計(jì)算機(jī)仿真在提升負(fù)控系統(tǒng)覆蓋率中的應(yīng)用研究

田博今++李源++劉亞敏++陳勁

摘 要：營銷負(fù)控系統(tǒng)在電力網(wǎng)絡(luò)中監(jiān)控包括負(fù)荷在內(nèi)的各項(xiàng)數(shù)據(jù)，隨著電力負(fù)荷需求越來越多，而電力供需也會(huì)因各種原因失去平衡，這就要求負(fù)控終端的覆蓋率盡可能的提高，從而達(dá)到對(duì)電網(wǎng)實(shí)現(xiàn)最優(yōu)控制，確保重要負(fù)荷點(diǎn)不受影響。隨著人工智能領(lǐng)域的發(fā)展，使用計(jì)算機(jī)對(duì)現(xiàn)實(shí)世界的問題進(jìn)行仿真，尋找最優(yōu)化的方案已經(jīng)有了越來越多的實(shí)際應(yīng)用，該文在分析電力負(fù)控系統(tǒng)特征的基礎(chǔ)上，使用人工魚群算法來優(yōu)化負(fù)控系統(tǒng)方案，提升覆蓋率。

關(guān)鍵詞：負(fù)控系統(tǒng) 智能電網(wǎng) 人工魚群算法 覆蓋率

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2014）12（b）-0016-01

隨著電力網(wǎng)絡(luò)負(fù)荷需求的不斷變化，負(fù)控系統(tǒng)能監(jiān)控每個(gè)用戶節(jié)點(diǎn)負(fù)荷變化情況在電力網(wǎng)絡(luò)中的地位變得越來越重要。在目前階段，由于負(fù)控終端尚未達(dá)到覆蓋每個(gè)用戶節(jié)點(diǎn)，因此要盡可能的擴(kuò)展負(fù)控終端的覆蓋范圍，以達(dá)到成本和覆蓋率之間的最優(yōu)化。由于計(jì)算機(jī)仿真領(lǐng)域的發(fā)展，我們可以將現(xiàn)實(shí)世界中的事物在計(jì)算機(jī)中進(jìn)行模擬仿真。將負(fù)荷控制系統(tǒng)的覆蓋規(guī)劃，通過建立數(shù)學(xué)模型，結(jié)合電力網(wǎng)絡(luò)運(yùn)行的實(shí)際參數(shù)進(jìn)行仿真，模擬現(xiàn)實(shí)中電力網(wǎng)絡(luò)的運(yùn)行，然后通過仿真系統(tǒng)的參數(shù)來調(diào)整負(fù)控規(guī)劃方案。

1 可用于覆蓋率的常見優(yōu)化算法

使用數(shù)學(xué)分析進(jìn)行建模和計(jì)算機(jī)仿真模擬進(jìn)行覆蓋率的研究在現(xiàn)實(shí)社會(huì)中有著很大的應(yīng)用，例如移動(dòng)基站的覆蓋率、衛(wèi)星通訊的覆蓋率等等。

1.1 人工魚群算法

人工魚群算法（Artificial Fish-swam Algorithm）是一種模擬魚群行為的優(yōu)化算法，它具有天然的分布式和自組織特征，是通過模擬自然界生物聚群行為來得到最優(yōu)化方案的算法。人工魚群算法采用自下而上的思路，從魚群中每個(gè)個(gè)體的行為開始局部尋優(yōu)，最后可以在群體中表現(xiàn)出全局最優(yōu)[1]。人工魚群算法的核心思想是根據(jù)指定水域中食物最多的地方是魚類密度最高的地方這一特點(diǎn)來模擬魚群的覓食行為，從而得到最優(yōu)化的方案。

