【正文】 局最優(yōu)解從而吸引了很多專(zhuān)家的研究興趣。警報(bào)處理和故障診斷的區(qū)別在于兩者分析的程度不同。警報(bào)處理的目標(biāo)是當(dāng)系統(tǒng)處于非正常運(yùn)行條件下幫助運(yùn)行人員了解發(fā)生了什么事，然后提供的綜合的信息和簡(jiǎn)潔有效的相關(guān)數(shù)據(jù)。然后利用遺傳算子，對(duì)于上一代的單位個(gè)體開(kāi)始繁殖，產(chǎn)生后代并且篩選掉其父代中適應(yīng)度值低的單位，同時(shí)計(jì)算出其后代的適應(yīng)值，把適應(yīng)度值高的單位和所篩選出的單位組成新的個(gè)體。因此為了解決這一問(wèn)題，可以采用遺傳算法來(lái)加快推理計(jì)算的速度效率。對(duì)于故障診斷，一般會(huì)對(duì)故障提出多個(gè)假設(shè)，然后就會(huì)需要對(duì)于所提出的這些假設(shè)進(jìn)行計(jì)算驗(yàn)證。最近幾年來(lái)有關(guān)文獻(xiàn)提出了應(yīng)用遺傳蘇、模擬退火算法以及模擬分子進(jìn)化優(yōu)化方法來(lái)求解這個(gè)問(wèn)題。所以總的來(lái)說(shuō)，GA在已廣泛的應(yīng)用于發(fā)電規(guī)劃，檢修計(jì)劃，機(jī)組最優(yōu)組合以及網(wǎng)絡(luò)規(guī)劃等方面。在一般的電力系統(tǒng)中，這類(lèi)問(wèn)題通常其涉及規(guī)模都很大，普通的技術(shù)方法中很少能保證求得整體最優(yōu)解的，還有些方法也常因?yàn)橐笥?jì)算信息多，計(jì)算量太大導(dǎo)致無(wú)法使用于大型的電力系統(tǒng)。以下就是作者所總結(jié)的一些遺傳算法在電力系統(tǒng)中的應(yīng)用。特別是在電力系統(tǒng)中，GA的作用越來(lái)越大。 遺傳算法在電力系統(tǒng)中的應(yīng)用目前，隨著科學(xué)的進(jìn)步，遺傳算法正迅速的發(fā)展起來(lái)，已經(jīng)開(kāi)始廣泛的應(yīng)用于各個(gè)領(lǐng)域，例如工程控制、工程優(yōu)化、故障診斷、人工智能、對(duì)策論、機(jī)器學(xué)習(xí)、模式識(shí)別、分子生物學(xué)、計(jì)算機(jī)等領(lǐng)域，都取得了不錯(cuò)的成績(jī)。在高級(jí)遺傳算法開(kāi)始計(jì)算的時(shí)候，一般來(lái)說(shuō)給定的交叉算子概率Pc的值比較大，而變異算子的概率Pm值較小，通過(guò)計(jì)算，交叉算子概率Pc減小和變異算子概率Pm增大，一直到Pm和Pc都達(dá)到其預(yù)先設(shè)定好的最大和最小范圍。簡(jiǎn)單遺傳算法和高級(jí)遺傳算法有很多差異，主要的區(qū)別有如下兩點(diǎn)：1) 簡(jiǎn)單遺傳算法只有變異和交叉，但是高級(jí)遺傳算法中還有很多新的算子，實(shí)現(xiàn)其算子的方式是不一樣的。本文采用的交叉 概率以及變異概率隨迭代次數(shù)的增加而改變的方程是：兩式中：：迭代的次數(shù)：交叉概率在第t次 迭代時(shí)的數(shù)值：交叉 概率的初 始值：變異概率在第t次迭代時(shí)的數(shù)值：變異 概率的初 始值：允許的最大迭代次數(shù)可以發(fā)現(xiàn)，交叉概率是隨著迭代的次數(shù)增加而呈現(xiàn)出線性遞減趨勢(shì)的。