據(jù)庫輔助配電網(wǎng)規(guī)劃或利用GIS系統(tǒng)的分析功能協(xié)助變電站選址；利用地理信息過濾掉明顯不適合的線路，降低配電網(wǎng)絡(luò)優(yōu)化問題的求解規(guī)模等。但傳統(tǒng)的GIS系統(tǒng)與通用開發(fā)語言的結(jié)合很困難，難以與規(guī)劃算法深入結(jié)合，限制了其在配電網(wǎng)規(guī)劃中應(yīng)用的層次，近年來出現(xiàn)的ComGIS平臺可以逐漸解決此問題。本文使用ComGIS系統(tǒng)建立規(guī)劃區(qū)域的網(wǎng)絡(luò)數(shù)據(jù)集，在此基礎(chǔ)上提出了一種適用于兩端供電網(wǎng)絡(luò)規(guī)劃的多目標(biāo)遺傳算法：將ComGIS平臺的網(wǎng)絡(luò)分析功能嵌入其中用于得到單環(huán)最優(yōu)路徑；根據(jù)網(wǎng)架結(jié)構(gòu)設(shè)計遺傳編碼及操作。在滿足壓降、可靠性等約束條件下最小化投資及網(wǎng)絡(luò)損耗，找到接近多目標(biāo)優(yōu)化問題Pareto最優(yōu)解集的一組解。1網(wǎng)絡(luò)分析功能所謂組件式GIS，是指基于組件對象平臺，以一組具有某種標(biāo)準(zhǔn)通信接口的、允許跨語言應(yīng)用的組件提供的GIS。GIS組件之間以及GIS組件與其他組件之間可以通過標(biāo)準(zhǔn)的通信接口實現(xiàn)交互。GIS組件和其他組件實現(xiàn)具體功能，由通用可視化開發(fā)語言建立相互聯(lián)系，并建立應(yīng)用系統(tǒng)的框架。網(wǎng)絡(luò)數(shù)據(jù)集和簡單的點數(shù)據(jù)集、線數(shù)據(jù)集不同，它既包含了網(wǎng)絡(luò)線對象，也包含了網(wǎng)絡(luò)節(jié)點對象，還包含了兩種對象之間的空間拓?fù)潢P(guān)系。網(wǎng)絡(luò)分析是在網(wǎng)絡(luò)模型的基礎(chǔ)上進(jìn)行的一系列分析，如旅行路徑分析功能FindTSPPath()：在指定起止節(jié)點的條件下，自動生成經(jīng)過指定節(jié)點的最優(yōu)路徑，且返回數(shù)據(jù)集中包括最優(yōu)路徑的相關(guān)參數(shù)。本文利用其形成兩端供電網(wǎng)絡(luò)的單環(huán)最優(yōu)路徑。2采用多目標(biāo)規(guī)劃模型模型城市中壓配電網(wǎng)規(guī)劃需要考慮多個方面的問題，例如投資、網(wǎng)絡(luò)損耗、供電可靠性、電壓降落、線路容量約束等。本文將投資及網(wǎng)絡(luò)損耗作為規(guī)劃模型的目標(biāo)函數(shù)，其余幾個方面作為模型的約束條件。由于投資及網(wǎng)絡(luò)損耗的量綱不同，傳統(tǒng)的處理方法是將它們統(tǒng)一成為經(jīng)濟(jì)性量綱并加權(quán)相加。但是一方面權(quán)值的選擇包含了較多的人為因素，另一方面投資與網(wǎng)損轉(zhuǎn)化為經(jīng)濟(jì)費用后在數(shù)量上相差很大，較小的網(wǎng)損費用會被投資費用“淹沒”，很難體現(xiàn)出網(wǎng)損的優(yōu)化過程，不利于優(yōu)化問題求解的客觀性。因此，使用多目標(biāo)規(guī)劃模型表示城市中壓配電網(wǎng)規(guī)劃問題。目標(biāo)函數(shù)1為最小化配電網(wǎng)總投資，可表示為：式中：zi表示設(shè)備投資；s、k、l分別表示變電站、開關(guān)站、電纜線路。電纜的長度由旅行路徑分析功能的返回值獲得，并考慮到不同的電纜截面。目標(biāo)函數(shù)2為最小化網(wǎng)絡(luò)損耗，可表示為：式中：n為規(guī)劃方案的單環(huán)個數(shù)；m為單環(huán)的饋線段個數(shù)；Pij、Qij、uij、rij分別為第j個環(huán)的第i個饋線段的有功功率、無功功率、首端電壓、電阻。另外，網(wǎng)絡(luò)損耗與各環(huán)的開斷點有關(guān)，因此計算網(wǎng)損時需遍歷單環(huán)各開斷點，找到網(wǎng)損最小的開環(huán)運行方式。雖然兩端供電網(wǎng)絡(luò)從接線方式上保證了供電可靠性，仍然需要對規(guī)劃方案進(jìn)行可靠性校驗，校驗指標(biāo)為平均用電有效度ASAI。式中：Ntotal為系統(tǒng)中總用戶數(shù)；Uj為平均年停運時間；Nj為故障時受影響用戶數(shù)，與Uj相對應(yīng)。在規(guī)劃方案的可靠性評估中，往往將中壓配電站作為一個“用戶”。此外，還有以下一些約束條件需要滿足，如：(1)電壓降在允許的范圍之內(nèi)；(2)負(fù)荷轉(zhuǎn)移條件下線路所帶負(fù)荷在線路的熱穩(wěn)定范圍之內(nèi)；(3)變電站或開關(guān)站出線倉位數(shù)限制等。3多個pareto秩根據(jù)以上城市中壓配電網(wǎng)多目標(biāo)規(guī)劃模型的特點，本文研究極小化多目標(biāo)優(yōu)化問題，其一般形式為：minF(x)=[f1(x),f2(x),…,fn(x)]，式中向量目標(biāo)F(x)中的各個子目標(biāo)函數(shù)都盡可能地極小化，x為設(shè)計變量，在可行域X中取值。此問題一般不存在唯一的最優(yōu)解，而是存在多個滿意解的集合，稱為Pareto最優(yōu)解集。定義如下：在設(shè)計變量的可行域內(nèi)X，對于變量x*，當(dāng)且僅當(dāng)其他變量x，在不違背約束的條件下滿足：對于任意的i,fi(x)≥fi(x*)；且至少存在一個i(i=1,2,…,n)，使得fi(x)>fi(x*)成立，則稱變量x*為非支配解，即Pareto最優(yōu)解，多個Pareto最優(yōu)解構(gòu)成Pareto最優(yōu)解集。傳統(tǒng)的多目標(biāo)優(yōu)化方法如線性加權(quán)法等只能獲得特定條件下的某一Pareto解，遺傳算法內(nèi)含的并行性使其擁有同時尋找多個Pareto最優(yōu)解的潛在能力，也使得多目標(biāo)遺傳算法成為了多目標(biāo)優(yōu)化問題求解的有效方法。本文所使用的多目標(biāo)遺傳算法利用基于Pareto秩的個體適應(yīng)度引導(dǎo)種群向Pareto最優(yōu)解集的方向進(jìn)化。在第t代種群中，對個體xi，若有pi(t)個個體支配于它，則稱rank(xi,t)=pi(t)為此個體的Pareto秩?？梢?，個體的Pareto秩越小則表示該個體越優(yōu)。以圖1為例說明個體的Pareto秩及個體適應(yīng)度的計算。值得指出的是，圖1是本文算例中圖7的抽象與簡化處理，兩者的含義相同。假設(shè)極小化多目標(biāo)優(yōu)化問題的兩個優(yōu)化目標(biāo)為f1(x)、f2(x)，共有7個解(x1,x2,…,x7)，每個解對應(yīng)某代種群中的一個個體?？梢?，x1、x2、x3的Pareto秩為0，稱為無支配個體；x4、x5的Pareto秩為1(x1在x4所支配的領(lǐng)域內(nèi)，x3在x5所支配的領(lǐng)域內(nèi))；x6、x7的Pareto秩為2(x3、x5在x6所支配的領(lǐng)域內(nèi)，x1、x2在x7所支配的領(lǐng)域內(nèi))。為了計算每個個體的適應(yīng)度，將種群的所有個體按照Pareto秩由小到大排列，對于Pareto秩相同的個體，按照首要目標(biāo)函數(shù)的值(假設(shè)為目標(biāo)函數(shù)1)由小到大排列，并對所有個體的排列序號賦值，稱為個體的“度”，即圖1中每個個體括號中的數(shù)字。進(jìn)而定義個體xi的適應(yīng)度函數(shù)f(xi)為：式中：rworst為最差個體的度；ri、rj為個體i,j的度。4適用于城市壓割網(wǎng)計劃的多目標(biāo)數(shù)據(jù)集法4.1采用在線編碼方法城市中壓配電網(wǎng)可以表示為網(wǎng)絡(luò)數(shù)據(jù)模型G=(N,R)；這里N表示節(jié)點集；R表示線路集。節(jié)點集包括變電站、開關(guān)站、配電站、街道的交點；線路集為所有可行的路段。借助ComGIS平臺建立規(guī)劃區(qū)域的網(wǎng)絡(luò)數(shù)據(jù)集(如圖2所示)，用以表示城市中壓配電網(wǎng)的網(wǎng)絡(luò)數(shù)據(jù)模型，相關(guān)的空間數(shù)據(jù)與屬性數(shù)據(jù)存儲于GIS數(shù)據(jù)庫。城市中壓配電網(wǎng)走向復(fù)雜，若要唯一的表示規(guī)劃路徑，編碼中必須包括一些饋線在實際中不經(jīng)過的點，例如不接入饋線的負(fù)荷點、街道的分段點，使得解空間的維數(shù)及問題求解的復(fù)雜度明顯增加。本文使用ComGIS平臺的旅行路徑分析功能自動形成單環(huán)最優(yōu)路徑，指定需要經(jīng)過的電源點及負(fù)荷點，可以自動生成經(jīng)過它們的最優(yōu)路徑。從而編碼中可以只考慮電源點與負(fù)荷點，有效規(guī)避了上述問題。采用變長度整數(shù)編碼方法，第t代種群的第k個染色體xkt表示為：式中：xi為染色體的基因，即網(wǎng)絡(luò)數(shù)據(jù)集中電源點或負(fù)荷點所對應(yīng)的節(jié)點屬性表中的SmNodeID值，即“圖2”中有標(biāo)號的點。某染色體(-48203014-4-4226524-4-4111619-4-4132218-4-427717-4)代表了圖2所示規(guī)劃區(qū)域的一個規(guī)劃方案，其中正數(shù)表示負(fù)荷點，負(fù)數(shù)表示電源點，兩個電源點與中間的負(fù)荷點形成一個單環(huán)，可見該規(guī)劃方案包括了5個單環(huán)。4.2電源點數(shù)量的計算采用隨機(jī)分組方法對n個負(fù)荷點分組，進(jìn)而形成初始種群，步驟如下：(1)輸入各負(fù)荷點編號及負(fù)荷大小；(2)對應(yīng)各負(fù)荷點產(chǎn)生各自的隨機(jī)數(shù)；(3)對隨機(jī)數(shù)由大到小排序；(4)按照隨機(jī)數(shù)順序依次取相應(yīng)負(fù)荷點，到達(dá)單環(huán)容量限值后就成一組，并隨機(jī)選擇合理電源點加入單環(huán)的兩端；(5)重復(fù)(2)～(4)μ次，可得μ個分組方案，即μ個初始解。4.3交叉操作步驟交叉操作施用于某種群的兩個父個體，產(chǎn)生兩個子個體。根據(jù)編碼的特點，對順序交叉方法進(jìn)行改進(jìn)。交叉操作的物理意義是各環(huán)結(jié)構(gòu)固定情況下(各串內(nèi)電源節(jié)點的位置和序號是不變的)，調(diào)整環(huán)中所串負(fù)荷點順序。假如兩個父個體為：交叉操作步驟如下：(1）根據(jù)規(guī)劃問題的規(guī)模選擇保持不變的負(fù)荷點的個數(shù)，假設(shè)為6。(2）選擇第一個交叉點，假設(shè)為第5位，根據(jù)1)中確定的保持不變的負(fù)荷點個數(shù)，得到第二個交叉點。(3）取父個體2，從第二個交叉點開始記錄負(fù)荷點，到達(dá)結(jié)尾時再從首端繼續(xù)記錄，直至第二個交叉點結(jié)束：(181175161930262027222813172414)。(4）從父個體2的負(fù)荷點中去掉父個體1保留部分已有的負(fù)荷點(2265241116)，得到(18719302027228131714)，將其順序復(fù)制給父個體1，復(fù)制的起點也是從第二個交叉點開始，得到子個體1:(5）同理得到子個體2:4.4變異操作后，把每一個單環(huán)作為單一環(huán)變異操作施用于隨機(jī)選擇的單個染色體，即為互換隨機(jī)選擇的不重合的兩段編碼。其物理意義為調(diào)整某方案各環(huán)的結(jié)構(gòu)，例如環(huán)的個數(shù)、單環(huán)所串負(fù)荷點個數(shù)、單環(huán)的電源點。但是，由于所采用的編碼的特點，變異操作后可能出現(xiàn)某些環(huán)失去了一端電源或者被清空的情況。例如某染色體為：共包含5個單環(huán)，施行變異操作后，即交換括號中的兩段編碼后，成為：可見，共6個單環(huán)，第2個(132218-4)與第6個(22652427717-4)失去了一端電源；第3、5個成為空環(huán)(-4-4)。