《配网规划智能决策支持系统的研究基于地理信息系统及人工智能方法》由会员分享，可在线阅读，更多相关《配网规划智能决策支持系统的研究基于地理信息系统及人工智能方法（8页珍藏版）》请在金锄头文库上搜索。
1、配网规划智能决策支持系统的研究 ? 基于地理信息系统及人工智能方法 吴奇石 邱家驹 ( 浙江大学电机系 杭州 310027) 摘 要 配电系统的最优规划( 新域区的垦荒计划及旧城区的增容计划) 是一个非常复杂的非线性 组合优化问题。本文结合地理信息系统(GIS)的空间特性与人工智能(AI) 方法的鲁棒性两者的 优点, 进行配电网络规划设计, 较详细地论述了用于配网规划的智能决策支持系统(IDSS) 的结 构和组合; 并以遗传算法在初级布线中的应用为实例来说明IDSS的具体实现。 关键词 地理信息系统 配网规划 人工智能 遗传算法 1 引言 随着社会进步和经济发展, 新兴城市不断涌现, 老城市也
2、加快了改造的步伐。为新城区 ( 垦荒计划) 及旧城区( 增容计划) 进行配网规划设计( 包括用户分区、 网络规划、 最优设点布 线等) 已成为电力工作者的一项日常任务。 然而作为一个非常复杂的可扩展配网规划与设计问题, 目前在绝大部分的电力部门仍 然靠人工采用常规手段( 如统筹方法等) , 或借助于简单的 CAD 制图工具来完成。这不仅费 时、 费力, 而且要在数以百万计的可选设计方案中, 兼顾网络结构、 系统运行条件、 设备材料 及障碍物等等各方面的制约因素, 挑出一个最优方案, 其困难程度可想而知。 近年来, 随着计算机技术的迅速发展, 人工智能( AI) 研究的进一步深入以及地理信息 系
3、统( GIS) 应用领域的逐步拓宽, 配网管理受到了前所未有的重视, 并在世界各国掀起了配 网管理自动化的热潮。 具备了相应的理论基础和外围技术条件后, 在地理信息系统基础上开 展配电规划的人工智能技术研究, 有必要提到电力工作者的研究日程上来。 运行在存储于地 理信息系统数据库中的地图信息基础上的智能配网决策支持系统, 不仅可以加速配网设计 过程, 而且所得到的设计方案能够达到经济、 高效、 低耗的目的, 有着常规方法不可比拟的优 越性。 2 配网规划问题简述 一般来讲, 配网规划可概括为以下几个方面: 1) 用户分组及其视图表示; 2) 变压器及联 第 10 卷第 3 期 1998 年 9
4、 月 电 力 系 统 及 其 自 动 化 学 报 Proceedings of the EPSA Vol. 10 No. 3 September 1998 ?本文 1998 年 1 月 13 日收到, 修改稿 3 月 20 日收到 结点定位; 3) 次级布线设计; 4) 初级布线设计。下面分别加以阐述。 2. 1 用户分组及其视图表示 负荷预测为用户分组工作提供了必不可少的基础资料。 对于规划区内的不同用户, 需分 别收集其建筑面积、 建筑类别等一批永久性用户数据, 再根据相应的单位面积需用负荷计算 得到用户配置容量。 计算过程还应考虑因用电高峰时间差异引起的负荷分散系统的影响。 不 同类别的
5、用户在地理信息系统的视图中分别由不同的多边形地块来表示。对各地块的拓扑 邻接、 几何模型、 空间关系加以分析后, 便可利用源地块标识( 如死胡同的末端, 街道的主入 口等) 自动增长技术来确定哪些用户由同一个变压器供电, 即所谓的划分用户群; 然后, 在属 于此用户群的各地块的地理属性库中分别加入该变压器的信息, 如表1 所示。 等到把所有的 用户群均确定下来后, 便可在视图中用不同的颜色表示之, 见图 1。 表 1 多边形地块( 用户)属性表 地 块 标 识 号I D用 户 名 称供 电 变 压 器 1朝晖一区中北桥变压器 2朝晖二区中北桥变压器 3朝晖三区黎明园变压器 4朝晖四区黎明园变压
