遺傳算法與最優電源規劃
2006/5/22 15:26:47 電源在線網
遺傳算法（Genetic Algorithm，簡稱GA）是美國J.Holland教授根據生物進化的模型提出的一種全局優化搜索方法，近年來在組合優化、自適應控制、規劃設計等領域獲得迅速發展和廣泛應用，其最大特點在于演算簡單，只是復制數字串，交換部分數字串，或改變數字串中的某一位。遺傳算法尤其適用于處理傳統優化算法難以解決的復雜的和非線性的問題，在電力規劃、水火電優化調度、無功優化和電力市場等方面獲得了較多的應用。
電源規劃是電力工業發展中非常重要且必不可少的前期工作，它的主要任務是根據今后若干年內的負荷預測，利用各種優化方法，在滿足規劃區域內的電力負荷增長需求和各種約束條件下，保證技術上的合理性及系統地考慮各類電廠之間的相互協調，同時考慮到未來發展中的隨機因素及不確定性，尋求規劃期內國民經濟總支出最小的電源建設方案，確定在規劃期內何時、何地、興建何種類型、多大容量的發電廠。由于電源規劃問題的非線性和整數性以及電力系統規模巨大、中長期電源規劃中待選方案多的特點，使得常用電源優化（啟發式或數學優化）模型的求解存在著這樣或那樣的問題，如難以獲得全局最優解、維數災、目標函數和約束條件不易處理等。
將遺傳算法引入最優電源規劃中，可以成功解決電源規劃中遺傳算法的染色體編碼問題，從而使算法能容易地計及電源規劃中需考慮的各種因素。實際應用結果顯示：應用改進遺傳算法求解最優電源規劃問題，既能可靠地獲得全局最優解，也能輸出一組或多組次優解，此外還具有求解規模大、速度快的特點，特別適用于大型電力系統的中長期電源規劃。
電源規劃是電力工業發展中非常重要且必不可少的前期工作，它的主要任務是根據今后若干年內的負荷預測，利用各種優化方法，在滿足規劃區域內的電力負荷增長需求和各種約束條件下，保證技術上的合理性及系統地考慮各類電廠之間的相互協調，同時考慮到未來發展中的隨機因素及不確定性，尋求規劃期內國民經濟總支出最小的電源建設方案，確定在規劃期內何時、何地、興建何種類型、多大容量的發電廠。由于電源規劃問題的非線性和整數性以及電力系統規模巨大、中長期電源規劃中待選方案多的特點，使得常用電源優化（啟發式或數學優化）模型的求解存在著這樣或那樣的問題，如難以獲得全局最優解、維數災、目標函數和約束條件不易處理等。
將遺傳算法引入最優電源規劃中，可以成功解決電源規劃中遺傳算法的染色體編碼問題，從而使算法能容易地計及電源規劃中需考慮的各種因素。實際應用結果顯示：應用改進遺傳算法求解最優電源規劃問題，既能可靠地獲得全局最優解，也能輸出一組或多組次優解，此外還具有求解規模大、速度快的特點，特別適用于大型電力系統的中長期電源規劃。
聲明：本信息內容的真實性未經電源在線網證實，僅供參考。
