您的位置：山东大学 -> 科技期刊社 -> 《山东大学学报（工学版）》

山东大学学报 (工学版) ›› 2019, Vol. 49 ›› Issue (5): 17-23.doi: 10.6040/j.issn.1672-3961.0.2019.123

• 电气工程———人工智能应用专题 • 上一篇    下一篇

基于偏好多目标优化和遗传算法的输电网架重构

孙润稼1(),朱海南2,刘玉田1   

  1. 1. 电网智能化调度与控制教育部重点实验室(山东大学), 山东 济南 250061
    2. 国网山东省电力公司潍坊供电公司, 山东 潍坊 261021
  • 收稿日期:2019-03-28 出版日期:2019-10-20 发布日期:2019-10-18
  • 作者简介:孙润稼(1993—)，男，山东烟台人，博士研究生，主要研究方向为电力系统恢复.E-mail:sunrunjia@mail.sdu.edu.cn
  • 基金资助:
    国家重点研发计划项目(2017YFB0902600)

Transmission network reconfiguration strategy based on preference multiobjective optimization and genetic algorithm

Runjia SUN1(),Hainan ZHU2,Yutian LIU1   

  1. 1. Key Laboratory of Power System Intelligent Dispatch and Control of Ministry of Education(Shandong University), Jinan 250061, Shandong, China
    2. Weifang Power Supply Company, State Grid Shandong Electric Power Company, Weifang 261021, Shandong, China
  • Received:2019-03-28 Online:2019-10-20 Published:2019-10-18
  • Supported by:
    国家重点研发计划项目(2017YFB0902600)

RichHTML

8

PDF (PC)

778

摘要：

提出一种基于偏好多目标优化和遗传算法的输电网架重构方法,考虑对于不同优化目标的偏好,制定网架重构方案。计及系统中机组、线路以及负荷的影响,提出3个评价指标作为优化目标,构建一个偏好多目标优化模型。考虑到所建优化模型的偏好性和离散性,提出一种基于偏好的非支配排序遗传算法。提出基于偏好的支配关系、种群规模控制技术以及重复个体过滤技术,用于提高算法的效率,获得解数目可控的偏好Pareto最优解集。仿真结果表明,所提模型能够有效平衡网架重构的不同影响因素,所提算法对于网架重构优化问题有较高的求解效率。

关键词: 电力系统恢复, 偏好多目标优化, 遗传算法, NSGA-Ⅱ

Abstract:

This paper proposed a transmission network reconfiguration strategy based on preference multiobjective optimization and genetic algorithm, which incorporated the preferences for different objectives to obtain network reconfiguration schemes. Considering the factors about generators, transmission lines and loads, three objectives were proposed to establish a preference multiobjective optimization model. Considering the preference and discreteness of the model, a preference-based nondominated sorting genetic algorithm Ⅱ was designed. To improve the solve efficiency, the preference-based dominance relation, population sacle control technique and repetitive individual filtration technique were proposed to obtain a preference Pareto solution set with a controllable number of solutions. The simulation results demonstrated that the strategy could reasonably leverage the tradeoff among different factors about network reconfiguration, and the proposed algorithm was highly efficient in solving network reconfiguration optimization problems.

Key words: power system restoration, preference multiobjective optimization, genetic algorithm, NSGA-Ⅱ

中图分类号: 

  • TM732

图1

P-NSGA-Ⅱ算法流程图"

图2

参考点确定流程图"

图3

不同算法所得骨干网架"

表1

负荷数据"

节点编号 重要负荷比例
3 0.20
4 0.50
7 0.25
8 0.20
13 0.45
15 0.40
16 0.35
18 0.55
20 0.25
21 0.30
23 0.40
24 0.35
25 0.30
26 0.20
27 0.25
28 0.50
29 0.20

表2

机组恢复顺序和目标函数值"

方案编号 机组启动顺序 f1 f2 f3
1 34, 36, 35, 31, 37, 32, 38, 30 5.642 6 0.123 8 0.336 7
2 34, 36, 35, 31, 37, 32, 38, 30 5.661 5 0.129 6 0.3279
3 34, 36, 35, 38, 37, 32, 31, 30 5.500 0 0.130 0 0.3279

表3

网架重构优化结果"

方法 f1 f2 f3 In
本研究 5.642 6 0.123 8 0.336 7 0.893 1
MILP[15] 5.756 0 0.109 5 0.323 9 0.892 5
TCSN[16] 5.600 3 0.102 5 0.319 9 0.900 9

图4

不同算法收敛曲线"

图5

不同参考点解的分布"

