（广西广信电力设计有限公司 广西省南宁市 530023）
摘要：将以社学变电站近区网架为优化对象，建立的高压配网网架模型，基于遗传算法基本原理及高压配网网架优化流程，对该地区变电站网架进行了优化处理。对待规划变电站的路网数据及电气数据进行了采集分析，分析了优化结果。
关键词：遗传算法；高压配网网架；算法；采集分析；优化
一、基于遗传算法的高压配网网架优化流程
（1）建立高压配网网架优化模型
网架优化模型包括目标函数及约束条件，选用经济性最优（最小）为问题的目标函数，并根据实际电网要求确定约束条件。
（2）确定染色体编码及解码规则
由于二进制编码简单实用，本文采用二进制数对各条线路进行编码。定义当基因值为“1”时，网络中该条线路连通，当基因值为“0”时，该条线路未连通。二进制符号串的长度代表了待优化网架中可能存在的待选新建线路的条数，如某规划网络有7条待选新建线路，那么其染色体的二进制代码共七位，假如某个染色体代码为{1000111}，则表示该方案是将1,2,3,7条待选线路加入了输电网络。
（3）确定个体适应度评价方法
在算法运行过程中，为得到下一步搜索信息，需要不断衡量当前个体的适应度，确保算法朝向适应度越来越大的方向运行。由于本文研究课题是一个求目标函数最小值的问题，故采用式（4-7）所示方法获取适应度函数，其中Cmax的取值方法有：a.预先指定一个较大的数；b.进化到当前代为止的最大目标函数值；c.当前代或最近几代群体中的最大目标函数值。
（4）设计遗传算子
由于高压配网线路有限，问题规模不大，故可选用最基本、最常用的遗传算子进行计算。本文选取比例选择算子、单点交叉算子及基本位变异算子分别作为遗传算法的选择算子、交叉算子及变异算子，交叉概率pc及变异概率pm分别取为0.6和0.001。
（5）设置终止条件
由于本文所提问题群体规模较小，故采用判定准则，设定当连续n代个体平均适应度的差异小于一阈值Mf时，判定群体已经成熟算法可以终止。本文设置n=5,Mf=30.
详细的遗传算法优化流程如下图1所示：
.png)
图1遗传算法的主要优化过程示意图
.png)
图2社学变电站近区网架可能路径
二、原始数据采集与分析
（1）路网数据
社学变电站近区变电站如图2所示，图中实线表示在考虑实际地理约束后各站之间所有可能的连接路径。
该区域共有220kV变电站3个，包括220kV苍梧变、220kV允升变、220kV广信变；110kV变电站7个，分别为110kV社学变、110kV龙湖变、110kV谷塘变、110kV龙圩变、110kV旺步变、110kV生源变、110kV再生铜变电站。在考虑了路网约束即敷设方式对道路的要求和对电缆回数的限制后，各站之间可能存在的路径信息如表1所示。
表1社学变电站近区网架路径路网信息表
.png)
（2）电气数据
该规划区域共有3座220kV变电站，7座110kV变电站，表2所示为所有站点的地理节点编号及变电站容量。
表2规划区域变电站基本电气数据
.png)
表3采集了规划区域内2020年负荷预测的基本数据。220kV及110kV出线均采用zryjv22-3*400阻燃电力电缆，当地电缆报价80万元/km，电缆敷设费用报价100万元/km，当地综合电价取0.46元/度。
表3规划区域2020年负荷预测基本数据
.png)
（3）优化结果分析
根据提供的规划区域路网数据及电气数据，利用遗传算法进行最优网架规划。约束条件包括：
a.网络约束：网络必须保持连通性和辐射型约束；
b.路网约束：如图1所示，为考虑实际道路约束后的可能敷设方式；
遗传算法采用二进制编码方式，将任意一种可能存在的网架结构定位群体的某一表现型X，对表现型进行编码后即得到个体基因型，通过计算对应的目标函数值F(X)决定算法运行方向。遗传算法计算过程中选取比例选择算子、单点交叉算子及基本位变异算子，运行参数取：
群体大小M=20；
交叉概率pc=0.8；
变异概率pm=0.005；
终止条件设置为n=5，Mf=30000.
随机构造的初始群体如图3所示。
.png)
图3初始种群
图4所示为经遗传算法优化后得到的一种最优的网架接线方案，该最优方案的基因型为[11110111100100011100]，表现型为路径1、2、3、4、6、7、8、9、12、16、17、18连通，其他不连通，可得到此时电缆线路敷设长度为100.51km，利用式（4-1）~式（4-5）可计算出在该种网架结构下目标函数的取值，如表4所示。
.png)
图4利用遗传算法求得的最优网架接线方案
表4最优网架接线方案下目标函数取值
.png)
在最优接线结构下，网络的年投资费用为2184.93万元，即最小投资费用。
结束语
本文所提的算例优化并不是针对某一个变电站接入已有网架的方案设计，而是结合负荷分布情况，对一定区域内的变电站进行网架规划与设计。该规划充分发挥了遗传算法的全局最优解搜索能力，为电网网架规划提供了新的科学思路。
参考文献
[1]肖琼.电网规划的方法和关键技术研究[D].华中科技大学,2013.
[2]李游.基于改进遗传算法的配电网网架规划及软件开发[D].华北电力大学,2012.
[3]沈瑜,徐逸清,陈龙翔.高压配电网优化规划的研究[J].电网技术,2011,35(10):70-75.
[4]王银年.遗传算法的研究与应用[D].江南大学,2009.
[5]王丽娜.配电网网架规划的免疫遗传算法研究[D].重庆大学, 2006.