6、器 图 1 视图中用户群的划分及其表示 2. 2 变压器及联结点定位 图 2 求取用户群重心的中心位置 前述的用户分组工作已计算得到各用户的 配置容量 ?1, ?2, ?n, 再根据最小准则可求取整 个用户群容量重心作为变压器安放位置的最优 候选地点。 当然, 设计者可以按照实际情况相应 调整其位置。 下面以某一用户群为例加以说明。 该用户群在视图中如图 2所示。联结点主要用 于跨街区供电, 一般可置于变压器的正对面。 Min f ( g) = d21?1+ d22?2+ + d2n?n = n i= 1 d 2 i?i= n i= 1 ?gig? 2? i( 1) 式( 1) 中, di(
7、i = 1, 2, , n) 为各用户重心 gi( i = 1, 2, , n) 到用户群重心 g 的距离; 16 电 力 系 统 及 其 自 动 化 学 报 1998 年第 3 期 ?i( i = 1, 2, , n) 为各用户的预定容量。 2. 3 次级布线设计 在次级布线过程中需完成两项任务: 其一是为每个用户群逐一确定各终端用户到其供 电变压器的走线方式; 其二是计算出各线路的容量。 2. 4 初级布线设计 初级布线的目的是把整个用户区中的所有变压器联结起来, 并使得线路投资、 挖渠费用 及网络损耗为最小。 3 配网规划的智能决策支持系统 配网规划的复杂性, 不仅在于其设备数量庞大,
8、走线方式多样, 还在于要关心许多难以 用数学模型加以精确描述的不确定因素。人工智能方法在解决基于分布处理的复杂问题上 有着明显的优势, 因而, 在配网规划中应用人工智能方法有着极其巨大的潜力。在过去几十 年中, 人工智能作为调度员的辅助工具在输电系统中一度得到发展, 但在配电规划与设计领 域中却未曾引起足够的重视。 国外现已有人尝试用启发式算法缩小初级布线搜索空间, 取得 了相当成功, 极大地减轻了设计工作量。但在利用智能决策支持系统( IDSS) 并综合考虑众 多制约因素实行最优化配置方面尚无人涉足。图 3 为采用黑板法的用于配网规划的智能决 策支持系统的结构图。图 4 所示的则是以黑板为数
9、据转换中介的智能决策支持系统的数据 流向图。 图 3 采用黑板法的用于配网规划的智能决策支持系统 图 4 IDSS 中的数据流向 3. 1 地理信息系统 地理信息系统是介于信息科学、 空间科学 与地理科学之间的交叉学科和技术, 它将地学 空间数据处理与计算机技术相结合, 通过系统 建立、 操作与模型分析, 产生对区域规划及管理 决策等方面的有用信息 12 。随着计算机软、 硬 件技术的发展与普及, 地理信息系统的应用领 域从初期的土地资源环境、 地质推广到农林业、 气象; 如今, 城市公共设施的运行和管理已是地理信息系统推广应用的一个重要领域, 包括 17 1998 年第 3 期 配网规划智能
10、决策支持系统的研究 城市配电、 自来水、 煤气和通讯等行业。地理信息系统与其它一些日常事物的信息系统如银 行管理系统、 图书检索系统不同, 地理数据必须包括位置、 可能的拓扑关系、 地物的特征等。 配电网络, 正如交通网络、 管道网络等其它诸多网络一样, 地理位置特征是其最基本的要素, 作进一步的空间网络分析离不开地理信息的支持。用地理信息系统作为电力系统配电网络 规划设计的数据基础是配网规划最优化得以实现的重要前提。 3. 2 黑板结构 整个智能决策支持系统由一组称为知识资源( KS) 的独立模块和一块黑板组成。 这里知 识资源含有专门领域的知识, 如前述的用户分组、 变压器定位、 初级布线
11、及次级布线等模块。 而黑板则是一切 KS 可以访问的公用数据结构, 是各 KS 相互联系的通信媒介。当一个知识 资源被激发时, 它检查当时黑板上的内容, 并运用它的知识产生一个新的假设写到黑板上 ( 以二维形式排列) 。在什么条件下触发知识资源由与它相连的触发器来决定。这些触发器 在得到某些条件变为真以后, 才去激发一个相关过程。当一个触发器被触发时, 它产生一个 活动记录来描述应该被触发的知识资源和触发器触发的专门事件。下一次该触发那个知识 资源, 是由一专门知识资源根据它如何更好地指导在具体领域中搜索的知识来决定, 这个知 识资源称为时间表。如果时间表没有发现未解决的活动记录, 那么系统便
