[发明专利]一种基于种群性能排序选择的电力系统结构优化方法

权利要求书

1.一种基于种群性能排序选择的电力系统结构优化方法，其特征在于：

第一步：针对电力系统，根据电力系统中电力元件的功能和类型的不同，确定每一种功能和每一种类型下的电力元件；由不同数量的不同功能、不同类型的电力元件组建构成不同组电力系统结构，生成不同的电力系统结构；

第二步：以第一步生成的所有不同的电力系统结构作为遗传算法的原始样本，运用遗传算法进行处理，以一个电力系统结构作为遗传算法中的一个个体，利用第一选择方法修正获得遗传算法中的第一代种群包含个体数量和遗传算法初值；

第三步：基于第二步的结果，利用第二选择方法修正获得遗传算法中的除第一代种群以外的其余代种群中所包含的个体数量；

第四步：基于第二步和第三步的结果，利用第三选择方法修正获得遗传算法计算所需的种群代数的上限；

第五步：基于第二步～第四步的结果修正遗传算法，采用修正后的遗传算法对电力系统进行结构优化获得电力系统最优结构，根据电力系统最优结构进行实施搭建电力系统；

所述第二步具体为：

2.1)以电力系统结构为遗传算法的个体，从遗传算法的原始样本中选择g个作为第一代种群所包含个体的数量，遗传算法的第一代种群包含个体数量g由以下公式计算得到：

g＝In(1-p_one)/In(1-p)

其中，p表示电力系统结构的数量包含概率参数，p_one表示电力系统结构的随机选择概率参数；In表示自然对数；

2.2)从遗传算法的原始样本随机选择g个个体作为遗传算法的初值；

所述第三步具体为：

以电力系统结构为遗传算法的个体，遗传算法的除了第一代种群以外的其余代种群所包含个体数量s由以下公式计算得到：

其中，e为自然对数的底数，k为第二选择设定参数，z₀、ρ、η和γ为第一、第二、第三、第四选择特性参数，表示向上取整；

所述第四步具体为：

根据第一代种群包含个体数量g采用以下公式的第三选择方法计算遗传算法的种群代数上限G：

其中，G为遗传算法的种群代数上限，即遗传算法运行到第G代种群后应停止计算，表示向上取整。

2.根据权利要求1所述的一种基于种群性能排序选择的电力系统结构优化方法，其特征在于：所述第一步具体为：

1.1)电力系统由各个电力元件组成，根据电力元件的功能不同，确定同一种功能下的电力元件的数量；

1.2)针对同一种功能中的电力元件，根据电力元件的建设运行代价或者可靠度的不同，确定同一种功能的各种类型下的电力元件的数量。

3.根据权利要求1所述的一种基于种群性能排序选择的电力系统结构优化方法，其特征在于：所述第五步具体为：

5.1)实际遗传算法运行时，采用三个输入变量，分别为第i种功能下的第j种类型所包含的电力元件数量n_i,j、第i种功能所包含的电力元件类型总数N_i和整个电力系统所包含的电力元件功能总数T；

5.2)以遗传算法初值的g组不同的电力系统结构作为遗传算法的第一代种群的父代，运行遗传算法根据当前代种群的父代进行不断交叉遗传过程后产生当前代种群的子代个体；

每一次交叉遗传过程所产生的当前代种群的子代个体，即为由新的数值的三个输入变量n_i,j、N_i和T构成的新电力系统结构，然后利用新电力系统结构中各个电力元件的可靠度采用蒙特卡洛算法计算新电力系统结构的可靠度R，并判断：

如果新电力系统结构的可靠度R不满足可靠度要求，即小于预设的可靠度阈值，则新电力系统结构无效舍弃，再次进行交叉遗传重新产生新的电力系统结构；

如果新电力系统结构的可靠度R满足可靠度要求，即大于等于规定的可靠度，则新电力系统结构有效，保留新电力系统结构作为可靠电力系统结构；

5.3)不断运行遗传算法，直到产生g组可靠电力系统结构，以该g组可靠电力系统结构作为当前代种群的子代结果；

由遗传算法初值的g组不同的电力系统结构和g组可靠电力系统结构的父代和子代共同组成2g组电力系统结构，计算每一个电力系统结构的平衡度方差PHD，一个电力系统结构的平衡度方差PHD计算为：

其中，Q_i表示电力系统结构中第i种功能所包含的电力元件类型总数，q_i,j表示第i种功能下的第j种类型所包含的电力元件的数量，phd_i是第i种功能的电力元件的平衡度，AVG是该电力系统结构的T种功能的电力元件的平衡度平均值；

然后从低到高选择前s组具有最低平衡度方差PHD的电力系统结构，作为下一代种群的父代，回到步骤5.2)；

5.4)重复上述步骤5.2)～5.3)不断迭代，直到第G代种群的父代处理获得，第G代种群的父代的s组电力系统结构中选择满足可靠度要求的平衡度方差最低的电力系统结构，以该电力系统结构作为电力系统最优结构。