一种基于遗传模拟退火算法的电网线损管理评价方法
【技术领域】
[0001] 本发明涉及一种基于遗传模拟退火算法的电网线损管理评价方法。
【背景技术】
[0002] 由于电网结构、社会经济因素等各方面的差异，不同电网间的线损水平存在较大 差异，为了更客观评价线损管理水平，需根据电网的不同属性划分出几个梯队，将属性类似 的电网聚到一个梯队中进行评价，各梯队间相互独立互不干扰，其本质为一种聚类。
[0003] K-MEANS算法为一种简单有效的聚类算法，但由于其在寻找聚类中心的过程中采 用了启发式方法，对初始聚类中心的选择较为敏感，并且，该算法需事先指定聚类个数，而 在实际应用中往往无法准确获悉样本的聚类个数，因此，传统的K-MEANS聚类算法容易陷入 局部最优解。
[0004] 遗传算法(Genetic Algorithm，GA)是模拟达尔文生物进化论的自然选择和遗传 学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，其 引入了选择、交叉和变异等操作，可以随机的方式获取最优解，但其局部寻优能力不足，且 存在早熟的缺陷。模拟退火算法(Simulated Annealing，SA)从某一较高初温出发，伴随温 度参数的不断下降，在局部最优解能概率性地跳出并最终趋于全局最优，具有很强的局部 搜索能力。基于遗传模拟退火算法的聚类算法则综合了遗传算法与模拟退火算法的优势， 能以较大的概率获得全局最优解。
【发明内容】
[0005] 针对上述问题，本发明提供一种基于遗传模拟退火算法的电网线损管理评价方 法，划分过程中的聚类个数在算法运行过程中动态调整确定，弥补了传统的K-MEANS聚类算 法对初始聚类中心敏感、难以事先确定聚类个数的不足，能以较大的概率获取全局最优的 划分结果，对电网线损管理评价工作具有一定的参考价值。
[0006] 为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
[0007] -种基于遗传模拟退火算法的电网线损管理评价方法，其特征在于，包括如下步 骤：
[0008] 步骤一:对影响电网线损水平的因素进行数学建模，包括电压等级及层次、线路平 均长度、导线截面积、配变设备状况、无功补偿配置、负荷时间分布、单位变电容量负载率、 电网最大自然无功负荷系数、分压售电量、无损电量占比、农村面积占比、非工业GDP占比以 及供电密度，并根据应用需要及数据质量建立电网线损N维指标向量，其中，1SNS 13;
[0009] 步骤二:在电网线损N维指标向量生成的样本集中，随机抽取k个样本作为初始聚 类中心，采用基于聚类中心的染色体浮点编码方式，每条染色体的编码C为:C = kcA. . .ck，基 因〇为第λ个聚类中心对应的某电网线损N维向量，每个染色个体对应一种线损管理水平的 划分评价方式；
[0010] 步骤三:初始化算法控制参数，包括种群个体数Μ、最大进化次数S、交叉概率Pc、变 异概率pm、温度冷却系数k。、退火初始温度To、退火终止温度Tend ;
[0011] 步骤四：对初始种群的各不同个体，分别依据聚类中心，根据欧式距离最小原则进 行样本聚类，计算各不同个体的适应度值；
[0012] 步骤五:对种群中的个体进行选择、交叉、变异操作，对新产生的个体计算其适应 度值，进行模拟退火算法操作，生成新的种群；
[0013] 步骤六:当进化次数小于最大进化次数S时，返回步骤五;否则，转到步骤七；
[0014]步骤七:若温度指标低于终止温度Tend，则算法终止，对现有种群中的最优个体进 行解码，获取最佳的聚类个数与聚类中心，再进行样本聚类将待评价电网的线损管理水平 划分到不同的梯队中；若温度指标高于终止温度T end，则执行降温操作并返回步骤五；
[0015] 步骤八:在线损管理水平的同一梯队中，依据线损值的大小进行评价，线损值的高 低对应线损管理水平的高低，各梯队间评价相互独立。
[0016] 首先通过计算线损影响因素指标，形成电网线损指标向量样本集，随机抽取若干 样本作为初始聚类中心，进行可变聚类中心的浮点编码，并将聚类个数添加到染色体编码 中作为首个基因位，求解最优个体并解码以确定聚类个数及聚类中心，将待评价电网的线 损管理水平划分到不同的梯队中，在同一梯队中根据线损值的大小进行管理评价，线损值 较小的则认为其管理水平较优。本发明在评价的过程中融合了遗传算法与模拟退火算法的 思想，消除了传统聚类算法中对初始聚类中心敏感、易陷入局部最优的缺陷，且无需事先指 定聚类个数，能以较大的概率找到全局最优的线损同类划分结果。
