启发式电网规划法（精选4篇）
启发式电网规划法 篇1
0 引言
大规模风电并网后,由于风电出力的波动性会导致线路有功潮流与节点电压的频繁波动,这种特殊性使电网规划面临着新的挑战[1]。文献[2]建立了含风电的输电网机会约束规划模型,给出的求解算法可以降低常规Monte-Carlo方法的计算量,但是难以计及发电再调度环节,且没有考虑风电接入后的无功规划问题。文献[3]研究了输电网短期有功与无功综合扩展规划,但是没有计及风电接入的情况。鉴于风电场的建设周期较短[4],故将有功和无功综合规划,进而实现系统资源的整体优化配置具有重要意义。本文针对大规模风电并网后的输电网有功与无功综合扩展规划进行了研究。
为计及风电在多时间尺度上(天/月/季)的不同出力特性,根据风电与负荷全年每小时的时序数据,建立了输电网短期综合扩展规划的数学模型,取网络设备投资的年值成本与方案在全年所有不满足安全约束场景下的控制措施成本之和为目标函数。由于风电出力具有波动性,本文以发电成本最小为目标函数,考虑了安全约束发电调度环节。
1 数学模型
本文采用如下模型进行扩展规划:
式中:v为目标函数;rl和rc分别为线路与无功补偿设备投资的资金回收系数;cp,np,npmax分别为输电走廊新建线路成本、数目及其相应的最大允许数目;cq,nq,nqmax分别为节点新增无功补偿设备单组容量的投资成本、组数及其相应的最大允许组数;L(np,nq)为方案(np,nq)在全年所有不满足安全约束场景下采取控制措施的成本总和,这里的控制措施包括负荷削减和弃风,其中不考虑弃风的经济损失。计算公式如下:
式中:e为单位负荷削减电量的经济损失;h为场景的持续时间,如1h;Pcut(u)为方案(np,nq)在第u个场景下的最小负荷削减量,具体求解见文献[3],这里的场景是由系统某时段下的风电出力与负荷所定义,即一个时段对应于一个系统场景。
考虑到风电出力的波动性,在系统运行过程中需要发电再调度以实现系统的功率平衡[5,6],故在含风电的输电网规划研究中计及发电再调度是十分必要且合理的。因此,上述模型中计算L(np,nq)时,首先是在全年所有场景下进行安全约束发电调度,若某场景下调度成功,则无需采取任何控制措施(相应的控制成本为0),否则计算其控制措施成本。故式(4)最终计算结果为所有不满足安全约束场景下的负荷削减成本总和。需要说明的是:全年8 760h的电网运行优化是需要进行机组组合的,其组合方案对电网在线实时优化调度也是有影响的,这部分内容将另文表述。本文重点是研究如何减少规划中所需计及的场景,文中为简化计算未计及机组组合,但在计及机组组合时该方法同样适用。
2 求解算法
上述模型求解的复杂性体现在计算方案的L(np,nq)。对于方案(np,nq),由于每个场景下的最小负荷削减量需通过1次或2次最优潮流计算获得,全年有8 760个场景,采用常规的优化算法通常要评估上万个解,总计就需要进行上亿次最优潮流,故在计算负担上这将是难以承受的。
基于复杂问题分解协调的求解思想,将原问题分解为2个子问题:网络设备投资决策(子问题1)与方案的控制措施成本评估(子问题2)。前者用于获取方案集,而后者则评估各方案的控制措施成本,进而得到各方案的目标函数值,以确定最佳方案。其中的关键是如何求解子问题1,即如何获取所需的方案集,使其尽可能地包含优化的规划方案。为此,下面分别从分析目标函数与问题本身的特性出发,构造算法的优化求解策略。
2.1 目标函数特性分析
如式(1)所示,目标函数由方案的投资成本及其控制措施成本两部分构成。基于电力规划经验可知,在合理规划的前提下,若系统投资成本越高,那么相应的控制措施成本就越低;反之,如果系统投资成本越低,则其相应的控制措施成本就越高。图1给出了目标函数的特性示意,其中C,L,v分别表示方案的投资成本、控制措施成本及目标函数值。由此可以获得启发,若通过合理的规划方法逐步生成与图中目标函数特性曲线变化一致的各方案,则这些方案的全体即为子问题1所需的方案集,其中目标函数值vmin点对应的方案即为最佳方案。需指出,图1中给出的曲线仅示意了整体的变化趋势。
2.2 极端场景集
根据系统各风电场与节点负荷全年每小时的时序数据,可获得总的风电出力与总负荷的时序数据,在此2维尺度下即可确定由系统风电和负荷构成的场景集,如图2所示,其中的点代表相应的1个场景,共计8 760个。
考虑到系统在负荷或风电出力较大情况下运行条件更为苛刻,故本文将给出极端场景集的定义。为便于问题的清晰表述,这里借用多目标优化领域的相关概念[7]。假定存在多目标极值最大化问题,目标函数记为g(gl,gw),其中目标变量gl和gw分别为系统的总负荷与总风电出力。图2中每个场景对应的点皆为该问题的可行点,它们共同形成可行点集S0(8 760个场景),设第k层极端场景集为S(k),,Ω(k)表示第1层至第k-1层极端场景的并集,即
S(k)通过以下步骤确定。
1)在可行点集S0-Ω(k)中找到总风电出力最大的点(g*l_k,i,g*w_k,i),并设置i=1。
2)令i=i+1,在S0-Ω(k)中获取除点(g*l_k,i-1,g*w_k,i-1)之外,满足总负荷不小于g*l_k,i-1条件的所有点。
3)如果步骤2找到了满足条件的点,则在相应点集中找到风电出力最大点(g*l_k,i,g*w_k,i),然后转步骤2;否则,令Ik=i-1,为S(k)中极端场景的数目。
