改进遗传算法在含DG配电网规划中的应用

许达　郑伟锋

摘要：由于分布式电源融入到配电网中，分布式电源和配电网规划间存在相互影响的关系。文章进行了一定的框架规划，同时在框架中加入了DG效益奖励因子，对于原有的遗传算法存在的译码复杂、迭代时间长、次数多等缺点，提出了一种改进的遗传算法。

关键词：改进遗传算法；分布式电源；配电网规划；DG效益奖励因子；电力负荷 文献标识码：A

中图分类号：TM76 文章编号：1009-2374（2016）31-0035-02 DOI：10.13535/j.cnki.11-4406/n.2016.31.018

配电网规划的目的是在已知的电力负荷以及电源规划的基础上，依照现有电力网络合理地对电网进行完善，使其可以达到经济的最大化。分布式电源简称为DG，可对能源危机有所缓解，并且可以对供电故障有所改变，确保电力供应的稳定高效。将DG加入到配电网中，DG的容量以及位置的确定对规划有所影响，合理进行DG的位置与容量的明确对配电网有着很大的积极

意义。

1 含DG的配电网规划简介

1.1 分布式电源和配电网的协调规划

配电网规划是一类目标众多的规划问题，增加了DG后，使规划的难度以及维数都得到了提高。以往传统的方法是先进行DG的容量与位置的确定，再据此进行配电网的规划，这是一类纵向规划方式。然而，DG与配电网架在配电网中有着相互影响的作用，凡是一个有所变化对另一个也会产生一定的作用，因此纵向规划已经不能使规划达到最佳状态。采取协调规划的方式，建立出配电网和分布式电源的科学关联，一同进行协调、规划，从而使整体规划达到完美。协调规划不但可以保证规划的整体性，而且计算简便，节省大量的计算时间。

1.2 含DG的配电网模型

含DG的配电网在进行规划时常常是以稳定性和经济性综合评定最佳为目标。本文以经济效益为基础，对环境效益进行考虑，依据DG的污染物与其他形式的区别，将DG所减少的污染治理费作为奖励因子添加到目标函数中，可以得到目标函数为：

式中：f1是配电线路以及DG建设与运行年费；f2是停电损失费用；f3是DG环境效益；ω是权重因子；n0规划节点数；N是安装DG节点数；r0是折射率；T是投资回收期限；gi和ui分别是建设费以及运行年费；c1是单位线路的维修和造价；lj，k是线路长度；A[j，k]是投资决策变量。ΔPj，k是线路有功损耗，

τmax是最大负荷小时数；c2是电价；λ是单位长线路故障率；c3j是j处停电损失；γ是DG的环境效益，是CO2、NOx、SO2等排放减少量和治理成本的乘积，即：

在进行配电网规划过程中有着诸多的约束条件，例如节点电压、电流、网络连通性、网络辐射性、DG容量等约束。在进行计算时，可以将电流、电压以及DG容量约束经由罚函数形式添进目标函数f中，将无法达到网络辐射与连通性的解加以修正。

1.3 规划算法

以往的算法在进行配电网规划时，有着搜索错误、逼近速度慢、迭代收敛难等缺点，特别是在约束及变量较多时出现问题更多。遗传算法与传统算法相比，有着不需要梯度信息、目标函数可导等优势，尤其在整数变量进行组合优化时极为适用，致使得到了非常广泛的使用。但是因为传统的遗传算法有着先收敛局部解、计算量大、时间长等缺点，从而产生了多种优化了的遗传算法。本文对传统的遗传算法进行改进，使其在配电网规划过程中可以得到最为科学合理的结果。

2 改进的遗传算法

2.1 编码

在进行以0-1向量作为编码模式来对适应值展开计算时，要根据一些规则来进行解码。如果数字量越大，在进行解码的计算时计算量也会很大，这会浪费大量的计算时间。对此将采取矩阵编码的方式，对拓扑结构如图1的网络连接采用矩阵编码与传统编码进行编码，分别是A和B。

B=（0，1，1，0，0，0，0，0，0，0，0，0，0，01，1，0，0，0，1，1，0，0，0，1，0，0，0）

A是经过关联矩阵进行变化获得，对角线右上的点安放分布式电源的容量，右上角中对应的是各个节点连接方式，其中1代表连接，0代表未连接，左下角的M不具有实际意义。如果电网的规模相对较大时，可以很轻松地看出矩阵编码方式要比B的编码形式要好。此外矩阵编码可以将配电网络的辐射性和连通性进行快速的修复，对分布式电源的联合迭代有着极大的作用。在适应值计算时不必再进行解码，可以将矩阵直接代入