1 SUN R , LIU Y , WANG L . An online generator start-up algorithm for transmission system self-healing based on MCTS and sparse autoencoder[J]. IEEE Transactions on Power Systems, 2019, 34 (3): 2061- 2070.
2 刘玉田, 孙润稼, 王洪涛, 等. 人工智能在电力系统恢复中的应用综述[J]. 山东大学学报(工学版), 2019, 49 (5): 1- 8.
LIU Yutian , SUN Runjia , WANG Hongtao , et al. Review on application of artificial intelligence in power system restoration[J]. Journal of Shandong University (Engineering Science), 2019, 49 (5): 1- 8.
3 刘玉田, 王洪涛, 叶华. 电力系统恢复理论与技术[M]. 北京: 科学出版社, 2014.
4 NAGATA T , SASAKI H , YOKOYAMA R . Power system restoration by joint usage of expert system and mathematical programming approach[J]. IEEE Transactions on Power Systems, 1995, 10 (3): 1473- 1479.
5 LIU Y , SUN P , WANG C . Group decision support system for backbone-network reconfiguration[J]. International Journal of Electrical Power & Energy Systems, 2015, 71, 391- 402.
6 LIN Z , WEN F , XUE Y . A restorative self-healing algorithm for transmission systems based on complex network theory[J]. IEEE Transactions on Smart Grid, 2016, 7 (4): 2154- 2162.
7 宋坤隆, 谢云云, 殷明慧, 等. 应用网络流理论的停电系统恢复路径混合整数线性优化模型[J]. 电力系统自动化, 2017, 41 (3): 25- 32.
SONG Kunlong , XIE Yunyun , YIN Minghui , et al. Cooper-ative frequency control strategy for wind farm black-start based on virtual inertia[J]. Automation of Electric Power Systems, 2017, 41 (3): 25- 32.
8 魏智博, 刘艳, 顾雪平. 基于DPSO算法以负荷恢复为目标的网络重构[J]. 电力系统自动化, 2007, 31 (1): 38- 42.
WEI Zhibo , LIU Yan , GU Xueping . DPSO algorithm based network reconfiguration of power system for maximizing load recovery efficiency[J]. Automation of Electric Power Systems, 2007, 31 (1): 38- 42.
9 王洪涛, 刘玉田. 基于NSGA-Ⅱ的多目标输电网架最优重构[J]. 电力系统自动化, 2009, 33 (23): 14- 18.
WANG Hongtao , LIU Yutian . Multi-objective optimization of power system reconstruction based on NSGA-Ⅱ[J]. Automation of Electric Power Systems, 2009, 33 (23): 14- 18.
10 张雪丽, 梁海平, 朱涛, 等. 基于模糊机会约束规划的电力系统网架重构优化[J]. 电力系统自动化, 2015, 39 (14): 68- 74.
ZHANG Xueli , LIANG Haiping , ZHU Tao , et al. Optimization of power network reconfiguration based on fuzzy chance constrained programming[J]. Automation of Electric Power Systems, 2015, 39 (14): 68- 74.
11 曾顺奇, 文福拴, 薛禹胜, 等. 计及操作时间不确定性的电力系统网架重构策略优化[J]. 电力系统自动化, 2011, 35 (23): 16- 21.
ZENG Shunqi , WEN Fushuan , XUE Yusheng , et al. Optimization of network reconfiguration strategy for power systems considering operating time uncertainty[J]. Automation of Electric Power Systems, 2011, 35 (23): 16- 21.
12 BEN SAID L , BECHIKH S , GHEDIRA K . The r-Dominance: a new dominance relation for interactive evolutionary multicriteria decision making[J]. IEEE Transactions on Evolutionary Computation, 2010, 14 (5): 801- 818.
13 DEB K , PRATAP A , AGARWAL S , et al. A fast and elitist multiobjective genetic algorithm: NSGA-Ⅱ[J]. IEEE Transactions on Evolutionary Computation, 2002, 6 (2): 182- 197.
14 MOLINA J , SANTANA L V , HERNANDEZ-DIAZ A G , et al. G-dominance: reference point based dominance for multiobjective metaheuristics[J]. European Jorunal of Operational Research, 2009, 197 (2): 685- 692.
15 ZHANG C , LIN Z , WEN F , et al. Two-stage power network reconfiguration strategy considering node importance and restored generation capacity[J]. IET Generation, Transmission & Distribution, 2014, 8 (1): 91- 103.
16 SUN W , LIU C , ZHANG L . Optimal generator start-up strategy for bulk power system restoration[J]. IEEE Transactions on Power Systems, 2011, 26 (3): 1357- 1366.
17 LIU Y , GU X . Skeleton-network reconfiguration based on topological characteristics of scale-free networks and discrete particle swarm optimization[J]. IEEE Transactions on Power Systems, 2007, 22 (3): 1267- 1274.
18 VAN VELDHUIZEN D A, LAMONT G B. On measuring multiobjective evolutionary algorithm performance[C]// 2000 Congress on Evolutionary Computation. La Jolla, CA, USA: IEEE, 2000: 204-211.
[1] 邵孟伟,袁世飞,周宏志,王乃华. 基于BP神经网络和遗传算法的翅片管结构优化[J]. 山东大学学报 (工学版), 2025, 55(6): 76-82.
[2] 孙尚渠,张恭禄,蒋志斌,李朝阳. 盾构滚刀磨损的影响因素敏感性分析及预测[J]. 山东大学学报 (工学版), 2025, 55(1): 86-96.
[3] 陈吟枫,肖晋宇,侯金鸣,江涵,赵小令,施啸寒. 基于精细化运行模拟的源-网-储协同短期扩展规划[J]. 山东大学学报 (工学版), 2024, 54(6): 156-166.
[4] 李二超, 张智钊. 在线动态订单需求车辆路径规划[J]. 山东大学学报 (工学版), 2024, 54(5): 62-73.
[5] 赵姣,杨倩倩,胡大伟,胡卉,李洋. 基于排队模型的电动物流车充电站选址和运输路径问题[J]. 山东大学学报 (工学版), 2024, 54(2): 47-59.
[6] 孙东磊,杨思,韩学山,叶平峰,王宪,刘蕊. 高比例风电接入下计及时段间耦合旋转备用响应风险的动态经济调度方法[J]. 山东大学学报 (工学版), 2022, 52(5): 111-122.
[7] 孙东磊, 鉴庆之, 李智琦, 韩学山, 王明强, 陈博, 付一木. 源网协调的电力系统均匀性规划[J]. 山东大学学报 (工学版), 2022, 52(5): 92-101.
[8] 宋修广,张营超,庄培芝,杨鹤,张海凤,王娟. 基于遗传算法的道路安定极限优化求解方法[J]. 山东大学学报 (工学版), 2021, 51(5): 1-7.
[9] 郭蓉蓉,张汝华,马信辉,郭森垚. 近交叉口路中式快速公交站点选址优化[J]. 山东大学学报 (工学版), 2021, 51(3): 61-67.
[10] 刘玉田, 孙润稼, 王洪涛, 顾雪平. 人工智能在电力系统恢复中的应用综述[J]. 山东大学学报 (工学版), 2019, 49(5): 1-8.
[11] 顾雪平, 杨超, 梁海平, 王元博, 李少岩. 异步电网并行协调恢复策略的优化制定方法[J]. 山东大学学报 (工学版), 2019, 49(5): 9-16.
[12] 公冶小燕,林培光,任威隆. 基于Grefenstette编码和2-opt优化的遗传算法[J]. 山东大学学报 (工学版), 2018, 48(6): 19-26.
[13] 陈嘉杰,王金凤. 基于蚁群算法求解Choquet模糊积分模型[J]. 山东大学学报(工学版), 2018, 48(3): 81-87.
[14] 王飞,徐健,李伟,汪新浩,施啸寒. 基于分布式储能系统的风储滚动优化调度方法[J]. 山东大学学报(工学版), 2017, 47(6): 89-94.
[15] 王常顺,肖海荣. 基于自抗扰控制的水面无人艇路径跟踪控制器[J]. 山东大学学报(工学版), 2016, 46(4): 54-59.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
[1] 王素玉,艾兴,赵军,李作丽,刘增文 . 高速立铣3Cr2Mo模具钢切削力建模及预测[J]. 山东大学学报(工学版), 2006, 36(1): 1 -5 .
[2] 李 侃 . 嵌入式相贯线焊接控制系统开发与实现[J]. 山东大学学报(工学版), 2008, 38(4): 37 -41 .
[3] 施来顺,万忠义 . 新型甜菜碱型沥青乳化剂的合成与性能测试[J]. 山东大学学报(工学版), 2008, 38(4): 112 -115 .
[4] 孔祥臻,刘延俊,王勇,赵秀华 . 气动比例阀的死区补偿与仿真[J]. 山东大学学报(工学版), 2006, 36(1): 99 -102 .
[5] 来翔 . 用胞映射方法讨论一类MKdV方程[J]. 山东大学学报(工学版), 2006, 36(1): 87 -92 .
[6] 余嘉元1 , 田金亭1 , 朱强忠2 . 计算智能在心理学中的应用[J]. 山东大学学报(工学版), 2009, 39(1): 1 -5 .
[7] 陈瑞,李红伟,田靖. 磁极数对径向磁轴承承载力的影响[J]. 山东大学学报(工学版), 2018, 48(2): 81 -85 .
[8] 王波,王宁生 . 机电装配体拆卸序列的自动生成及组合优化[J]. 山东大学学报(工学版), 2006, 36(2): 52 -57 .
[9] 李可,刘常春,李同磊 . 一种改进的最大互信息医学图像配准算法[J]. 山东大学学报(工学版), 2006, 36(2): 107 -110 .
[10] 季涛,高旭,孙同景,薛永端,徐丙垠 . 铁路10 kV自闭/贯通线路故障行波特征分析[J]. 山东大学学报(工学版), 2006, 36(2): 111 -116 .
版权所有 © 2018 《山东大学学报(工学版)》编辑部　
地址: 济南市山大南路27号（250100）　 电话: 0531-88366735　 E-mail: xbgxb@sdu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发