4)输出S(k)={(g*l_k,i,g*w_k,i)}(i=1,2,…,Ik)。
依次取k=1,2,…,Kmax,直至遍历完全部S0。图2中分别给出了第1层、第10层和第50层的极端场景集(由外到内),用圆圈标记。
2.3 优化策略
在获得了某层极端场景集S(k)后,通过求解满足该场景集下安全约束的输电网综合扩展规划模型即可获得相应投资成本最小的方案。依据单调变化的性质,这种分层能保障随着k值增大,对应层的投资成本最小方案的成本递减。通过调整极端场景集相应的层数,就可得到不同的方案。显然,极端场景集的层数越大,极端场景下的负荷或风电出力相对就越小,获得的优化方案的投资成本就越低,同时方案的控制措施成本也就越高,反之亦然。
通过上述分析,结合图1中模型目标函数的特性,为了获得较优的方案,同时提高计算效率,这里先采用全局搜索以定位较优解所处的区域,全局搜索可以不选极端场景集的全部层S(k),k=1,2,…,Kmax,如依次从中选,分别求解其相应的方案,共计l1+1个。这里Δ1为层数增加的步长,可取较大值。
在获得了此方案集后,再计算方案的控制措施成本,进而得到各方案的目标函数值(按顺序其一般的变化趋势是先逐渐减小后逐渐增大),由此确定目标函数值最小的方案所对应的极端场景层数t。令Δ2为层数调整步长,可取较小值,在前述工作基础上进行局部搜索,即依次对,分别求解其相应的方案(共计2l2个)。同样,计算求得方案集中各方案的控制措施成本,进而得到其目标函数值,并与全局搜索所得最佳方案比较,从而确定最终的优化方案。
2.4 基于极端场景集的输电网综合扩展规划的数学模型
根据上述的优化策略可知,在算法求解过程中,需要获得满足第k层极端场景集下安全约束的输电网综合扩展投资成本最小的方案,其目标函数如下:
约束如下:
式中:PGw(k_s),QGw(k_s),PLi(k_s),QLi(k_s)分别为第k层极端场景集第s场景下节点w的风电有功与无功出力、节点i的有功与无功负荷;PGw(u),QGw(u),PLi(u),QLi(u)分别为节点w的风电全年时序有功与无功出力、节点i的全年时序有功与无功负荷;F为由全体场景获取第k层极端场景集的提取函数;f(PGi)为安全约束发电调度的目标函数,取总的发电成本最小;n是系统的节点数;Sbfrom,Sbend,Sbmax分别为线路b首端、末端视在功率及其上限;PGimin,QGimin,PGimax,QGimax分别为发电机节点有功功率和无功功率的下限和上限;QGwmax和QGwmin可根据文献[8]中的规定加以确定。该模型的求解算法见文献[3]。
由图2可见,极端场景集中的场景数目相对仍较多。为了提高模型求解的计算效率,考虑到各极端场景之间的独立性,这里采用先放松部分约束,然后逐步加入并排除无效约束的求解方法,具体如下:首先求解满足若干少数极端场景安全约束的投资成本最小方案,然后将该方案在余下所有极端场景下进行安全约束校验,并排除满足安全约束的极端场景;然后再从剩下的不满足安全约束的极端场景中取出若干场景,在已获得的方案基础上再求解满足这些场景下安全约束的投资成本最小方案,直至得到满足所有极端场景下安全约束的最终优化方案。
3 算例分析
本文的求解算法在Intel(R)Pentium(R)双CPU E2180(主频2 GHz,内存2 GB)上利用MATLAB-R2010a进行编程实现。
算例系统如图3所示。
图3中,节点1和2为多个风电场的汇集升压站节点,风电场总的装机容量分别为2 000 MW和2 400MW,分别经由线路L1-3和L2-4并入系统,节点6的外送功率为3 000 MW。为了使外送线路保持较高的利用率,这里假定其传输功率为恒定值。规划年时序的风电出力与负荷曲线采用了文献[9]中的数据。系统相关数据见附录A,这里取e为0.7元/(kW·h)。
令Δ1=10,l1=5,可得以下各层极端场景集S(1),S(11),S(21),S(31),S(41),S(51),由此顺序得1号—6号方案。图4与图5给出了各方案的投资成本、控制措施成本与总成本,1号—6号方案用圆圈标记。
由此可见,1号—6号方案的投资成本逐渐减小,然而其代价是控制措施成本逐渐增大,总成本的变化趋势表现为先减少后增大。其中,1号方案的网络投资成本最高,它可满足系统所有场景下的安全约束,故总成本也较高;6号方案虽然投资成本最低,但是控制措施成本很高,其总成本也最高。通过大范围的全局搜索可以确定当前的最佳方案是3号,在此基础上还需进行局部搜索。
为此,令Δ2=2,l2=3,可得以下各层极端场景集S(15),S(17),S(19),S(23),S(25),S(27),由此顺序求得7号—12号方案,图4和图5中用星号标记。由图5可见,在3号方案附近进行局部搜索后得到的9号方案,其目标函数值最低,这表明经局部搜索获得了更好的解。
综上所述,通过结合全局搜索与局部搜索,只需求解和评估较少的方案(共计12个),就可以获得满意解,与采用常规的优化算法求解原模型相比,算法的优化效率大大提高。附录B给出了上述12个方案的具体信息。
以S(21)获取相应的规划方案为例,其极端场景数为49。在模型求解过程中,首先取其中的6个极端场景,获得满足这些场景下安全约束的初步方案,然后分别校验其是否满足余下43个极端场景中每个场景下的安全约束,结果仅不满足其中7个极端场景下的安全约束。进一步,在初步方案基础上再求解满足此7个场景下安全约束的方案,即可得出最终的优化方案。其他层数极端场景集情况也类似,通常只需2至3步即可得到最终方案。对本算例,求解计算的平均时间约为0.8h。这表明通过这种约束处理方法可以相对较快地得到优化方案。