运算。

通常来说，DG编码就是将分布式电源的容量和位置由0、1进行代替。假设DG较多时，在进行编码和解码时都会异常的复杂，同时交叉点选取出现不合理会对分布式电源的整体性有着极大的破坏力。矩阵进行编码的过程，第一，明确分布式电源的安装节点；第二，对分布式电源容量进行确定，同时对其初始数值加以明确，将初始数值安放在矩阵对角的节点位置，其他位置设定为0。进行解方程时，分布式电源金额配电网都不用进行解码，从而使计算量大大减少。如果交叉点i=j时，矩阵中变化的是相同分布式电源的不同的容量值，不再是进行0-1编码时所使用的二进制码，避免分布式电源容量在整体性上有所破坏，可以提升遗传算法的高效性。

2.2 不可行解修复

遗传运算过程中由于变异和交叉常常会出现许多的不可行解，使搜索范围扩大，从而使搜索的速率被降低，大量增加了计算时间。对此大量研究者对该问题展开了大量研究与改善，从而对这一问题的不足进行弥补。大量的参考文献在编码时有着许多的办法，例如有采取多节点进行编码，还有根节点融合法对变量进行编码，也有节点变量来对辐射性加以修复，但是这个方式对于连通性和变异所产生的新解有效性是没有办法保证的，此外利用搜索技术进行不可行解展开修复的方式，要进行环状网、孤岛、孤链分别加以操作，增加了操作的复杂程度。

本文所依照的矩阵进行修复仅仅需要一次操作即可，就能够满足对整个配电网的辐射和连通性能。首先对有关内容进行定义，出列即电流或功率所在节点的列，入列即出节点所在功率或电流流入得节点所在列位置，等效入列即如果一个节点上有一个入列节点，该节点与另一节点相连，那么这两个节点就是等效入列。实际的操作方法如下：依据节点的大小从小到大地进行出列编写，同时对入列节点的出现次数进行搜索，当大于1时，使用出现次数为0的等效节点进行代替。这是构建一个新的矩阵X，根据矩阵X可以获取新的能够和网络连接的节点，从而形成一个闭合的环状网络。如果未进行相连，便会产生出孤立的网络，此时将矩阵表示为假设满足网络辐射与连通的需求，每个节点有且仅有一个入列节点。之后对矩阵X加以修复，根据编号从小到大来搜索节点，再对网络展开修复。

2.3 计算流程

本文所改进的遗传算法主要有如下三点：第一，避免近亲出现交叉，换句话说就是在进行迭代时，添加对矩阵的比较环节，对矩阵的欧式距离进行计算，当距离较小时去除适应度小的矩阵；第二，增设兄弟比较环节，简而言之就是对父代所产生的子代展开比较，将其中不合理的数值加以去除，从而使搜索范围变小；第三，尽可能避免出现反复比较的情况，对此可引入不良群集来对去除的节点进行记录和统计，防止出现重复比较，从而减少计算量，提高计算效率。

3 结语

通过以上的算法进行分析可知，在进行配电网规划时添加DG，从而得到一种规划框架，可以将规划中的相互影响的因素加以改善，可以根据计算来对可行性进行验证。此外在其中融入了环境效益，可以进行对环境损害小的分布式电源发电加以奖励，以此来达到对环境的保护，保证资源的循环与可持续利用。改进后的遗传算法可以有效地对计算编码中存在的问题进行解决，比以往的遗传算法拥有计算时间短、计算量小、计算效率高的优势，可以进行大规模的应用。

参考文献

[1] 李宁.分布式电源在配电网中布点规划研究[J].东北 电力大学学报，2015，（2）.

[2] 鲍博.智能电网建设中分布式电源的规划研究[J].通 讯世界，2016，（8）.

[3] 赵宪，周力行，邓维.改进的层次分析法在含分布 式电源系统电能质量综合评估中的应用[J].中国电 力，2014，（12）.

[4] 王迪，吴鑫强，王振浩.基于改进遗传算法的含分布 式电源配电网故障定位[J].东北电力大学学报， 2016，（1）.

[5] 冯雪平，宋晓辉，等.基于最小生成树及改进遗传 算法的含分布式电源配电网孤岛划分方法[J].高电压 技术，2015，（10）.

[6] 吴万禄，韦钢，谢丽蓉，张鑫.含分布式电源与充电 站的配电网协调规划[J].电力系统保护与控制， 2014，（15）.

[7] 徐鹏，陆迪，辛钇辰.基于改进遗传算法的分布式电 源优化配置[J].科协论坛（下半月），2013，（9）.