[0017]优选，步骤四中，对于染色体中选定的k个聚类中心，将电网线损指标向量幻根据 欧氏距离最小的原则归入聚类中心即：
[0018] |xi-ca| | =min| | xi-cj | | (j = l ,2, . . . ,k)
[0019] 其中，χΑ电网线损各影响因素指标开$成的N维向量，且X1=(X11,X12, . . . ,χιν)，χιι ~xiN分别对应于N个影响因素指标数值。
[0020] 其中，根据类内距离最小、类间距离最大的聚类目标定义适应度为/ = ·^，其中 X+J
[0021] 本发明的有益效果是:本发明将基于遗传模拟退火的聚类算法应用到电网线损管 理评价工作中，首先将待评价电网划分为几个不同的梯队，再在同一梯队中根据线损值的 大小进行管理水平评价。划分过程中的聚类个数在算法运行过程中动态调整确定，弥补了 传统的K-MEANS聚类算法对初始聚类中心敏感、难以事先确定聚类个数的不足，能以较大的 概率获取全局最优的划分结果，对电网线损管理评价工作具有一定的参考价值。
【附图说明】
[0022] 图1是本发明一种基于遗传模拟退火算法的电网线损管理评价方法的流程图。
【具体实施方式】
[0023]下面结合附图和具体的实施例对本发明技术方案作进一步的详细描述，以使本领 域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限 定。
[0024] 一种基于遗传模拟退火算法的电网线损管理评价方法，如图1所示，包括如下步 骤：
[0025] 步骤一:对影响电网线损水平的因素进行数学建模，包括电压等级及层次、线路平 均长度、导线截面积、配变设备状况、无功补偿配置、负荷时间分布、单位变电容量负载率、 电网最大自然无功负荷系数、分压售电量、无损电量占比、农村面积占比、非工业GDP占比以 及供电密度，并根据应用需要及数据质量建立电网线损N维指标向量，其中，1SNS 13;
[0026] 步骤二:在电网线损N维指标向量生成的样本集中，随机抽取k个样本作为初始聚 类中心，采用基于聚类中心的染色体浮点编码方式，每条染色体由k个聚类中心及聚类数目 k的编码组成，基于聚类中心的染色体浮点编码为C为:C = k(u. . .ck，基因 α为第λ个聚类中 心对应的某电网线损Ν维向量，k也即为该染色体的聚类个数，每个染色个体对应一种线损 管理水平的划分评价方式；
[0027]步骤三:初始化算法控制参数，包括种群个体数M、最大进化次数S、交叉概率Pc、变 异概率Pm、温度冷却系数k。、退火初始温度TO、退火终止温度Tend ;
[0028] 步骤四：对初始种群的各不同个体，分别依据聚类中心，根据欧式距离最小原则进 行样本聚类，计算各不同个体的适应度值；
[0029] 优选，此步骤中，对于染色体中选定的k个聚类中心，将电网线损指标向量幻根据 欧氏距离最小的原则归入聚类中心即：
[0030] |xi-ca| | =min| | xi-cj | | (j = l ,2, . . . ,k)
[0031] 其中，χι为电网线损各影响因素指标形成的N维向量，且χι=(χιι,χ?2, . . . ,χιν)，χιι ~xiN分别对应于N个影响因素指标数值。
[0032] 根据类内距离最小、类间距离最大的聚类目标定义适应度为/ = ，其中 1 +J
[0033] 步骤五:对种群中的个体进行选择、交叉、变异操作，对新产生的个体计算其适应 度值，进行模拟退火算法操作，生成新的种群；
[0034] 步骤六:当进化次数小于最大进化次数S时，返回步骤五;否则，转到步骤七；
[0035] 步骤七:若温度指标低于终止温度Tend，则算法终止，对现有种群中的最优个体进 行解码，获取最佳的聚类个数与聚类中心，再进行样本聚类将待评价电网的线损管理水平 划分到不同的梯队中；若温度指标高于终止温度T end，则执行降温操作并返回步骤五；
[0036] 步骤八:在线损管理水平的同一梯队中，依据线损值的大小进行评价，线损值的高 低对应线损管理水平的高低，各梯队间评价相互独立。
[0037] -般的，步骤一中对影响电网线损水平的因素进行数学建模，具体为：
[0038] (1)电压等级及层次Ydydj的数学模型计算公式为：
[0039] Y〇ydj= Σ Lossi
[0040] 其中，i = 500~lOkV内各电压等级;Lossi为待划分电网全范围内i电压等级分压 线损率；
[0041] (2)线路平均长度Y