本算例全部的优化计算时间约为15.6h。工程上,如果对计算时间有更快的要求,一种可行的手段是在获得各层极端场景集后,利用并行计算技术来求解相应的各方案及其后续的控制措施成本。
4 结语
大规模风电场接入系统后,输电网不仅需要进行网架(有功)扩展规划,同时也要考虑无功扩展规划,而且将此二者综合规划可实现系统资源的优化配置。为此,本文提出了一种启发式算法来求解含风电的输电网短期综合扩展规划问题。该算法充分挖掘问题本身的特性,在此基础上构造优化求解策略,优化过程物理意义清晰,易于理解。通过算例分析,结果表明所提算法显著地减轻了计算负担,能在工程可接受的计算时间内获得较优的规划方案,有效解决了大规模风电接入后的输电网扩展规划问题,具有工程实用价值。
摘要：提出了大规模风电接入下的输电网有功和无功扩展规划的解决方法。计及了风电与负荷的全年时序数据,并将网络设备投资的年值成本与方案在全年所有不满足安全约束场景下采取控制措施的成本之和最小作为规划目标。为了降低求解计算的复杂性,将原问题分解为网络设备投资决策与方案的控制措施成本评估2个子问题,二者借助原问题的规划目标进行总体协调。在此基础上,通过分析规划目标与问题本身的特性,设计了启发式的优化算法,明显地提高了计算速度。算例分析验证了所提方法的正确性和求解算法的有效性。
关键词：输电网扩展规划,风力发电,启发式算法,分解协调
参考文献
[1]雷亚洲.与风电并网相关的研究课题[J].电力系统自动化,2003,27(8):84-89.LEI Yazhou.Studies on wind farm integration into powersystem[J].Automation of Electric Power Systems,2003,27(8):84-89.
[2]于晗,钟志勇,黄杰波,等.考虑负荷和风电出力不确定性的输电系统机会约束规划[J].电力系统自动化,2009,33(2):20-24.YU Han,CHUNG C Y,WONG K P,et al.A chanceconstrained transmission network expansion planning methodassociated with load and wind farm variations[J].Automation ofElectric Power Systems,2009,33(2):20-24.
[3]周金辉,余贻鑫,王菲,等.计及静态安全风险的输电网短期综合扩展规划[J].电力系统自动化,2010,34(6):22-25.ZHOU Jinhui,YU Yixin,WANG Fei,et al.Short termintegrated expansion planning for transmission networkconsidering static security risk[J].Automation of ElectricPower Systems,2010,34(6):22-25.
[4]庾晋.风电发展直面三大问题[J].中国电力企业管理,2007(6):44-45.
[5]高宗和,滕贤亮,张小白.适应大规模风电接入的互联电网有功调度与控制方案[J].电力系统自动化,2010,34(17):37-41.GAO Zonghe,TENG Xianliang,ZHANG Xiaobai.Solution ofactive power dispatch and control scheme for interconnectedpower grids with large-scale wind power integration[J].Automation of Electric Power Systems,2010,34(17):37-41.
[6]张伯明,吴文传,郑太一,等.消纳大规模风电的多时间尺度协调的有功调度系统设计[J].电力系统自动化,2011,35(1):1-6.ZHANG Boming,WU Wenchuan,ZHENG Taiyi,et al.Designof a multi-time scale coordinated active power dispatchingsystem for accommodating large scale wind power penetration[J].Automation of Electric Power Systems,2011,35(1):1-6.
[7]雷德明,严新平.多目标智能优化算法及其应用[M].北京:科学出版社,2009.
[8]国家电网风电场接入电网技术规定[S].北京:国家电网公司,2009.
[9]张宁,周天睿,段长刚,等.大规模风电场接入对电力系统调峰的影响[J].电网技术,2010,34(1):152-158.ZHANG Ning,ZHOU Tianrui,DUAN Changgang,et al.Impact of large scale wind farm connecting with power grid onpeak regulation demand[J].Power System Technology,2010,34(1):152-158.
