基于改进蚁群算法的电力设备自适应调度方法研究

刘胜强，杜家兵

（广东电网有限责任公司佛山供电局，广东佛山 528000）

随着电网和变电设备规模的不断增大，电力设备的规模和集成度需求不断提升，需优化电力设备的自适应调度，结合对电力设备的参数分析和输出稳态特征分析，构建电力设备自适应调度的控制目标对象模型，通过参数模拟和线性规划设计，实现对电力设备的自适应调度，提高电力设备的应用可靠性和输出稳定性，研究电力设备自适应调度方法[1]，对电力设备的优化管理和信息化控制具有重要意义，相关的电力设备自适应调度方法研究受到人们的极大关注。

电力设备自适应调度方法研究建立在电力设备的输出参数特征分析基础上，采用空间参数特征融合和分布式检测识别方法，构建电力设备自适应调度的参数识别和自相关信息参数融合模型，结合模糊度检测和优化的寻优控制算法，实现对电力设备自适应调度。传统方法中，对电力设备自适应调度的方法主要有基于同步电机输出稳态特征分析的电力设备自适应调度方法[2]、基于联合自相关特征匹配的电力设备自适应调度方法[3]、基于惯性波动特征解析和发电单元随机性分析的电力设备自适应调度方法[4]等。传统方法中通过构建电力设备自适应调度的控制策略，结合储能装置特征分析，实现电力设备自适应调度，但进行电力设备调度的自适应性不好，输出稳定性不强。

针对上述问题，该文提出基于改进蚁群算法的电力设备自适应调度方法研究。利用所设计的仿真实验验证了所提方法能够明显提高电力设备自适应调度能力。

1 参数解析模型

1.1 电力设备自适应调度的小信号分析

为实现基于改进蚁群算法的电力设备自适应调度，构建电力设备自适应调度的小信号检测识别模型[5]。结合电力设备的输出功率参数同步融合控制方法，进行电力设备各模块输入输出量之间的关系特征分析[6]，结合多芯片并联压接式控制方法，得到电力设备的器件内部电流分布信号参数为：

其中，IA为器件内部总电流，IB为器件输入电流，IC为器件输出电流，根据器件内部电流的规律性分布，结合器件的导通电阻参数识别方法，得到电力设备自适应调度的电子迁移特征分析模型，电子的迁移传递函数为Fij(A)=0。当i∉I、j∈I时，可知电力设备自适应调度的模糊搜索过程满足：

根据上述分析，完成电力设备内部调度过程的小信号分析。

1.2 电力设备的参数解析及自适应调度对象模型

结合电力设备的输出功率参数同步融合控制方法，进行电力设备各模块输入输出量之间的关系特征分析，通过控制器参数融合特征分析方法[7]，构建电力设备自适应调度控制对象模型，得到电力设备的参数解析内部结构特征分布概率为：

考虑功率器件工作差异性，在不同加载应力和温度差异下，得到电力设备自适应调度的联合特征参数分布为：

采用约束参数重组的方法，得到电力设备自适应调度的电流分布规律性模板函数为：

则有：

由此构建了电力设备的参数解析及自适应调度对象模型[8]，根据图1 所示的蚁群控制算法，进行电力设备调度的自适应寻优。

图1 蚁群控制算法

2 电力设备自适应调度优化

2.1 改进蚁群优化算法

采用改进的蚁群优化算法，构建电力设备自适应调度的终端对应用户类型解析模型[9]，得到蚁群寻优的代价函数收敛极限式为：

根据需求响应控制终端类型分布，结合参与需求响应调控起止时间分布[10]，得到电力设备自适应调度的蚁群寻优个体满足：

将电力设备自适应调度的终端均衡调度问题描述为蚁群寻优问题，即：

其中，α为可调负荷参数，电力设备自适应调度的输出最小均方误差估计值为：

其中，an为所对应的实时负荷量偏移量，bn为电力设备自适应调度的调制分量，用户对应S(t)=a0t时间的负荷总量调度带宽为Δ，由此可得蚁群寻优控制的融合度函数为：

加入多径分量，采用自适应权重参数学习的方法，构建电力设备自适应调度的优化寻优控制模型[11]。

2.2 电力设备自适应调度输出

根据需求响应控制终端类型分布，结合参与需求响应调控起止时间分布，构建可调负荷总量均衡控制模型[12]，进行电力设备的惯性参数融合，t时刻下模糊调控参数模型为：

将电力设备惯性参数数据调度集x的值减1，结合延迟参数模拟和线性拟合方法，得到电力设备惯性参数数据调度的输出迭代式为：

其中，λ为电力设备惯性系数，根据给出的负荷调度任务分配方式，得到电力设备惯性参数数据调度的期望负荷量：

令M=，基于需求响应终端执行负荷控制，得到联合调度的偏差为：

其中，τ为需求响应终端变量，实际调整负荷量为：

预期需调整的负荷量为：

根据所期望调整的负荷比例分布[13-15]，结合蚁群寻优结果，实现电力设备的自适应调度。电力设备自适应调度系统的实现流程如图2 所示。

图2 电力设备自适应调度系统的实现流程

3 仿真测试

为验证该文方法实现电力设备自适应调度的应用性能，进行仿真测试分析，设定电力设备的输出功率增益为120 dB，功耗为24 kW，稳态电压220 V，蚁群的个体个数为1 200，寻优迭代次数为400，个体差异性系数为0.26，根据上述参数设定，得到电力设备的输出零序基波分量如图3 所示[16]。

图3 电力设备的输出零序基波分量

根据图3所示的电力设备的输出零序基波分量得知，该文方法的仿真与理论计算曲线趋势基本一致。

测试不同方法进行电力设备自适应调度的稳定性，将文献[2]方法、文献[3]方法和文献[4]方法作为对比对象，得到对比结果如图4 所示。

图4 电流输出稳定性测试

分析图4 得知，相比文献[2]方法、文献[3]方法和文献[4]方法，该文方法随着迭代次数的增加，器件输出电流幅度较小，表明该文方法进行电力设备自适应调度的稳定性较好。测试均衡参数，得到对比结果如表1 所示。

表1 电力设备自适应调度均衡性测试

分析表1 得知，该文方法进行电力设备自适应调度的输出均衡性较好。

4 结束语

为优化电力设备的自适应调度能力，提出基于改进蚁群算法的电力设备自适应调度方法。构建电力设备的交互传输协议，结合系统参数识别和网络模块化设计，自适应调度电力设备。并采用改进蚁群控制算法，进行电力设备的内部结构参数分析。采用自适应权重参数学习的方法，构建电力设备自适应调度的优化寻优控制模型。研究得知，该文方法进行电力设备自适应调度的稳定性和均衡性较好。