不同于簡(jiǎn)單遺傳算法，高級(jí)遺傳算法的變異概率以及交叉概率是可變的，通過(guò)遺傳算法的原理可知，在迭代之前，變異概率比較小，交叉概率比較大，這樣才能確定計(jì)算過(guò)程的穩(wěn)定進(jìn)行。圖5 遺傳算法方框圖在遺傳算法的優(yōu)化準(zhǔn)則中，通常會(huì)根據(jù)處理的問(wèn)題不同而有不一樣的確定方法，一般的判斷條件用有以下幾種規(guī)則：1) 在群體中的個(gè)體的最大適應(yīng)度值高于初始預(yù)設(shè)值；2) 在群體中的個(gè)體的平均適應(yīng)度值高于初始預(yù)設(shè)值；3) 代數(shù)高于初始預(yù)設(shè)值。6) 終止條件判斷：若t=T,則以進(jìn)化過(guò)程中得到的最大適應(yīng)度個(gè)體作為最優(yōu)解，最后計(jì)算終止。就是對(duì)群體中的個(gè)體串的一些基因上的基因做出相應(yīng)的變動(dòng)。GA中起關(guān)鍵作用的就是交叉算子。4) 交叉運(yùn)算：交叉是指把兩個(gè)父代個(gè)體的一部分結(jié)構(gòu)加以更換重組然后生成的新個(gè)體的操作。3) 選擇運(yùn)算：選擇操作就是建立在種群中每一個(gè)個(gè)體的適應(yīng)度評(píng)估的基礎(chǔ)之上，將選擇算子作用到群體。 簡(jiǎn)單遺傳算法（SGA）簡(jiǎn)單遺傳算法（SGA）的基本運(yùn)算過(guò)程如下：1) 初始化：首先令進(jìn)化代數(shù)的計(jì)數(shù)器初始值t=0，然后設(shè)置最大的進(jìn)化代數(shù)T，隨機(jī)的生成M個(gè)單位讓它們作為初始的種群P(0)。目前所使用的判據(jù)比較多，比如從最優(yōu)解的方面所確定的收斂判據(jù)，在連續(xù)得到的解集中的最優(yōu)解無(wú)變化就會(huì)認(rèn)定GA是收斂的；或者通過(guò)所使用的計(jì)算機(jī)容量限制與計(jì)算時(shí)間來(lái)確定的判據(jù)，就是所給與的每一代解集中的串的數(shù)量與迭代的次數(shù)；或者是解集中的最優(yōu)解的適應(yīng)度跟其平均適應(yīng)度之差所占的百分比小于所給定的允許值等判據(jù)。遺傳算法的范圍比較廣，因?yàn)槠錄](méi)有使用梯度等一些信息。變異的概率Pm一般來(lái)說(shuō)都給得比較小，一般在千分之一和十分之一之間，所以變異的數(shù)字的位置都是隨機(jī)確定。比如A改變成A：A=0 1 0 1 1 0 1A=0 1 1 1 1 0 1A是 A的第三位數(shù)字發(fā)生變異后的結(jié)果。對(duì)于C和D中的數(shù)字：C＝1 l|0 0 1 0 1|1 1 1 0 1 ；D＝l 0|0 1 1 1 0|0 1 1 1 1 ，其中，第3位與第8位是斷點(diǎn)，就是交叉點(diǎn)。但變異的概率應(yīng)比較小，如果發(fā)生的概率達(dá)到50%以上，那么遺傳算法就會(huì)變成隨機(jī)搜索了，GA的一些重要的計(jì)算能力和數(shù)據(jù)特性將不會(huì)存在了。因?yàn)樵谶z傳中，如果出現(xiàn)某一代的串的某些數(shù)字均是0，那么它的后代的所有串中該位數(shù)將一直為0，不會(huì)有1的出現(xiàn)，不論選擇和交叉的如何進(jìn)行。尋求最優(yōu)的搜索過(guò)程主要就是通過(guò)交叉來(lái)得以實(shí)現(xiàn)的，它是遺傳算法中最重要的算子，所以一般說(shuō)它發(fā)生的概率會(huì)比較大。 