启发式电网规划法 篇2
关键词：广电网络,OTN,网络生存性,P圈
1 广电网的发展趋势——OTN
随着三网融合工作的不断推进,广电网络用户对IPTV、视频点播等互动式业务需求迅速增长,高清电视、3D电视业务正在不断开展,业务的增长使得网络带宽的需求迅速增长,建设高可靠、高速率、高效率、灵活方便部署、易维护的骨干传输网已成为广电网络业务发展迫在眉睫的需求[1]。光传送网(Optical Trans port Network,OTN)正是为适应这一需求而发展的下一代传输网技术。
广电业务的发展经历了模拟电视、数字电视、互动、高清电视直至未来的多媒体全业务,目前,数字电视和数据业务占用现有SDH传输容量的绝大部分,下一步的互动、高清电视和多媒体数据业务等对传输带宽的需求量会迅速膨胀。OTN作为目前骨干传送网协调SDH网络的主流技术,具备超大容量、超长距离传送,灵活调度等,并且具备ASON网状网组网保护能力[2],继承了SDH/MSTP的管理维护能力和传统电视节目的广播方式,可以支持迅速发展的互动高清电视业务。在三网融合和中国下一代广播电视网(NGB)的发展中,OTN将起到中流砥柱的作用。
2 广电网拓扑结构与网络生存性
OTN在为广电网的大容量、大带宽发展带来机遇的同时,也带来了一定的挑战。大容量的传输网络链路一旦发生故障,将影响业务的传送,导致大量数据业务失效,为广电公司带来经济损失,为用户生活带来不便。OTN巨大的传输容量和超高的传输速率使得光网络生存性问题更为突出。网络生存性[3]主要包括保护和恢复技术。其中,网络的拓扑结构与网络生存性息息相关。
目前,广电网大部分采用环形组网,但是随着三网融合的不断发展,环形拓扑结构在网络升级与扩容方面存在缺陷,该结构只能对全网统一升级,而不能针对部分链路升级扩容。网状网中大量节点之间可通过直达路由互连,只需要1 条链路就能建立2 个节点的连接,避免了建立多条通道,使得网络中节点之间有多种路由可选,具有灵活、易扩展的优点,克服了环形网的缺点。结合两种网络结构,未来广电网可以考虑采用分级网络构造,各个骨干站点机房采用网状或部分网状拓扑构建OTN网络,然后围绕骨干站点机房建立环形或部分网状拓扑结构的网络。这样可以解决环形网扩展性差、灵活性低、传输成本高等问题,优化整体的网络结构,为未来广电网的拓展与整合奠定基础。
构建的网状网在较大程度上利用了网络资源,具有高度的网络连接性并且扩容方便,但是由于网络复杂,其生存性的维护略差于线性、环形网络。预置圈(P圈)保护算法的出现恰好可以在保证网络恢复速度的同时维持网状网较高的资源利用率,提高网状网的网络生存性[4]。P圈算法最大的优点就是能为圈上链路提供一条保护通路的同时,为跨接链路故障提供两条保护通路。
3 预置圈算法
3.1 预置圈的基础知识
近年来P圈研究的主要问题是高效P圈的构造和P圈的容量分配[5],这也是P圈算法最主要的两步。P圈的构造是指在网络拓扑中寻找可能的基本圈和先验效率高的扩展圈,经典的有枚举算法Donald B Johnson、BFS和DFS扩展成生成树,启发式算法SLA,SP-Add和Grow生成法。P圈的容量分配就是已知网络拓扑中未被保护的工作容量,为候选P圈配置空闲容量对其进行保护。可想而知,空闲容量占用率越高,网络故障恢复能力越强,但这会造成网络成本的提高。为了合理分配网络空闲容量,提出了最大保护效率模型和最少空闲容量模型。
现有的P圈容量分配算法根据使用的最优化方法,可分为完全最优化方法和启发式方法两类。完全最优化方法是枚举网络中所有简单圈作为候选P圈,然后利用整数线性规划(ILP)得到最优解,该方法在网络节点和链路较少时可以使用,但是在大中型网络中,由于计算量非常大、速度慢,不宜采用。启发式方法又可以分为基于ILP的启发式方法和完全启发式方法两类[5],前者先计算出性能较好的备选圈,然后将备选圈进行最优化组合得到最优解,该方法仍然要用到ILP,因此计算时间较大,后者是直接利用启发式算法构造出性能较好的备选圈,再结合网络中的已知工作容量,优先配置实际保护能力大的备选圈,其目的是减小配置P圈的计算时间[6]。
3.2 预置圈的评价标准
对构造的P圈进行优劣选择时,主要采用两个指标:先验效率AE(p)和保护效率Ew(p)。先验效率体现了P圈在理论上最大的保护能力,定义为P圈能保护的最大工作容量与配置此圈所消耗的网络空闲容量的比值,即
式中:S表示所有链路的集合;Ci表示每条链路上的代价;Xp,i表示该P圈能够为链路i提供的保护通路的个数,主要用于构造备选P圈。根据P圈算法的原理,可以确定当i是P圈的边时,Xp,i= 1 ;当i是跨接链路时,Xp,i= 2 ;当i既不在圈上也不是跨接链路时,Xp,i= 0 。根据式(1)可知,P圈所包含的跨接链路越多,先验效率就会相应提高。然而,这只是P圈潜在的保护效率。
P圈实际的保护能力由保护效率确定,保护效率是指在网络拓扑中P圈可以实际保护的工作流量与配置该圈所消耗的空闲容量的比值,即
式中:Wp,i是指在该链路i上的工作容量中,可以被P圈保护的部分;Sp,i表示链路i消耗的空闲容量。