人工魚群算法描述了幾種魚群的行為[1]。覓食行為，魚群在目前所處區(qū)域中通過感知來尋找事物最豐富的區(qū)域，可以通過建立感知模型來模擬魚群覓食的行為。追尾行為，當(dāng)魚群中少數(shù)個(gè)體尋找到食物后，周圍的其他個(gè)體也會(huì)向該區(qū)域集中，從而導(dǎo)致更多的個(gè)體朝著該區(qū)域集中。集群行為，魚類的活動(dòng)是一種具有群體性的活動(dòng)，這樣有助于躲避天敵等，這種群體性行為能夠被很好的用于解決最優(yōu)化問題。隨機(jī)行為，魚類在沒有發(fā)現(xiàn)事物之前的活動(dòng)是一個(gè)朝著隨機(jī)方向活動(dòng)的行為。人工魚群算法不需要考慮問題的特殊信息，只需要對(duì)問題進(jìn)行優(yōu)劣的比較，有著較快的收斂速度。

1.2 粒子群算法

粒子群優(yōu)化（Particle Swarm Optimization，PSO）算法是一種進(jìn)化算法的一種，是通過模仿自然界中鳥群尋找食物過程中的群體性規(guī)律而建立的模型，并且用來尋找現(xiàn)實(shí)問題中的最優(yōu)解。粒子群算法從隨機(jī)的初始狀態(tài)出發(fā)，通過不斷的迭代來尋找最優(yōu)解，算法所需參數(shù)少、容易實(shí)現(xiàn)、搜索效果較好、收斂速度快、可并行實(shí)現(xiàn)。

在粒子群優(yōu)化算法中，每個(gè)粒子都是問題的一個(gè)解，而且每個(gè)粒子都有自己的初始位置和移動(dòng)方式。每個(gè)粒子都保存了目前為止自己發(fā)現(xiàn)的最優(yōu)位置和所有粒子發(fā)現(xiàn)的未知中最佳的位置。每個(gè)粒子根據(jù)自己所知道的信息來決定自己的移動(dòng)方式。

粒子群算法的優(yōu)化算法有很多種，包括混沌粒子群算法等都在實(shí)際應(yīng)用中發(fā)揮了很大的作用。

2 覆蓋率算法在負(fù)控系統(tǒng)中的應(yīng)用

負(fù)控系統(tǒng)在電力網(wǎng)絡(luò)中有兩個(gè)重要的應(yīng)用，首先是數(shù)據(jù)采集節(jié)點(diǎn)，通過部署在各個(gè)電力網(wǎng)絡(luò)節(jié)點(diǎn)的負(fù)控終端來實(shí)時(shí)的采集電力負(fù)荷的運(yùn)行數(shù)據(jù)，并且通過中繼站上傳到負(fù)控中心。由于中繼站的成本較高，因此在中繼站的部署過程中也要通過仿真分析來確定一個(gè)優(yōu)化的部署方案。在中繼站的部署過程中要考慮到本區(qū)域的電力負(fù)荷、地形等因素，以便能夠更好的規(guī)劃部署，消除盲區(qū)。

在負(fù)控系統(tǒng)的規(guī)劃階段，可以使用現(xiàn)有的智能算法來確定最優(yōu)化的方案，在本節(jié)剩下的部分中將會(huì)根據(jù)人工魚群基本算法提出一個(gè)適用于負(fù)控系統(tǒng)規(guī)劃的人工魚群算法模型。在負(fù)控系統(tǒng)中，為了避免負(fù)控終端的資源浪費(fèi)，規(guī)劃的目標(biāo)應(yīng)該是使目標(biāo)函數(shù)達(dá)到最大值，因此也就是使人工魚群向食物濃度較大的方向移動(dòng)。

