计算机仿真在提升负控系统覆盖率中的应用研究

摘 要：营销负控系统在电力网络中监控包括负荷在内的各项数据，随着电力负荷需求越来越多，而电力供需也会因各种原因失去平衡，这就要求负控终端的覆盖率尽可能的提高，从而达到对电网实现最优控制，确保重要负荷点不受影响。随着人工智能领域的发展，使用计算机对现实世界的问题进行仿真，寻找最优化的方案已经有了越来越多的实际应用，该文在分析电力负控系统特征的基础上，使用人工鱼群算法来优化负控系统方案，提升覆盖率。

关键词：负控系统 智能电网 人工鱼群算法 覆盖率

中图分类号：TP18 文献标识码：A 文章编号：1672-3791（2014）12（b）-0016-01

随着电力网络负荷需求的不断变化，负控系统能监控每个用户节点负荷变化情况在电力网络中的地位变得越来越重要。在目前阶段，由于负控终端尚未达到覆盖每个用户节点，因此要尽可能的扩展负控终端的覆盖范围，以达到成本和覆盖率之间的最优化。由于计算机仿真领域的发展，我们可以将现实世界中的事物在计算机中进行模拟仿真。将负荷控制系统的覆盖规划，通过建立数学模型，结合电力网络运行的实际参数进行仿真，模拟现实中电力网络的运行，然后通过仿真系统的参数来调整负控规划方案。

1 可用于覆盖率的常见优化算法

使用数学分析进行建模和计算机仿真模拟进行覆盖率的研究在现实社会中有着很大的应用，例如移动基站的覆盖率、卫星通讯的覆盖率等等。

1.1 人工鱼群算法

人工鱼群算法（Artificial Fish-swam Algorithm）是一种模拟鱼群行为的优化算法，它具有天然的分布式和自组织特征，是通过模拟自然界生物聚群行为来得到最优化方案的算法。人工鱼群算法采用自下而上的思路，从鱼群中每个个体的行为开始局部寻优，最后可以在群体中表现出全局最优[1]。人工鱼群算法的核心思想是根据指定水域中食物最多的地方是鱼类密度最高的地方这一特点来模拟鱼群的觅食行为，从而得到最优化的方案。

人工鱼群算法描述了几种鱼群的行为[1]。觅食行为，鱼群在目前所处区域中通过感知来寻找事物最丰富的区域，可以通过建立感知模型来模拟鱼群觅食的行为。追尾行为，当鱼群中少数个体寻找到食物后，周围的其他个体也会向该区域集中，从而导致更多的个体朝着该区域集中。集群行为，鱼类的活动是一种具有群体性的活动，这样有助于躲避天敌等，这种群体能够被很好的用于解决最优化问题。随机行为，鱼类在没有发现事物之前的活动是一个朝着随机方向活动的行为。人工鱼群算法不需要考虑问题的特殊信息，只需要对问题进行优劣的比较，有着较快的收敛速度。

1.2 粒子群算法

粒子群优化（Particle Swarm Optimization，PSO）算法是一种进化算法的一种，是通过模仿自然界中鸟群寻找食物过程中的群体性规律而建立的模型，并且用来寻找现实问题中的最优解。粒子群算法从随机的初始状态出发，通过不断的迭代来寻找最优解，算法所需参数少、容易实现、搜索效果较好、收敛速度快、可并行实现。

在粒子群优化算法中，每个粒子都是问题的一个解，而且每个粒子都有自己的初始位置和移动方式。每个粒子都保存了目前为止自己发现的最优位置和所有粒子发现的未知中最佳的位置。每个粒子根据自己所知道的信息来决定自己的移动方式。

粒子群算法的优化算法有很多种，包括混沌粒子群算法等都在实际应用中发挥了很大的作用。

2 覆盖率算法在负控系统中的应用

负控系统在电力网络中有两个重要的应用，首先是数据采集节点，通过部署在各个电力网络节点的负控终端来实时的采集电力负荷的运行数据，并且通过中继站上传到负控中心。由于中继站的成本较高，因此在中继站的部署过程中也要通过仿真分析来确定一个优化的部署方案。在中继站的部署过程中要考虑到本区域的电力负荷、地形等因素，以便能够更好的规划部署，消除盲区。

在负控系统的规划阶段，可以使用现有的智能算法来确定最优化的方案，在本节剩下的部分中将会根据人工鱼群基本算法提出一个适用于负控系统规划的人工鱼群算法模型。在负控系统中，为了避免负控终端的资源浪费，规划的目标应该是使目标函数达到最大值，因此也就是使人工鱼群向食物浓度较大的方向移动。

2.1 参数设定

根据负控系统的特性对参数进行设定，根据指定区域中预先估计的负控中心的规模、中继站的数量负控终端的数量，结合该区域中的用户数量和电力负荷来确定人工鱼群的规模，根据负控系统需要覆盖的区域的大小来确定鱼群的移动范围，根据中继站的覆盖范围和负控终端的覆盖范围来确定鱼群的视野，最后根据指定中继站所管理的负控终端数来确定迭代参数和密度参数。

2.2 初始化人工鱼群

根据指定区域中的用电负荷和用户数来生成n个数，为每条人工鱼的初始位置，人工鱼的初始位置要根据指定区域中电力负荷来确定。

2.3 执行算法

根据预先设定的参数，使用人工鱼群基本算法对人工鱼群的追尾行为、聚群行为进行模拟，人工鱼根据自己的所在区域中鱼群密度较大而且食物浓度较高的区域移动。如果无法确定移动方向，则根据自己当前位置的食物浓度选择一个比当前浓度高的方向进行移动或者随机移动一步。如果达到最大迭代次数，输出鱼群密度最高的区域，即得到最佳的部署位置。

2.4 方案分析

根据算法执行结果来设定负控终端和中继站的部署方案，根据地形等因素适当的进行调整。最后根据指定区域的实际用电数据对方案进行仿真测试，根据测试结果在进行方案的优化和修改。

人工鱼群的基本算法提出后，学术界根据不同的需求对该算法模型进行了大量的优化，并且在电力系统中有很多的应用研究，例如齐志华将人工鱼群算法应用于电力控制系统[2]，吴杰对人工鱼群算法在输电网络规划中的应用进行了分析[3]。

3 结语

随着社会经济的发展，必然会对电力负载控制提出更高的要求。负控系统将在监控电力网络中各节点的状态、动态控制各节点的运行等方面起着重要的作用。合理的部署负控系统能够最大化的节约电力网络的投入，更好的为用户服务。因此，在以后的发展中，基于人工智能算法的计算机仿真优化技术将会对负控系统的规划提供更好的决策依据。

参考文献

[1] 李晓磊，邵之江，钱积新.一种基于动物自治体的寻优模式：鱼群算法[J].系统工程理论与实践，2002，22（11）：32-38.

[2] 齐志华.基于AFSA-SVM算法的电力系统控制方法研究[J].科学技术与工程，2014（14）：235-238.

[3] 吴杰，刘健，卢志刚，等.适用于输电网网架规划的人工鱼群算法[J].电网技术，2007，31（18）：63-67.