除先验效率和保护效率之外,冗余度是网络设计中一个相当重要的标准,定义为一个P圈的空闲容量(圈使用的波长数)与工作容量(圈上以及跨接链路上被保护的波长数)的比值[7],它可以反映网络的资源利用效率。
4 CIDA和启发式算法的改进
4.1 CIDA
容量分配迭代算法(Capacitated Iterative Design Algorithm, CIDA)是P圈容量分配算法里最为经典的算法,它采用构造和容量分配相分离的思想,可以把过程大致分为两步:首先是构造候选P圈集合,可以采用SLA算法、SP-Add算法或GROW算法等来构造先验效率高的一系列基础圈。然后在候选集合里选择实际保护效率Ew(p)高的P圈进行容量分配。根据网络拓扑的初始工作容量计算集合里每一个圈的实际保护效率Ew(p),选择Ew(p)最大的一个P圈分配工作容量:圈上链路上减去一个工作容量,跨接链路上减去两个工作容量。更新工作容量,剩余容量就是未保护的工作容量。重复第二步,直到为所有链路提供了完全的保护。
4.2 启发式算法的改进
已知网络中未被保护的工作容量分布,将网络中每条链路的预留空闲容量初始化为0,算法具体步骤如下:
步骤,修改链路权值。
找出网络工作容量矩阵中的最大工作容量MAX及其对应链路;将网络拓扑中所有链路的权值修改为MAX+1-workcapacity,这样可以保证在计算最短路径时最先选择未保护工作容量较多的链路,提高构造出来的P圈的实际保护效能。
步骤2,构造简单P圈。
以有最大工作容量的链路,即MAX对应的工作链路的起始节点为目标节点,删除该链路;在目标节点之间用Dijkstra算法找到1 条最短路径,然后删除该最短路径;再在目标节点之间用Dijkstra算法寻找第2 条最短路径。2条最短链路构成1个简单P圈,MAX对应的工作链路即为跨接链路。
步骤3,对步骤2构造的简单P圈进行扩张。
扩张时首先选择该圈上工作容量较大的边,进行最短路径的寻找,保存下来并计算实际保护效率。重复上述步骤,直到扩张之后的P圈保护效率比扩张前的小,停止运算,保存有最大保护效率的P圈。这样是为了得到扩张之后有最大实际保护效率的P圈。
步骤4,更新工作容量,分配空闲容量。
将最后保存的P圈配置到网络中,更新工作容量矩阵,P圈每条边上工作容量为workcapacity-1,跨接链路工作容量为workcapacity-2。为配置的P圈分配空闲容量,每条边为sparecapacity+1。
步骤5,检查工作容量,完成算法。
遍历网络中每条链路上未被保护的工作容量,如果还存在尚未保护的工作容量,转至步骤1,否则算法结束,网络中的所有单链路故障就得到了100%的保护。
4.3 算法的仿真结果
为了验证改进算法的优劣,对其进行编程实现,并和经典的CIDA算法进行对比。本文选取COST239网络拓扑模型来模拟广电网OTN网络的网状组网,其拓扑结构如图1 所示,该模型包含11 个节点、26 条边。已知链路上的工作容量以波长为单位,假定网络中的工作流向双向对称,且每个节点都具有全波变换的能力。
为了更真实地模拟广电网实际的业务分配情况,本文选取相对均衡和一般均衡两种模型对工作容量进行分配。工作容量的波长范围分别在[6,9],[1,16]之间,前者的波长分布较为集中,相对均衡,后者则相对分散,这两种模型可以模拟实际应用并且能较为全面地分析算法的优劣。对这两种模型进行算法仿真结果如表1、表2所示。
由仿真结果可知,相比于CIDA,改进算法需要配置P圈的个数较少,较少的P圈个数会减少广电网管理的压力。改进算法所需的预留空闲容量少于CIDA算法,这就意味着改进算法可用较少的空闲容量来保护与CIDA算法相同的工作容量,即提高了资源利用率,降低了冗余度。基于以上的验证结果可以认为,改进的算法优于CIDA算法,可以在广电网的应用中起到良好的作用。
5 小结
启发式电网规划法 篇3
配电网络规划问题具有非线性、离散性、运行方式多样性、多阶段性的特点,其求解是相当复杂的[1]。
国内外学者研究和发展了各种配电网络规划的模型和算法,如支路交换法[2]是对辐射结构配电网络的支路在其邻域内重复进行交换,直到目标函数值最优,但这种方法只能实现局部最优,不能较好地解决实际问题。遗传算法[3]是求解全局优化问题的随机搜索算法,通过选择、杂交、变异等一系列算子的操作产生优良的迭代结果,其效果在配电网络规划中得到一定的认同,但是,遗传算法在计算过程中会产生大量的无用解[4]。进化策略[5]与遗传算法一样属于模拟进化算法,但更重视变异的作用。禁忌搜索算法[6]是一种单线随机搜索算法,同其他算法结合,具有强大的全局搜索性能,但局部搜索性能易受分散性的影响。模拟退火算法[7]利用概率突跳性在解空间中随机寻找目标函数的全局最优解,也与其他方法相结合应用到了配网规划中。但上述算法没有充分利用配电网络规划领域的相关知识,弱化了其在具体问题中的全局搜索能力,使搜索效率较低。
本文在给定变电站选址规划的基础上,根据规划区域的地理信息,对启发式蚁群算法[8]进行了改进,实现了以城区街道为配电网络基础结构的“辐射状”配电网络规划。这种算法是针对于全新的供电区域或开发区寻找辐射状网架规划方案,与以往的网络铺设方法[1,4,7,8,9,10,11,12]相比较,本文研究的基于启发式蚁群算法的中压配电网络规划方法对实际工作更具有指导意义。