交叉與變異交叉的主要目的是可以把兩個(gè)串中較優(yōu)良的遺傳到下一代的某個(gè)串中去，使該串擁有優(yōu)于其上一代的性能。目前有一種比較好的方法就是采用隨機(jī)的方式兩兩競(jìng)爭(zhēng)，這樣保證了所加入匹配集中的那些串有比較大的適應(yīng)值。所以使用隨機(jī)性的方法來(lái)構(gòu)成匹配集是一種相對(duì)來(lái)說(shuō)很好的方法。2) 使用哪種遺傳算子來(lái)對(duì)篩選出的解進(jìn)行運(yùn)算操作。然后按照這些解的優(yōu)異性來(lái)進(jìn)行排列，通過(guò)遺傳算子中的交叉以及變異來(lái)對(duì)其運(yùn)算求解出新的預(yù)備解，一直重復(fù)該過(guò)程，直到求出滿足收斂為止。最后對(duì)篩選出來(lái)的解進(jìn)行操作處理，得到新的解。5) 遺傳算法具有自主的學(xué)習(xí)以及適應(yīng)性，并且有著良好的自我組織能力。適應(yīng)度函數(shù)在它的定義域內(nèi)可以任意的設(shè)置，不受連續(xù)可微的限制。2) 遺傳算法對(duì)搜索范圍內(nèi)的多個(gè)解開(kāi)始篩選評(píng)估，能同時(shí)處理種群中的多個(gè)個(gè)體，減少了一定的風(fēng)險(xiǎn)，同時(shí)也讓遺傳算法更好的實(shí)現(xiàn)優(yōu)化。 遺傳算法特點(diǎn)遺傳算法（GA）具有以下一些特點(diǎn)：1) 與傳統(tǒng)的一些優(yōu)化算法不同，遺傳算法不是從單個(gè)解數(shù)據(jù)進(jìn)行的，是從問(wèn)題的串集解開(kāi)始搜索。采用概率化的尋找最優(yōu)解方法，能自動(dòng)調(diào)整搜索方向并獲取指導(dǎo)優(yōu)化的搜索范圍，沒(méi)有規(guī)則的約束性。 遺傳算法的基本原理 基本概念遺傳算法（GA）是一種隨機(jī)的搜索方法，它借鑒于生物界的進(jìn)化規(guī)律（優(yōu)勝略汰與適者生存）演化而來(lái)的。通過(guò)本章的知識(shí)，我們明確了電力系統(tǒng)故障診斷的地位以及重要性。然后簡(jiǎn)單介紹了故障診斷中專(zhuān)家系統(tǒng)以及人工神經(jīng)網(wǎng)絡(luò)，并說(shuō)明其特點(diǎn)與存在的問(wèn)題，以及未來(lái)的發(fā)展趨勢(shì)。還有以下相關(guān)診斷技術(shù)：模糊集理論、小波分析法、Petri網(wǎng)絡(luò)以及粗糙集理論技術(shù)等一些，同時(shí)從數(shù)據(jù)采集的層面上進(jìn)行區(qū)分還有很多相關(guān)技術(shù)方法，另外也通過(guò)多種方法結(jié)合創(chuàng)造出更適合現(xiàn)代復(fù)雜的電網(wǎng)系統(tǒng)的故障診斷技術(shù)，例如遺傳算法與模擬退火技術(shù)相結(jié)合或是專(zhuān)家系統(tǒng)與人工神經(jīng)網(wǎng)絡(luò)結(jié)合的一種診斷方式，如圖4所示就是人工神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)結(jié)合的一種新方法。3) 因?yàn)閮?yōu)化技術(shù)需要迭代計(jì)算，所以其診斷速度是一個(gè)很大的影響因素。另外基于優(yōu)化技術(shù)的也存在許多的不足，主要有以下幾方面：1) 在形成目標(biāo)函數(shù)的過(guò)程中，對(duì)于如何建立一個(gè)合理的電力系統(tǒng)故障診斷的解析模型，在考慮到多級(jí)的后備保護(hù)時(shí)會(huì)有些困難。