基于遺傳算法的智能檢修電源集群管理

國網(wǎng)咸寧供電公司 王 毅 彭梓元 徐 念 肖志豪 武漢市豪邁電力自動化技術(shù)有限責任公司 王 瑜 聶 蛟 王 彬 張 怡

在電網(wǎng)發(fā)生故障斷電時和電力施工時，各種檢修設(shè)備和繼保設(shè)備需電源才能正常工作，此時檢修電源就是保障現(xiàn)場作業(yè)最重要的設(shè)備之一[1]。在電力公司，會儲備多個檢修電源，分布安置在公司各個位置，以便不同區(qū)域調(diào)取使用；各電源輸入輸出模式有所差異，AC-DC，DC-AC 輸出模式均有分布，多樣化的電源能更好滿足多元化的檢修需求，這也為工作人員帶來了困難，接到檢修作業(yè)通知后，往往需要以最快的速度攜帶設(shè)備到達現(xiàn)場，在短時間內(nèi)確定電量最合適、距離最近、最符合作業(yè)要求電能輸出方式是作業(yè)人員亟待解決的問題[2]。

對于檢修電源管理和快速尋優(yōu)，國內(nèi)外學者做了大量研究工作。文獻[3]提出一種改進算法，基于蜻蜓算法從而檢測電源的各相參數(shù)進而精準識別；文獻[4]提出一種改進SOC 估算方法，引入多元參數(shù)交叉融合來判別熵值；文獻[5]在分布式電源集群并網(wǎng)調(diào)控的體系架構(gòu)與關(guān)鍵技術(shù)做了研究，建立了集群管理的模型；文獻[6]在主動配網(wǎng)EMS 中引入集群管理，自律協(xié)調(diào)和協(xié)同疊加的概念在能量管理中應(yīng)用；文獻[7]將遺傳算法與配電網(wǎng)規(guī)劃進行有效結(jié)合，研究了遺傳算法在規(guī)劃方案中的染色體組編碼方式。本文將遺傳算法引入到檢修電源的管理中，將檢修電源電池剩余容量（SOC）、最佳電池健康度（SOH）、工作人員到檢修電源的距離L 建立數(shù)學模型，運用遺傳算法的尋優(yōu)性能給出最優(yōu)解，以便工作人員提升作業(yè)效率，為快速檢修節(jié)省時間，對電網(wǎng)運維具有較大經(jīng)濟和安全意義。

1 集群管理引入檢修電源

“集群”一詞源自計算機技術(shù)，其核心是通過預(yù)先設(shè)定的模式，將網(wǎng)絡(luò)中原本松散的計算機個體進行區(qū)分與歸類，形成多個新的網(wǎng)絡(luò)[8]。集群管理非計算機領(lǐng)域特有，在多個領(lǐng)域均有應(yīng)用且效果良好，網(wǎng)絡(luò)中各個計算機既相互獨立又可以保持通信，協(xié)同服務(wù)于其所在集群；而不同集群統(tǒng)一受網(wǎng)絡(luò)指令的控制，較大程度的提高了系統(tǒng)的工作效率，方便調(diào)度及管理。集群在電力系統(tǒng)中的應(yīng)用能極大增加電力系統(tǒng)的智能化與管理能力，相同參數(shù)或相同電氣特征的檢修電源劃分為一類，或根據(jù)電力需要進而劃分，必要時集合管理，把各檢修電源的參數(shù)收集起來匯總成實時數(shù)據(jù)庫，以便后臺管理系統(tǒng)使用優(yōu)化算法處理數(shù)據(jù)。

分布式的檢修電源因物理屬性一致，但地理位置的分散性，若要集中統(tǒng)一監(jiān)視與控制，通過后端服務(wù)器調(diào)用最優(yōu)算法參與集群管理就能做好優(yōu)化。當故障發(fā)生需要調(diào)用檢修電源時，作業(yè)人員需要快速調(diào)用離故障點最近且健康狀態(tài)最佳的電源，電池剩余電量百分比（SOC）和電池健康度（SOH）以及與作業(yè)人員的距離就成為關(guān)鍵性因素。后端服務(wù)器采用優(yōu)化算法，綜合距離、SOC、SOH、電壓等因素做出最優(yōu)判斷，及時告知作業(yè)人員選擇最近且健康狀態(tài)最好的電源。

2 目標函數(shù)的建立

建立目標函數(shù):最優(yōu)的選擇策略由最佳的電池剩余容量、最佳電池健康度、距離最優(yōu)和電壓偏差滿足要求為條件：

式（1）中Fmax為最佳目標函數(shù)，fsoc為剩余電量百分比最佳，fsoh為電池健康度最佳，Imin為工作人員到檢修電源的距離最短，Δu 為電壓偏差滿足要求。

考慮到檢修電源的壽命和日常充放電規(guī)律，檢修電源不能常處于高電量狀態(tài)也不能常出于低電量狀態(tài)，并且要對充放電的規(guī)律進行約束。

SOCmin為電源容量的最小值，SOC(t)為電源在t 時刻的剩余電量，SOCmax為最大容量。同時對充放電功率要考慮參數(shù)：

PESSN為電源儲能的額定功率，PESS(t)為t 時刻的功率。在集群管理這個過程中，各分布式檢修電源可看作一個節(jié)點，各節(jié)點的電壓應(yīng)該被時刻管控。