1 中压配电网络规划的数学模型及约束条件
1.1 数学模型
中压配电网络规划的数学模型是以线路的规划年综合费用最小为目标函数,包括线路投资费用、网损费用。
其中:N为变电站的个数;Ji为构成第i个变电站辐射型线路的总数;lik为第i个变电站的第k条线路的长度;lm为变电站低压侧线路折旧年限;r0为贴现率;α为单位长度线路投资费用;Pik为第i个变电站第k条线路上的有功负荷;β为线路网损折算系数。
1.2 约束条件
(1)电压降必须在允许范围内
本文的电压降约束通过线路长度体现。根据负荷分布密度及大小,在电压降允许范围内,线路长度的取值范围可为2~10 km。
(2)每条线路容量不能超载
为了保证中压配电网的可扩展性,每条辐射出线均保留了50%的裕量,主干线路的导线均采用240电缆。
(3)配电网结构呈辐射状网络结构。
(4)网络规划线路必须沿城市街道铺设。
在进行线路铺设过程中,如果有违反上述约束条件的方案,则视为失败方案。
2 地理信息知识库的构建
2.1 知识库结构
本文以框架形式表示配网规划区域的地理信息,进而构建出适用于配网规划的地理信息知识库。街区及负荷分布如图1所示。
地理信息知识库的结构如下:(变电站供电范围
2.2 知识库实现
本文利用C语言对带有地理信息的负荷分布图(如图1)进行识别,提取所有街道段及其节点坐标、负荷坐标及负荷量等特征值,然后对这些特征进行分类编号,最后利用SQLServer数据库技术建立地理信息知识库,所建数据库的部分信息如表1~表4所示。
利用地理信息知识库框架建立GIS知识库,该库既能准确描述规划区域的街道信息、变电站供电范围及二者的相互关系,又便于程序调用、查询与更新。
3 基于蚁群算法的配电网络规划
3.1 蚁群算法的基本思想及特征
蚁群算法是受真实蚁群集体觅食行为的启发而提出的一种模拟仿生算法[6]。
蚁群算法具有正反馈、分布式计算以及运用贪婪启发式搜索等特征。其中,正反馈有助于快速发现问题的较好解;分布式计算可避免在迭代过程中出现早熟现象;而运用贪婪启发式搜索则可使搜索过程中较早地发现可接受解[13]。尽管蚁群算法具有上述特点,但基本蚁群算法依然存在收敛速度慢,易陷入局部最优解的缺点。
基于蚁群算法的配电网络规划方法,将负荷看作是蚂蚁所要寻找的“食物源”,蚂蚁在铺线时,根据具有启发信息的状态转移准则来决定其选择街道段。可有效地求得配电网络规划问题的优化解。
本文对启发信息的状态转移准则,即转移概率模型和信息素更新规则进行了改进设计,以适用于配电网络的优化规划问题。
3.2 变换状态转移准则
每只人工蚂蚁在第i个节点的运动方向,即从待选路径中选择哪条街道段是由状态转移准则决定,因此,合理的状态转移准则既要以一定的概率服从现有最优解,又要以一定的概率搜索新的可行解[14]。
3.2.1 启发信息状态转移准则
在蚂蚁j选择前进路经kselected时,由具有启发信息的状态转移函数引导选路。具有启发信息的状态转移函数表示如下:
其中:kmax为待选前进路径(街道段)中涉及待访问负荷数最多的街道段号;kshort为待选前进路径中街道段长度最短的街道段号;kprobe为由转移概率准则最终选择的街道段号。
按照街道段符合的条件,顺次选择且只以其中一种方式选择街道段。
3.2.2 转移概率准则
本文采用伪随机比率作为择路规则。设q是一个分布在[0,1]区间上的随机变量,q0是一个常数,0≤q0≤1。
如果q≤q0,则
否则
其中:Pj(i,k)为蚂蚁j在节点i处选择前进街道段k的转移概率;ρj(i,k)为蚂蚁j在节点i处选择前进街道段k上的信息素;dk表示前进街道段k的长度;α为常数,用来调节街道段长度对转移概率的影响程度;R j(i)为蚂蚁j在节点i处所有待选前进街道段的集合。
3.3 信息素更新原则
3.3.1 各街道段信息素的初始化
针对沿街铺设线路的特殊性,各条街道段上初始信息素τ(k,0)由公式(7)获得,即
其中:H为各街道段初始化的同等信息素,保证蚂蚁有均等的机会走到各街道上;dk为街道段k的长度;Kl街道段k两侧负荷总个数;Kl dk反映每条街道所含信息。
依据式(7)初始化各条街道段的信息素,有助于蚂蚁选择更有效的街道段前进,加快寻优速度。
3.3.2 局部信息素更新
局部信息素更新是指蚁群在线路铺设成功,而且铺设方案的目标函数小于给定阈值情况下,对所有街道段的信息素进行更新,否则线路铺设即使成功,所有街道段的信息素也不会更新。该信息素更新准则的设定,既能避免较差铺设方案对街道段信息素的影响,又能充分体现当前最优路径的优势。
(1)每条街道段信息素的更新
每当一只蚂蚁走过一条街道段后,为避免后续蚂蚁只在当前所走过街道段附近寻路,需对该街道段信息素进行立即调整。
设蚂蚁j走过街道段k后,街道段k的信息素调整公式如下:
其中:β为常数;τ(k,t)为街道段k第t时刻的信息素;dk为前进路径街道段k的长度。
(2)街道段信息素的局部更新
当某组蚁群中所有蚂蚁共同完成了一次成功的线路铺设方案后,街道段信息素按如下操作进行局部更新。