12、停止执行。 在配网规划中, 黑板是联接地理信息系统和人工智能技术( 包括遗传算法、 专家系统、 神 经元网络等) 的桥梁。通过黑板为中介, 地理信息系统中的数据便可结构化为人工智能技术 能够直接处理的记录。 3. 3 人工智能方法研究 在整个配网规划过程中, 各学派的人工智能方法( 符号、 仿生、 进化) 均可得到应用, 如专 家系统、 基于知识系统、 启发式搜索、 Tabu 搜索、 遗传算法等等。采用多种人工智能方法是 由配网各过程的不同性质所决定的。 所有这些人工智能方法即组成智能决策支持系统的“ 中 央处理单元” 。 但作为一个系统, 智能决策支持系统并不象其它单个人工智能技术, 它并不
13、期 望完成全部的工作, 而仅仅扮演“ 支持” 的角色, 把裁决权最终交予用户。 3. 3. 1 专家系统 专家系统是人工智能应用研究的主要领域。它是一个具有大量的专门知识与经验的程 序系统, 根据某领域一个或多个专家提供的这些知识和经验, 模拟人类专家的决策过程进行 推理和判断, 以便解决那些需要人类专家处理的复杂问题。在配网规划中, 作为决策支持系 统中知识资源的推理基础, 它可应用于次级布线的设计工作。 3. 3. 2 启发式搜索 配网规划中的初级布线是一个组合优化问题, 所以其搜索策略的选择是解决问题的关 键。 盲目搜索的效率低, 且耗费过多的计算时间与空间, 与之相比, 选择“ 最有希
14、望” 的节点作 为下一个被扩展节点的有序搜索可以大大提高搜索效率。 一个启发式搜索总是包括两个部分: 启发估计以及用以搜索整个节点空间的算法。 估价 函数通常定义为以下形式: f ( n) = g( n) + h( n)( 2) 式( 2) 中, g( n) 为起始节点到节点n的实际距离, h( n) 为从节点n到目标节点距离的启 发估计。 基于此估价函数, 文献 1 中给出了 A * 算法的实例。 3. 3. 3 遗传算法 遗传算法是模拟生物进化过程的一种计算模型。该计算模型就其本质而言是一种用于 18 电 力 系 统 及 其 自 动 化 学 报 1998 年第 3 期 处理复杂问题的鲁棒性
15、强的启发式搜索算法。到目前为止, 作为模拟进化优化方法的一种, 遗传算法主要用来求解组合优化问题, 以及存在不可微的目标函数或约束条件复杂的非线 性优化问题。由于采用了随机优化技术, 与基于梯度寻优技术的常规数学优化方法相比, 遗 传算法有较大的概率求得全局最优解, 再加之其简单通用且适于并行处理及应用范围广等 显著特点, 遗传算法被列为二十一世纪关键智能计算技术之一。 遗传算法是一个简单的迭代过程。 该过程始于一个随机产生的初始群体, 在每次迭代中 都保留一组候选解, 按其解的优劣进行排序, 并根据其适应值( fitness, 由适应函数计算得到 的用于评价这些解质量好坏的一种指标) 大小从
16、中选出一些解, 利用一些遗传算子如交叉 ( crossover) 和变异( mutation) 等对其进行运算, 产生新一代的一组候选解, 重复此过程, 直 至满足某种收敛指标为止。 遗传算法的应用实例在近几年的各种文献中并不鲜见。建立一个完整的遗传算法实用 程序, 不仅要进行核心功能模块函数的设计, 更要考虑原理与方法上的改进, 特别是适应度 函数的设计直接影响到遗传算法的性能。 因为遗传算法在进化搜索中基本上不用外部信息, 仅用目标函数即适应度函数为依据进行选择操作。 另外, 数据模型建立的优劣与否也关系到 程序编制的难易。 因篇幅有限, 有关具体编程的细节本文不再展开讨论。 下面仅以遗传算法 在配网规划初级布线系统中的应用为例对 IDSS 的具体实现加以说明。 4 基于遗传算法的初级布线系统开发与应用 4. 1 初级布线系统的结构和组成 如图 5 所示, 该系统包括以下几个过程: 数据预处理、 数据建模、 遗传算法路径优化、 费 用估计以及搜索结果在线可视化。基于 GIS 的设备管理系统数据库中, 储存有用于系
