改进蚁群算法在动态输电网优化规划中的应用研究

李 宁，刘 青，时晨杰，熊 俊，尚英强，邰宝宇

(国网北京市电力公司，北京 100022)

电力的广泛应用极大地提高了生活和工作的效率，节约了大量的体力和脑力劳动，为促进国民经济迅速发展起到了不可替代的关键性作用。作为电力系统研究领域中极为重要的组成部分，电网规划的投资随着用电量的增加逐年增大，成功的电网规划能有效节约输电成本，并带来极大的经济和社会效益。

随着城市化持续推进和国民经济的不断增长，既有输电网络逐渐呈现出无法满足用户需求的现象，这就要求在电网规划阶段就要考虑必要的扩建方案，而扩建过程中初始投资成本取决于建设投资的回收率、电网经济运行情况、可持续发展等过程。众多学者对电网优化规划问题进行了研究，并取得了丰硕成果。曹一家、聂宏展、潘智俊等[1-3]均对电网的合理规划展开了研究；洪绍云和Zhou 等[4-5]结合实际案例，对输电网扩展优化规划和输电网负荷恢复方案等进行了大量研究；张衡等[6]研究了N-1安全网络约束下电力系统中输电网结构的优化设计。然而随着电网系统数据量逐年增大，对庞大数据的处理和优化仍存在诸多挑战。此外，不少学者将电网规划中众多优化方面的因素全部引入系统，不仅会造成计算困难，优化算法也会变得极为复杂。为改善上述问题，本文建立了动态输电网优化规划数学模型，并提出应用改进蚁群算法解决动态电网优化规划问题。

1 动态输电网优化规划的数学模型

(1)

在电网线路正常运行和N-1故障情况下，主要考虑电网节点上的功率平衡和线路潮流，约束条件如下[8]：

(2)

(3)

(4)

2 改进蚁群算法在动态电网优化规划中的实现方法

当q≤q0时：

(5)

当q>q0时：

(6)

进一步，在所有蚂蚁均完成“行走”后要进行局部和全局更新。信息素局部更新公式如下：

(7)

式中：τt(i,j)为t时刻信息素浓度；x为当前蚂蚁经过的线路数；τ0为初始信息素浓度；N为线路数；Γ(·)为泊松分布函数。同理，信息素全局更新公式如下。

(8)

确认规划方案后，借助于短线分析对优化规划结果进行N-1检验并求得目标函数中相应的值[9]。

综上所述，基于蚁群算法的动态电网优化计算流程图如图1所示。

图1 基于蚁群算法的动态电网优化计算流程

3 实际应用

为研究改进蚁群算法在动态输电网优化规划中的应用，选取IEEE-6节点系统，规划期共计30年，分3个阶段，每阶段10年。各阶段不同节点的发电出力和负荷数据见表1。节点6为新建电厂，为满足电力系统平衡需要接入电网中。IEEE-6节点系统初始网络结构如图2所示，系统支路参数见表2。

图2 IEEE-6节点系统初始网络结构

表1 各阶段不同节点发电出力和负荷数据 单位：MW

表2 IEEE-6节点系统支路参数

基于改进蚁群算法，借助MATLAB编程，将表1，2中数据代入电网优化规划模型中进行求解。根据该电网实际情况，蚂蚁数取w=30，q0取0.1，Q取50，启发函数重要性β取3.0。为使计算结果更加精确，计算过程取最大迭代次数为500，最终得到考虑N-1检验的IEEE-6节点系统最优化计算结果，见表3。

表3 考虑N-1检验的IEEE-6节点系统最优化计算结果

进一步验证所提算法性能，在操作系统为Windows10、CPU为Intel-corei5-4460 3.20 GHz、8 GB RAM的实验环境下，将所提算法与遗传算法(GA)、粒子群算法(PSO)、人工蜂群算法(ABC)和传统蚁群算法(ACO)的执行时间对比。每种算法独立执行30次，不同算法执行时间统计结果见表4。由表可知，所提算法平均执行时间为2.031 s，优于其他算法。因此，所提方法在解决动态输电网优化问题时具有更好的性能。

表4 不同算法执行时间统计结果 单位：s

4 结束语

本文介绍了动态输电网优化规划数学模型，分析了改进蚁群算法在动态电网优化规划中的应用，借助于MATLAB编程，采用所提改进蚁群算法对IEEE-6节点系统动态输电网进行优化规划，并取得了较好的应用效果。未来可对输电网络优化规划过程中的参数取值进行研究，进一步优化输电网络优化规划方案。