(1)当蚂蚁j未经过街道段k,街道段k的信息素不作改变,即:
(2)当蚂蚁j经过街道段k,则街道段k的信息素为
其中:t表示当前时刻,t+1为下一时刻;M表示成功铺设线路涉及到的蚂蚁数目;τ0表示信息素挥发量;Lj表示第j只蚂蚁所访问的负荷个数;lj表示第j只蚂蚁访问的某负荷值;rj表示第j只蚂蚁经过某街道段的长度,Rj表示第j只蚂蚁所经过街道段的个数。
3.3.3 全局信息更新
根据目标函数值最小,确定到迄今为止各组蚁群线路铺设的最好方案,并将此方案对街道信息素的影响按以下方式进行全局更新。
(1)当蚂蚁j未经过街道段k时
(2)当蚂蚁j经过的街道段k时
其中:(1-τ1)表示全局信息素更新后街道段k信息素的剩余程度;Δτbest为最好方案下信息素的变化量,其他量的含义与局部更新相同。
3.4 蚂蚁前进路径的搜索策略
真实蚂蚁在觅食过程由所处环境中的信息量来决定前进的方向,而人工蚂蚁是在平面的节点上运动,因此可把觅食过程抽象成构造解的过程。
对于配电网络线路铺设问题,每一节点通过人工蚂蚁感知以该节点为端点的街道段上的负荷值或信息素浓度,来选择前进的街道段。蚂蚁的巢穴为变电站站点,食物为负荷点,人工蚂蚁从巢穴节点按照启发函数选择下一节点,直至找到了足够的食物(达到了线路负荷量),便得到了所求问题的一个可行解。
本文线路铺设是在变电站供电范围确定的全新的供电区域或开发区下,进行辐射型线路的铺设。铺设方法的流程图如图2所示。
由于蚁群搜索算法是一种随机搜索方法,因此,通常的算法停止准则是预先设定足够多的搜索循环数量。当算法达到这个预设的循环总数时,搜索过程终止。
4 算例测试及结果分析
本文算例在变电站选址、供电范围以及负荷分布情况均已知,而且规划区域为全新的供电区域或开发区情况下,依据规划目标和技术原则,按照辐射状的接线模式对目标年进行配网规划。所有铺设线路的导线截面积均相同。
通过多个算例的多次运行,蚁群种群规模取200,迭代次数(循环搜索数量)为8。
算例的规划区域拥有1座2×40 MVA的变电站,74个负荷点,目标年预测年最大负荷为51.71 MW。负荷空间分布及变电站位置如图3所示。
依据本文算法对算例进行配网线路铺设,所得规划结果如图3所示,此规划方案相对应的规划线路长度及所带负荷信息如表5所示。
该算例的规划区域负荷空间分布及负荷量大小不均,从规划结果来看:该区域共铺设线路19条,总长为50.43 km,平均长度为2.654 km,平均每条线路所带负荷2 721.45 k W。布线方案合理,符合规划要求,且与实际规划情况接近。
5 结论
伦敦规划管理机制的启发 篇4
关键词：大伦敦规划,英国规划管理机制,借鉴,中国城市规划管理
各国规划管理制度因不同国家政治经济条件的差异而各有不同,英国的规划管理制度有着悠久的历史并经过长期的实践不断改进,通过对伦敦市规划管理制度的分析和总结可以发现伦敦规划管理制度具有跨学科、综合化、民主参与、多方制约的制度特点。
在大伦敦规划中的伦敦政府,注重将商业和住宅开发、交通和通信设施以及地方社区团体整合在一起综合考虑,设计师跨领域,跨学科,跨部门协同设计(图1)。这样提高了设计的前瞻性和实用性, 将规划落实到每个即将进行的项目中去,做到切实可行,充分尊重业主及相关领域专家的参考建议, 针对设计及时更新,大大提高了规划决策的科学性。 在大伦敦地区,注重城市规划新模式运用。机遇增长区、强化发展区、复兴发展区,每个分区针对性解决突出问题[1]。各个规划公司与城市规划主管机构以及国家各个领域权威部门及时沟通联合作业, 并且在规划开始前,针对主要问题做细致深入的调研和考察,在获得真实肯定的数据以及资料后,根据城市发展的现状和要求进行前瞻性的规划设计。
同时,直选产生的市长作为伦敦规划的负责人对设计进行监督和把控,市长以及城市的各个职能部门及专业组织对设计成果进行及时把控和引导, 市民直选产生的伦敦议会则监督市长的规划管理权,做到对伦敦公民负责。如此,从规划设计-管理- 评估- 监督形成了良好的制约体系,使得民意得到更好地体现。
以绿地规划为例,伦敦绿地的三级管理体系中, 市政厅和区政府是决策者和指导者。市政厅负责制定总的土地利用政策,制定总体规划( 数量要求、质量要求),指导各区的详细规划并负责对规划进行审批;区政府负责详细资料的收集和整理,对每一块可改造成绿地的空地作出改造评估,并在市政厅领导下引导规划开展实施[2]。规划过程中充分尊重机关、学校、NGO组织的绿地维护管理建议, 区政府在总体上对绿地的具体管理工作进行统筹。 从此可以看出英国规划制度,从规划到建成、再到后期管理,工作的各个环节充分尊重了当地民意。