主要包括遺傳算法，粒子群算法，模擬退火算法以及免疫進(jìn)化算法等，其中遺傳算法就是本文研究的重點(diǎn)。雖然都還不夠成熟，理論體系尚不夠完整，但前景很不錯(cuò)，值得進(jìn)一步研究。圖3就是人工神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)故障診斷中的模型。目前來(lái)說(shuō)，在電力系統(tǒng)的故障診斷中，人工神經(jīng)網(wǎng)絡(luò)（ANN）的應(yīng)用主要集中在以下幾方面：1) 電力系統(tǒng)的負(fù)荷預(yù)測(cè)；2) 故障診斷與警報(bào)的處理；3) 可預(yù)測(cè)性分析與狀態(tài)的估計(jì)；4) 動(dòng)靜態(tài)的安全穩(wěn)定性估計(jì)；5) 電力系統(tǒng)的無(wú)功優(yōu)化；6) 暫態(tài)穩(wěn)定控制與運(yùn)行監(jiān)測(cè)系統(tǒng)。隨著人工神經(jīng)網(wǎng)絡(luò)的不斷發(fā)展，人工神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)中的應(yīng)用越來(lái)越開(kāi)始活躍。3) 神經(jīng)元間的計(jì)算性具有獨(dú)立性，所有的定量與定性的相關(guān)信息都均勻分布在網(wǎng)絡(luò)內(nèi)神經(jīng)元里。相比于專(zhuān)家系統(tǒng)，人工神經(jīng)網(wǎng)絡(luò)最大的優(yōu)點(diǎn)就是采用了神經(jīng)元和它們之間有向權(quán)重鏈接來(lái)隱含處理相關(guān)問(wèn)題的理論知識(shí)，同時(shí)也有具有以下一些特點(diǎn)：1) 自我組織，學(xué)習(xí)能力強(qiáng)， 能夠?qū)W習(xí)并適應(yīng)各種不確定關(guān)系系統(tǒng)的特性。人工神經(jīng)網(wǎng)絡(luò)的出現(xiàn)為處理非線性問(wèn)題提供了一條新的道路。 人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)（ANN）是模擬人類(lèi)神經(jīng)系統(tǒng)處理信息以及傳輸過(guò)程的一種人工智能技術(shù)方法。其中要去的完整的知識(shí)庫(kù)是專(zhuān)家系統(tǒng)在故障診斷中的一大難題。圖2 專(zhuān)家系統(tǒng)的發(fā)展這些基于專(zhuān)家系統(tǒng)的診斷方法的主要特點(diǎn)是可以快速有效的把保護(hù)設(shè)備和斷路器的相關(guān)動(dòng)作和運(yùn)行人員的檢測(cè)診斷經(jīng)驗(yàn)通過(guò)規(guī)則表達(dá)出來(lái)，在確保診斷系統(tǒng)的準(zhǔn)確性和實(shí)時(shí)性同時(shí)能給出相應(yīng)的結(jié)論的情況下，在其知識(shí)庫(kù)中修改或者刪減增加一些合適的規(guī)則，在故障診斷中，適合中小型的電力系統(tǒng)和電站的故障診斷。在電力系統(tǒng)故障診斷上，根據(jù)其知識(shí)的表達(dá)和推算方法的不同，專(zhuān)家系統(tǒng)主要分為兩類(lèi)：1) 基于啟發(fā)式規(guī)則推理。