2.1 參數(shù)設(shè)定

根據(jù)負(fù)控系統(tǒng)的特性對(duì)參數(shù)進(jìn)行設(shè)定，根據(jù)指定區(qū)域中預(yù)先估計(jì)的負(fù)控中心的規(guī)模、中繼站的數(shù)量負(fù)控終端的數(shù)量，結(jié)合該區(qū)域中的用戶數(shù)量和電力負(fù)荷來確定人工魚群的規(guī)模，根據(jù)負(fù)控系統(tǒng)需要覆蓋的區(qū)域的大小來確定魚群的移動(dòng)范圍，根據(jù)中繼站的覆蓋范圍和負(fù)控終端的覆蓋范圍來確定魚群的視野，最后根據(jù)指定中繼站所管理的負(fù)控終端數(shù)來確定迭代參數(shù)和密度參數(shù)。

2.2 初始化人工魚群

根據(jù)指定區(qū)域中的用電負(fù)荷和用戶數(shù)來生成n個(gè)數(shù)，為每條人工魚的初始位置，人工魚的初始位置要根據(jù)指定區(qū)域中電力負(fù)荷來確定。

2.3 執(zhí)行算法

根據(jù)預(yù)先設(shè)定的參數(shù)，使用人工魚群基本算法對(duì)人工魚群的追尾行為、聚群行為進(jìn)行模擬，人工魚根據(jù)自己的所在區(qū)域中魚群密度較大而且食物濃度較高的區(qū)域移動(dòng)。如果無法確定移動(dòng)方向，則根據(jù)自己當(dāng)前位置的食物濃度選擇一個(gè)比當(dāng)前濃度高的方向進(jìn)行移動(dòng)或者隨機(jī)移動(dòng)一步。如果達(dá)到最大迭代次數(shù)，輸出魚群密度最高的區(qū)域，即得到最佳的部署位置。

2.4 方案分析

根據(jù)算法執(zhí)行結(jié)果來設(shè)定負(fù)控終端和中繼站的部署方案，根據(jù)地形等因素適當(dāng)?shù)倪M(jìn)行調(diào)整。最后根據(jù)指定區(qū)域的實(shí)際用電數(shù)據(jù)對(duì)方案進(jìn)行仿真測(cè)試，根據(jù)測(cè)試結(jié)果在進(jìn)行方案的優(yōu)化和修改。

人工魚群的基本算法提出后，學(xué)術(shù)界根據(jù)不同的需求對(duì)該算法模型進(jìn)行了大量的優(yōu)化，并且在電力系統(tǒng)中有很多的應(yīng)用研究，例如齊志華將人工魚群算法應(yīng)用于電力控制系統(tǒng)[2]，吳杰對(duì)人工魚群算法在輸電網(wǎng)絡(luò)規(guī)劃中的應(yīng)用進(jìn)行了分析[3]。

3 結(jié)語

隨著社會(huì)經(jīng)濟(jì)的發(fā)展，必然會(huì)對(duì)電力負(fù)載控制提出更高的要求。負(fù)控系統(tǒng)將在監(jiān)控電力網(wǎng)絡(luò)中各節(jié)點(diǎn)的狀態(tài)、動(dòng)態(tài)控制各節(jié)點(diǎn)的運(yùn)行等方面起著重要的作用。合理的部署負(fù)控系統(tǒng)能夠最大化的節(jié)約電力網(wǎng)絡(luò)的投入，更好的為用戶服務(wù)。因此，在以后的發(fā)展中，基于人工智能算法的計(jì)算機(jī)仿真優(yōu)化技術(shù)將會(huì)對(duì)負(fù)控系統(tǒng)的規(guī)劃提供更好的決策依據(jù)。

參考文獻(xiàn)

[1] 李曉磊，邵之江，錢積新.一種基于動(dòng)物自治體的尋優(yōu)模式：魚群算法[J].系統(tǒng)工程理論與實(shí)踐，2002，22（11）：32-38.

[2] 齊志華.基于AFSA-SVM算法的電力系統(tǒng)控制方法研究[J].科學(xué)技術(shù)與工程，2014（14）：235-238.

[3] 吳杰，劉健，盧志剛，等.適用于輸電網(wǎng)網(wǎng)架規(guī)劃的人工魚群算法[J].電網(wǎng)技術(shù)，2007，31（18）：63-67.endprint