英国规划以地区规划自由裁量权为主导,地方规划管理部门有很大的裁量权。在规划管理和项目的审批过程中,需要与各个利益团体进行协商和咨询,因此,英国的规划控制管理更像是一个政府控制行为,而非简单的技术活动。地方规划委员会, 拥有对规划进行否绝的权利,也具有提请将低层级规划项目提升到规划讨论会审批的权利。并可以在2周一次的规划委员会例会上进行投票表决,针对大的地产开发项目,住宅区或者商业建筑,都需要提审地方议会集体表决。而规划委员会的委员大部分为地区的议员,如果他们想当选必然要求他们对本的确居民利益负责。但是存在的问题是,此部分规划委员会委员不全为规划专业人员,所以其中有规划背景的委员的建议往往会左右委员会内其他成员的判断。但是总的来看,在一层层的制约和管理下,形成了社会团体、政府、设计咨询单位、民众之间的互相制衡的关系,也通过这种制度上的平衡关系,引导设计市场的正规化和科学化,有力避免了非正规市场竞争行为对工程设计及施工的影响。 同时,地区议员较为公正、公开透明的选举制度有效提升了规划委员会决策的透明度和公正性。
英国规划法中有特色的部分还包括:对申请的开发项目提出“附加条件”(类似于我国规划部门对开发商下达的任务书),附加条件是附加于规划批准之上必须强制执行的条例,涉及范围之广甚至包括了施工的工艺和细节。大到可以强制开发商配建保障廉租房(伦敦开发商开发土地并且同时承建廉租房比例可达50%),小到可以强制开发商使用哪种型号砖材,哪种墙体的颜色、哪种窗户、开窗位置,或者篱墙的高度等等。附加条例大大保障了开发项目与当地环境的协调与一致性,也保障了城市风格的整体统一性,并且大大方便了市民的生活,提高了居民生活的舒适度[3]。
1|伦敦城市规划过程和机制(图片来源:伦敦绿网规划)
在公众参与方面,开发项目自接受规划申请后, 规划部门将正式告知开发方已收到申请,并于8个工作周内答复。并将规划内容和规模通过媒体告知居民,居民有权对审批提出自己的建议,与开发商相邻的居民担任被咨询的对象,以拟补开发规划方对当地社会、经济、文化、历史方面了解的欠缺。
2 | 英国城市规划管理机制简图（图片来源：自己制作）
受项目开发影响的居民会收到政府的信函, 信函上会详细介绍项目的内容及咨询意见。市民如果有质疑和不满,可以通过书面形式提出评估和申诉,规划最终通知中要对是否采纳了市民意见进行说明解释。之前提到的附加条件则是地方规划管理机构为平衡两者的矛盾关系的手段[3]。同时,规划的民意调查作为必须执行的制度过程,使得民众在日常生活中逐渐培养出对规划监督的责任感和维权意识。这样规划的设计在充分调研和评估的基础上进行实施,将更好地提高规划设计的满意度和接受度,同时居民积极参与规划的过程,也将提高规划本身的科学性和合理性。在涉及到公共地块的设计时,外国土地私有的持有者对设计的决策和实施有很大程度上的决定权。这让设计审核和管理变成了一个更加漫长的过程。往往规划设计在进入正式的程序前会有咨询性的听证会,这样会对设计中的具体细节进行深入的讨论。因此,在设计形成的过程中会解决掉更多的问题,以使得规划设计的合理性大大提高。同时,在规划实际落地以后,由于良好的民主参与制度和通畅的沟通渠道,使得规划设计在实际运用中的问题可以更快、更好地被解决,规划也在完成后得到最快的评估和意见反馈。
开发商也拥有针对规划未能批准而进一步上诉的权利,国务大臣——威尔士议会将有义务对上诉进行审理。规划督察依据开发规模可以用书面审理、 非正式听证会、正式听证会三种形式进行处理。上诉方委托规划师做咨询意见,担任“律师”的角色为开发商所作规划辩驳,地方规划管理单位也责成规划人员对原审定进行辩驳。最后,规划监督“终审”,并确定规划最终是否通过。规划监督如若舞弊,开发商、规划管理单位或者公民可以提请刑事诉讼,如果判定规划监督违法,则原规划发回重审。 从图2中能看出各个职能部门、政府、监督机构及民众间的制约关系。在整体的结构中,由地方居民选举产生的地方规划委员会及地方议会处于主导的位置并受民众监督。地方规划委员会类似于英国法庭中的陪审团,丰富的人员结构,使得规划在论证的过程中会更多的吸取不同行业和职业背景人员的建议。同时,在规划的过程中,很多NGO组织会积极参与配合规划的制定。这样在规划过程中规划咨询机构将不得不重视民众和使用者的诉求,并在平衡好各方需求的条件下做出审慎的规划设计。另一方面,地方规划管理机构对规划的审批权也受到规划督察及法院的制约,这样最大限度地保持了规划对公众民权的尊重。
对比中国城市规划的机制,可以发现我们规划的机制更加简洁一些。规划人员会协同各政府职能部门开专业意见咨询会,综合各方建议后进行城市总体规划的修改,规划设计中会根据政府各部门的调研数据进行合理的规划。设计完成后提交至规划委员会进行专家讨论,讨论通过后提交人大形成法规性条例指导城市建设,大城市的城市规划还需报交国务院进一步审批。
针对城市的一般性开发,如地产项目审批、 商业项目建设等项目的批准,行政长官的意见在部分地区依然比较受到重视。而民主的咨询过程,规划咨询的参与,有效的监督机制等方面仍然还有很大的发展空间。另外,城市的规划委员会往往是专家意志和精英意志的体现,缺乏民主的选举和监督,从而造成了公民和城市规划工作之间的距离感加大。在城市的开发过程中,国内难有像英国一样将规划内容与市民进行探讨的过程,缺乏了公众的参与性,导致市民对规划产生陌生感。相反,如果市民积极参与,群策群力,这样,规划设计在更加科学化、更加有效的同时也可以得到更多市民的支持,城市的开发也会更加有序,社会发展也会更加和谐,同时避免了官员徇私舞弊事件的发生可谓一举多得。另外,中国的规划审批相对英国缺乏复议审核与申诉的程序,也应该建立健全。
结语: