式中:Pc1为上一代群体交叉率;Rc2为下一代群体交叉率;fmax为群体中的最大适应度值;fav为群体中的平均适应度值;f′为准备交叉的2个个体中较大的适应度值。
3.3.2 变异方式的改进
类似于交叉操作,这里采用改进的自适应遗传算法。变异率Pm按式(8)进行自适应调整:
式中:Pm1为上一代群体变异率;Pm2为下一代群体变异率。
3.4 终止判据的改进
遗传算法对初始解没有要求,一般是通过预先设置进化代数来结束循环的,为了防止对于预先设置的代数还没有收敛,可以在产生初始解的同时,用部分约束条件来检验,将不满足条件的解重新生成,直到达到群体规模。
在遗传算法迭代求解过程中,有时最优解可能在未达到最大遗传代数的时候就已经出现,此时应及时从迭代过程中跳出。针对这种情况提出了最大遗传代数N与最优个体适应值连续保持不变的最小保留代数Np相结合的终止迭代准则,在给定的遗传代数限定范围内来搜索最优解,并确定该解经过后面的多次迭代后仍为最优,则退出进化。否则继续搜索,直到满足最优个体最小保留代数为止。如果在最大遗传代数N限定范围内没有满足最优个体最小保留代数的解,则输出当前得到的最优解。
4 计算实例
为验证改进算法的有效性,对比计算实际油田配电网的无功优化。该实际配电网是10 kV变电所向外供配电的辐射状配电网络,有47个节点,46条支路,变压器18台,电容补偿点5个。用前推回代法计算初始潮流结果为:有功网损251.68 kW,网损率5.83%,电压合格率72.5l%采用传统的遗传算法和改进的遗传算法对其计算,计算结果如表l所示。
从表l计算结果可看出,优化前初始网损率为5.83%,而且大部分节点电压较低。分别使用传统遗传算法和改进遗传算法进行无功优化,不仅可降低全网的有功损耗和网损率,降低全网的运行费用,而且带来更高的节点电压合格率,实现以最少的投入来获取最佳电压质量和显著经济效益的目标。同时从表l还可看出,改进遗传算法具有更快的寻优速度,从而可以提高计算效率,节省计算时间。算例结果验证了改进遗传算法的实用性和有效性。
5 结语
针对油气田配电网无功优化的特点,对传统遗传算法主要在选择操作、交叉和变异算子、终止判据等核心操作上进行改进。改进的遗传算法继承了传统遗传算法的优点,克服了传统遗传算法容易不收敛或早熟、收敛速度慢等方面的不足,在油田配网无功优化补偿中获得了较好的效果。通过算例的计算表明该改进遗传算法是有效可行的。