电网规划的研究方法及特点

电力18讯：    
东北农业大学工程学院  王吉权　赵玉林

摘要：电力设施是国家的基础设施，是国家经济发展不可缺少的基础条件。合理地进行电网规划不仅可以获得巨大的社会效益，也可以获得巨大的经济效益。为了使电网规划趋于合理，该文介绍了电网规划的研究方法及特点，以便供大家更好地做好电网规划工作。

关键词：电网规划；电力系统；优化

中图分类号：TM715　　文献标志码：A　　文章编号:1003-0867(2006)02-0020-03

电网规划的目标是寻求最佳的电网投资决策，以保证整个电力系统的长期最优发展。其目的是根据电网发展及负荷增长情况合理地确定今后若干年的电网结构，使其既安全可靠又经济合理。电网规划的基本原则是在保证电力安全可靠地输送到负荷中心的前提下，使电网建设和运行的费用最小。

实践证明，设计上的少量改善往往就可以获得巨大的经济效益。早期的电网规划以方案比较为基础。这种方法是从几个设定的待选方案中通过技术经济比较选择出推荐的方案。然而，参加比较的方案往往是规划人员凭经验提出的，并不一定包括客观上的最优方案，更不可能包含全部可行方案，因此最终推荐方案含有相当的主观因素和局限性。随着数学、运筹学和计算机技术的发展，使得电网规划的新方法应运而生。目前，电网规划的研究方法主要有启发式优化方法和数学优化方法两种。

1 启发式优化方法

启发式优化方法是一种以直观分析为依据的算法，通常是基于系统某一性能指标对可行路径上的一些参数作灵敏度分析，并根据一定的原则选择要架设的线路。启发式方法又分为逐步扩展法和逐步倒推法。逐步扩展法是根据灵敏度分析的结果，以最有效的线路加入系统逐步扩展网络。逐步倒推法是将所有待选线路全部加入系统，构成一个冗余的虚拟网络，然后根据灵敏度分析，逐步去掉有效性低的线路。启发式方法的优点是：①简单、直观、灵活、计算量小、计算时间短；②易于同规划人员的经验相结合；③应用方便，相对数学方法能够较为准确地数学模拟电力行为。缺点是：①无法严格保证解的最优性；②不能很好地考虑各阶段各架线决策间的相互影响。因此，启发式方法不能保证得出的规划方案最优，特别是当规划期较长、待选线数量较多时，所得结果可能与真正的最优方案有很大偏差。

灵敏度方法是最早使用的启发式方法，基本思想是以某种有效性指标与决策变量的灵敏度关系作为启发式的准则，从待选线路中选出当前最有效的线路作为选中的架线。根据定义的有效性指标的不同，该方法可分为两类：一类是基于支路性能指标，根据系统运行时线路功率传输情况来完成线路的选择；另一类是基于系统性能指标，根据线路对整个系统的运行性能指标的影响程度来完成线路的筛选。该方法的优点是：①原理简单，实现方便；②易于同规划人员的经验相结合；③不需要考虑收敛问题，简单易行。缺点是：①只计算一条线路的指标，没有计及线路之间的相互影响；②从全局的角度确定架线方案，无法得到全局最优；③需要大量的灵敏度计算，④需要对模型进行线性化，精度将受到一定的影响。

模拟退火算法是以马尔科夫链的遍历理论为基础的一种适用于大型组合优化问题的随机搜索技术，算法的核心在于模拟热力学中固体物质冷却和退火过程，采用Metropolis接受准则避免落入局部最优解，渐进地收敛于全局最优[1]。模拟退火算法的优点是：可以较有效地防止陷入局部最优。缺点是：①为使每一冷却步的状态分布平衡需耗费很长的时间；②属于单点寻优，对存在多个最优解的问题不具有遗传算法的优势，需要进一步改进。有鉴于此，模拟退火法常与其他方法结合使用，以发挥各自的优势。

遗传算法是电网规划采用的一种新的优化方法，它根据优胜劣汰的原则进行搜索和优化，可以考虑多种目标函数和约束条件，特别适合于整数型变量的优化问题。遗传算法利用简单的编码技术和进化机制将规划问题抽象为纯数学问题，便于同时处理整数变量和连续变量，对于大型电网规划问题不需要分解处理，直接将网络的运行计算结果计入评价值，避免了由于分解或线性化造成的误差。遗传算法的优点是：①操作简单，通过交叉和变异等逐步完成进化，最终逐步收敛到最优解完成进化，相对灵敏度分析、线性规划等数学方法更便于执行；②多点寻优，不受搜索空间的限制性约束，不要求连续性、导数存在、单峰等假设，可以考虑多种目标函数和约束条件，使其在解决电网规划这种多目标、多约束、非线性、混合整数优化问题中得到广泛应用；③遗传算法在获得最优解的同时也能给出一些次优解，这为规划人员根据实际情况改变规划方案提供宝贵信息，弥补了数学规划只能求得单解的不足；④适于解决组合优化问题；⑤能以较大概率找到全局最优解。缺点是：①和算法收敛有关的控制参数，如种群规模、交叉率和变异率等还有待于进一步研究；②在参数选取不当时，有收敛到局部最优点的可能性；③计算速度慢。此外，考虑到模拟退