圖1 專(zhuān)家系統(tǒng)的完整結(jié)構(gòu)目前研究最多也較成熟的一個(gè)復(fù)雜電網(wǎng)故障診斷方法就是專(zhuān)家系統(tǒng)法，它有著比較成熟的理論體系及研究，并且能很有效穩(wěn)定的模擬出在故障診斷中的分析檢測(cè)過(guò)程。 電網(wǎng)故障診斷方法 專(zhuān)家系統(tǒng)專(zhuān)家系統(tǒng)（ES）在人工智能的領(lǐng)域中是最成功并且發(fā)展最早的一個(gè)方法，它是通過(guò)各項(xiàng)有機(jī)連接來(lái)利用計(jì)算機(jī)的技術(shù)將各專(zhuān)業(yè)領(lǐng)域的專(zhuān)家經(jīng)驗(yàn)和理論知識(shí)融合，使其達(dá)到解決各領(lǐng)域問(wèn)題的能力。4) 由于上一級(jí)的元件設(shè)備故障被切除而導(dǎo)致停電的區(qū)域。2) 由于保護(hù)以及開(kāi)關(guān)誤動(dòng)作導(dǎo)致的被誤操作斷電的區(qū)域。這樣一來(lái)，當(dāng)有開(kāi)關(guān)關(guān)斷或閉合時(shí)，就只需要對(duì)幾條有關(guān)支路進(jìn)行判斷，即可以快速的得到新的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。由于所包括的開(kāi)關(guān)設(shè)備斷開(kāi)而引起原連通支路不連通時(shí)對(duì)網(wǎng)絡(luò)拓?fù)溆绊懀?) 如果支路的兩端節(jié)點(diǎn)之間依然有連通子圖的存在，那么所擁有的節(jié)點(diǎn)數(shù)量不會(huì)變，支路上會(huì)缺少。由于所含的開(kāi)關(guān)設(shè)備閉合而引起原來(lái)斷開(kāi)的支路連通對(duì)網(wǎng)絡(luò)的拓?fù)溆绊懀?) 如果支路的兩端都屬于一個(gè)連通的子圖，那么就只增加一個(gè)支路。為了增加實(shí)時(shí)性，防止重復(fù)的工作，進(jìn)一步的提高診斷效率，在診斷的模塊啟動(dòng)時(shí)，對(duì)變電所進(jìn)行一次網(wǎng)絡(luò) 拓?fù)鋭澐忠约皩?duì)變電所 所有的支路完成變電所的連通 區(qū)域的劃分。如果孤立的節(jié)點(diǎn)是屬于其他的節(jié)點(diǎn)，那么就不用考慮。2) 支路如果是斷開(kāi)的，那么該支路就不屬于任意一個(gè)連通的區(qū)域。“與”的 關(guān)系：支路上所有的串聯(lián)裝置都是閉合的狀態(tài)，支路才會(huì)是“連通”。變電所的網(wǎng) 絡(luò) 拓 撲在發(fā)生變化時(shí)主要是支路的連 通 狀 況 發(fā)生變化而引起的，而支路的斷開(kāi)與聯(lián)通則主要取決于支路上設(shè)備的連通狀況。其中G`屬于集合G，N`屬于集合N，E`屬于集合E。變電所的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)可以看作是一個(gè)圖G=（N，E），N是節(jié)點(diǎn)的集合，E是支路的集合。跳開(kāi) 相鄰區(qū)域內(nèi)的全部斷路器，完成隔離并切除故障的目的。線路的兩個(gè)第一后備保護(hù)用于當(dāng)主保護(hù)拒動(dòng)時(shí)引起動(dòng)作跳開(kāi)線路兩端的全部斷路器。 保護(hù)動(dòng)作類(lèi)型通常故障區(qū)域內(nèi)動(dòng)作的保護(hù)可以分為以下3種：主保護(hù)：母線的主保護(hù)在動(dòng)作時(shí)會(huì)跳開(kāi)所有與該母線直接相連的