因此需要修補(bǔ)交叉后的染色體：(1)依次取出單環(huán)；(2)補(bǔ)齊兩端電源；(3)去掉空環(huán)；(4)考慮到線路容量約束和供電可靠性的要求，單環(huán)負(fù)荷點個數(shù)是有限制的，因此拆開負(fù)荷點過多的單環(huán)；(5)重新形成修補(bǔ)后的染色體。4.5中間種群篩選采用按比例選擇與精英保存相結(jié)合的選擇策略。若某個個體xi，其適應(yīng)度函數(shù)為f(xi)，則其被選取的概率表示為：式中：M為種群中個體的個數(shù)。并由公式(5)可見P(xi)=f(xi)。多目標(biāo)優(yōu)化的每一“進(jìn)程”結(jié)束后，將父代種群(μ個個體)和子代種群(λ個個體)合并為一個“中間種群”，根據(jù)公式(7)決定的個體的選擇概率，選擇前μ個進(jìn)入下一進(jìn)程。同時保存每一代的“中間種群”中的Pareto秩為0的個體，形成“精英種群”。4.6“精英個體”數(shù)量與所增的數(shù)量限制(1）分析每次進(jìn)化后“精英種群”中Pareto秩為0的個體(稱為“精英個體”)的數(shù)量，若呈現(xiàn)持續(xù)增長趨勢，說明很難找到明顯更優(yōu)的個體，且新出現(xiàn)的精英個體為次要目標(biāo)函數(shù)值持續(xù)優(yōu)化的結(jié)果，優(yōu)化過程停止。(2）“精英種群”中個體的數(shù)量限制。(3）種群進(jìn)化代數(shù)限制。4.7監(jiān)測網(wǎng)絡(luò)群的形成適用于城市中壓配電網(wǎng)規(guī)劃的多目標(biāo)遺傳算法流程如圖3所示，具體步驟如下：(1）形成規(guī)劃區(qū)域的網(wǎng)絡(luò)數(shù)據(jù)集，得到變電站及配電站節(jié)點的編號，并給定變電站容量、配電站所帶負(fù)荷。(2）給定變電站出線回路數(shù)約束、單環(huán)容量約束、最大壓降約束等。(3）使用隨機(jī)分組方法對負(fù)荷節(jié)點分組，對每一組負(fù)荷點隨機(jī)選擇兩端供電電源，形成兩端供電網(wǎng)絡(luò)的初始種群。(4）調(diào)用GomGIS的旅行路徑分析功能形成單環(huán)最優(yōu)路徑，并由其返回的選擇集獲得潮流計算所需參數(shù)。(5）潮流計算，得到初始種群各個體的投資及網(wǎng)絡(luò)損耗。(6）對初始種群進(jìn)行交叉、變異操作，形成子種群，進(jìn)而形成中間種群及精英種群。(7）選擇操作，形成新的父種群，重復(fù)（4）～（6）。(8）若滿足終止條件，優(yōu)化過程結(jié)束。5各代進(jìn)化進(jìn)程中精英種群的數(shù)量變化某地塊面積約150hm2，規(guī)劃建設(shè)1座變電站，6座開關(guān)站，32座配電站。幾座配電站成一個環(huán)，其兩端電源來自變電站或開關(guān)站。將各站連接至道路中心線，對道路中心線的線數(shù)據(jù)集進(jìn)行拓?fù)涮幚?，生成網(wǎng)絡(luò)數(shù)據(jù)集，使用本文方法優(yōu)化配電網(wǎng)絡(luò)。硬件條件：迅馳1.6MHzCPU,512MDDR內(nèi)存；編譯環(huán)境：VC++6.0。遺傳操作參數(shù)為：種群規(guī)模50，交叉率0.6，變異率0.4。設(shè)定最大進(jìn)化代數(shù)為500代，精英種群中個體數(shù)最大為2000個。當(dāng)種群進(jìn)化到158代時，精英種群個體超過了2000，耗時約2h。分析各代進(jìn)化后精英種群中“精英個體”數(shù)量的變化，如圖4。可見，89代后，精英種群中精英個體的數(shù)量持續(xù)增長。另外，個體數(shù)驟降說明出現(xiàn)了明顯較優(yōu)的個體，如45～57、69～74、88～89、129～132、146～148代，分析這些進(jìn)化代數(shù)新個體的優(yōu)化方向，判斷是哪個方面被優(yōu)化。(45～57)代中出現(xiàn)的個體對應(yīng)第310到第444個個體，兩個目標(biāo)函數(shù)(投資、網(wǎng)損)的值都有明顯降低，優(yōu)化繼續(xù)進(jìn)行；(69～74)代過程中兩個目標(biāo)函