Umax為檢修電源允許的電壓最大值，Umin為檢修電源電壓允許的最小值小值，ui,t為節(jié)點i 在t 時刻的電壓。電壓允許偏差可進一步歸一化處理：

λad為調(diào)節(jié)比例；Uad為實際調(diào)節(jié)電壓，包括調(diào)節(jié)電壓上限UN與下限，Vm為電壓允許偏差范圍。

3 遺傳算法求解模型

3.1 遺傳算法構(gòu)建

遺傳算法一類依據(jù)進化理論設(shè)想得到的尋求最優(yōu)解集的仿生取優(yōu)策略，本質(zhì)為一類高效、并行、全方位搜索的辦法。為檢修電源尋優(yōu)規(guī)劃協(xié)調(diào)各目標提供了有力工具，在使用遺傳算法解決檢修電源尋優(yōu)路徑問題時，其每一組可行解將會被編譯為一條“染色體”，稱之為“個體”，若干條個體組合為群體。遺傳算法與智能檢修電源尋優(yōu)問題的結(jié)合表現(xiàn)為染色體的編碼方式，一個個體表示一種優(yōu)化方案，無數(shù)個體構(gòu)成一個群體，每個個體包含一條染色體，SOC=X1,SOH=X2,L=X3，將各要素數(shù)學編碼：

式6中[.]表示函數(shù)向上取整；Xi表示第i 個基因位的取值；Ximax和Ximin分別表示約束最大值與最小值；ran[0,1]表示區(qū)間[0,1]內(nèi)的任意數(shù)值。

確定適應(yīng)值和編碼方式：

n 為訓練樣本數(shù)，q 為輸出單元個數(shù)，本文有x，y 輸出，所以q 取值為2。ykj，ckj為第j 個輸出單元的實際輸出與期望輸出的差。

選擇、交叉、變異：

α 為一參數(shù)，X1t+1、X2t+1分別為待交叉的個體。

X'k表示原染色體中第k 個位置基因Xk經(jīng)過非均勻變異后的基因，Δ(t,y)表示在[0,y]符合非均勻分布的一個任意數(shù)，t 代表進化代數(shù)，t 隨著進化代數(shù)的增加。遺傳算法的流程如圖1所示。建立好求解模型之后，對建立的求解函數(shù)進行測試，選取常用函數(shù)測試其尋優(yōu)性能：預(yù)先的真實數(shù)據(jù)集由于其真實性，但是情況變化有可能受條件影響而不夠全面，而仿真的可以設(shè)定各種數(shù)據(jù)比較全面，選取測試函數(shù)對遺傳算法進行尋優(yōu)測試（圖2）。

圖1 遺傳算法流程圖

圖2 遺傳算法測試函數(shù)

3.2 尋優(yōu)仿真

遺傳算法是能對全局自適應(yīng)搜索將電池健康度和剩余電量使用二進制編碼，等位基因[0,1]，個體基因[0,1]T,在交叉和繁殖的步驟領(lǐng)域獨立別分進行，先后經(jīng)歷初始化、個體評估、種群進化、選擇母體、交叉、變異、選擇子代最后終止檢驗。確定檢修電源的種群規(guī)模N、檢修電源的交叉概率為Pc、檢修電源的變異概率Pm以及終止進化準則都需要被確定，檢修電源的N 個個體參與初始化之后便生成初始化種群X(0)。對每個檢修電源的各相電氣參數(shù)綜合評估，計算其個體適應(yīng)度之后加速種群進化。從種群里挑選出M/2對母體，按照概率Pc 執(zhí)行交叉形成M 個中間個體；對M 個中間個體分別按照概率Pm執(zhí)行變異形成候選的檢修電源。依次類推通過設(shè)定各移動智能電源箱的參數(shù)，SOH、SOC、Δu、L 綜合最優(yōu)解的情況下，能較快尋找到最近且健康狀態(tài)最好的電源。

從尋優(yōu)收斂曲線（圖3）來看，剛開始對檢修電源建模初始化種群N 建立起來后，開始交叉迭代迭代到60次開始收斂，只有小幅度的波動，到達80次的維度，已經(jīng)能夠穩(wěn)定的收斂，能達到快速尋找檢修電源的目的。

圖3 尋優(yōu)曲線

4 結(jié)語

智能檢修電源集群管理多由各個分布式電源所構(gòu)成，為了兼顧集群結(jié)構(gòu)與功能性，集群劃分指標的建立綜合考慮電源的SOC、SOH、SOC、Δu、L 和輸出電能方式等參數(shù)，建立考慮綜合性能的劃分指標。在此基礎(chǔ)上，通過二進制編碼定義集群劃分個體解，最后通過遺傳算法對所構(gòu)建模型進行優(yōu)化，通過使用遺傳算法對檢修電源尋優(yōu)，能再發(fā)生緊急情況下讓檢修人員快速定位最準確的電源位置。