基于改進遺傳算法的油田配電網(wǎng)無功優(yōu)化
加入技術(shù)交流群
選擇是最具有自然進行特色的操作之一，它是從所有母體中選取部分個體組成繁殖庫的過程。作為交叉和變異的前提，選擇過程應(yīng)保證越優(yōu)良的個體越有較大的幾率被選中，而適應(yīng)值低的個體漸漸被淘汰，即所謂的“優(yōu)勝劣汰”。
選擇操作是建立在對個體的適應(yīng)度評價的基礎(chǔ)之上，有時直接關(guān)系到收斂速度問題。采用兩兩競爭的選擇策略，首先從群體中隨機選取兩個個體比較適應(yīng)度，將其中適應(yīng)度最高的個體遺傳到下一代群體中；然后將上述過程重復(fù)M次，就可得到繁殖庫所需的M個個體。
該種選擇策略使每個個體入選繁殖庫的概率與其適應(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，使得個別大適應(yīng)度值的個體在種群中不會出現(xiàn)大量繁殖的現(xiàn)象，同時又保證了加入繁殖庫中的個體有較好的適應(yīng)值。另外兩兩競爭選擇策略對個體適應(yīng)度是否取正值無特別要求，因此可直接用問題的目標函數(shù)當作適應(yīng)度函數(shù)。
由于選擇、交叉、變異等遺傳操作的隨機性，為了防止在進化過程中得到的最優(yōu)個體被其破壞，采取保存最優(yōu)個體策略，即當前群體中適應(yīng)度最高的個體不參與交叉和變異運算而直接進入下一代，該策略的實施保證算法的收斂。
3．3 交叉和變異算子的改進
交叉是遺傳算法中尋找最優(yōu)個體的最主要手段，也是遺傳算法區(qū)別于其他優(yōu)化方法的主要標志。變異是避免“近親繁殖”，保持群體多樣性，實現(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)雜的多變量優(yōu)化問題時效率不高，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能夠提供相對某個解的最佳Pc、Pm。該算法在保持群體多樣性的同時，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
在交叉方式上，把個體適應(yīng)度大于群體平均適應(yīng)度的個體對應(yīng)于較低的交叉率，使該解得以保護進入下一代：對于低于平均適應(yīng)度的個體，相對于較高的交叉率，使該解被淘汰。在自適應(yīng)遺傳算法中，交叉率按式(7)進行自適應(yīng)調(diào)整：本文引用地址：http://www.ex-cimer.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′為準備交叉的2個個體中較大的適應(yīng)度值。
3．3．2 變異方式的改進
類似于交叉操作，這里采用改進的自適應(yīng)遺傳算法。變異率Pm按式(8)進行自適應(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
遺傳算法對初始解沒有要求，一般是通過預(yù)先設(shè)置進化代數(shù)來結(jié)束循環(huán)的，為了防止對于預(yù)先設(shè)置的代數(shù)還沒有收斂，可以在產(chǎn)生初始解的同時，用部分約束條件來檢驗，將不滿足條件的解重新生成，直到達到群體規(guī)模。
在遺傳算法迭代求解過程中，有時最優(yōu)解可能在未達到最大遺傳代數(shù)的時候就已經(jīng)出現(xiàn)，此時應(yīng)及時從迭代過程中跳出。針對這種情況提出了最大遺傳代數(shù)N與最優(yōu)個體適應(yīng)值連續(xù)保持不變的最小保留代數(shù)Np相結(jié)合的終止迭代準則，在給定的遺傳代數(shù)限定范圍內(nèi)來搜索最優(yōu)解，并確定該解經(jīng)過后面的多次迭代后仍為最優(yōu)，則退出進化。否則繼續(xù)搜索，直到滿足最優(yōu)個體最小保留代數(shù)為止。如果在最大遺傳代數(shù)N限定范圍內(nèi)沒有滿足最優(yōu)個體最小保留代數(shù)的解，則輸出當前得到的最優(yōu)解。
4 計算實例
為驗證改進算法的有效性，對比計算實際油田配電網(wǎng)的無功優(yōu)化。該實際配電網(wǎng)是10 kV變電所向外供配電的輻射狀配電網(wǎng)絡(luò)，有47個節(jié)點，46條支路，變壓器18臺，電容補償點5個。用前推回代法計算初始潮流結(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)的遺傳算法和改進的遺傳算法對其計算，計算結(jié)果如表l所示。
從表l計算結(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)點電壓較低。分別使用傳統(tǒng)遺傳算法和改進遺傳算法進行無功優(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)的運行費用，而且?guī)砀叩墓?jié)點電壓合格率，實現(xiàn)以最少的投入來獲取最佳電壓質(zhì)量和顯著經(jīng)濟效益的目標。同時從表l還可看出，改進遺傳算法具有更快的尋優(yōu)速度，從而可以提高計算效率，節(jié)省計算時間。算例結(jié)果驗證了改進遺傳算法的實用性和有效性。
5 結(jié)語
針對油氣田配電網(wǎng)無功優(yōu)化的特點，對傳統(tǒng)遺傳算法主要在選擇操作、交叉和變異算子、終止判據(jù)等核心操作上進行改進。改進的遺傳算法繼承了傳統(tǒng)遺傳算法的優(yōu)點，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)無功優(yōu)化補償中獲得了較好的效果。通過算例的計算表明該改進遺傳算法是有效可行的。
評論