基于自适应NSGA-Ⅱ算法的配网多故障抢修策略

基于自适应NSGA-Ⅱ算法的配网多故障抢修策略

蒋志伟

云南电网有限责任公司曲靖马龙供电局  云南曲靖  655000

摘要：电力系统中，配电网的故障发生率较高，多故障抢修是一项复杂且关键的任务。传统抢修方法通常依赖于抢修人员的主观判断，不具有科学依据，容易出现判断失误，导致抢修资源难以得到充分利用，无法保证及时恢复供电。为了解决这一问题，自适应NSGA-Ⅱ算法逐渐得到应用，通过构建多故障抢修优化模式，能够实现无决策人员干扰下的最佳抢修方案选择。本文基于对配电网多故障抢修模型及自适应NSGA-Ⅱ算法的阐述，结合配网多故障抢修实例，进一步分析NSGA-Ⅱ算法的应用价值，以期为配网故障抢修提供有益参考。

关键词：配网；多故障抢修；自适应NSGA-Ⅱ算法

配电网运行环境、条件相对复杂，且随着技术精密度的提高，配网运维管理的难度也明显增加。在实际运行过程中，受自然、人为等诸多因素影响，配电网容易出现故障，且大面积的多故障十分常见，仅依赖抢修人员的经验制定抢修计划，难以保证工作效率，减少失电的影响。因此，针对配电网的多故障抢修，仍需要探索其他更为全面、有效的抢修方法。自适应二代非支配排序遗传算法（NSGA-Ⅱ）的应用能够为多故障抢修提供全新选择，弥补传统抢修模式的不足。通过运用自适应NSGA-Ⅱ算法，能够充分结合抢修时间、任务分类、抢修成本等因素，建立多故障抢修优化模型，并利用NSGA-Ⅱ算法求解，快速获取最优方案，扩大搜索范围，提高抢修效率。本文结合实际案例，对自适应NSGA-Ⅱ算法的应用效果进行分析。

1. 配网多故障抢修模型
   1. 多故障抢修问题分析

配网多故障抢修是一项复杂任务，抢修目标较多，在决策方面，通常需要以各班组的任务分配及抢修流程为依据，抢修工作涉及非线性混合整数优化问题，具有多约束的特点[1]。对具体问题进行分析，例如，某地区抢修中心数量为1，具备M个抢修班组，抢修中心负责故障点为N。Cm为抢修班组抢修任务的故障点整合，具备明确的工作顺序，抢修班组从中心出发，依次经过集合中的全部故障点完成相关任务，最后返回中心。将起点和终点设为抢修中心，不同故障点的抢修任务均能够分配至一个班组，各班组在完成任务分配后能够任意安排工作流程。

因为故障点的数量较多，而班组的数量有限，为了保证抢修效率，需要建立相应的优化模型，以实现对各班组抢修任务、流程的优化，保证配电可靠性。在工作实践中，还需要注意目标的优化，如完工时间、抢修成本、停电损失等，但是不同目标之间多存在一定的冲突。受各种因素影响，如何实现不同目标的全面优化，合理安排抢修流程和任务，是目前多故障抢修需要重点考虑的问题。

1.2明确目标函数

基于对问题的分析，明确配电网多故障抢修的优化目标为最大限度缩短抢修时间，降低故障导致的社会和经济损失。设函数f1（X）为完成全部抢修工作所需最短时间，建立目标函数：

f1（X）=min[max Tm] m=1,2，……，M

Tm为抢修班组，sm为完成抢修工作所需时间

在降低损失方面，设函数f2（x）为故障导致的社会经济损失，建立目标函数：

f2（x）=min

K主要指故障导致停电的负荷数量；bk为负荷k的停电时间；Lk为负荷k的功率；wk为负荷k的重要性系数。

2. 基于自适应NSGA-Ⅱ算法
   1. NSGA-Ⅱ算法

NSGA-Ⅱ算法是一种高效的多目标遗传算法。该算法在NSGA的基础上进行全面改进，引入快速非支配排序、拥挤度和拥挤度比较算子和精英策略。快速非支配排序算法能够有效降低计算复杂度，同时实现父代和子代种群的合并，增加了选择空间，保留更多的优秀个体。拥挤度和拥挤度比较算子的引入，能够确保种群中的个体均匀分布在Pareto前沿，保证种群的多样性。精英策略通过保留进化过程中的最优个体，避免最优解的丢失，提高了算法的鲁棒性。目前，NSGA-Ⅱ算法凭借其优越性能，在多目标优化领域应用广泛[2]。

2.2基于角度选择的拐点决策算法

在多目标优化中，帕洛特前沿拐点（Knee Point）通常被视为最优解的关键位置。拐点位于帕洛特前沿，一个目标函数的细微变化会导致另一个目标函数发生显著变化的点。基于角度选择的拐点决策算法通过计算各点与其相邻点的角度，以识别拐点。该方法能够有效识别出不同目标中取得平衡的最优解，适用于复杂多目标优化问题的解决。

2.3自适应参数调整策略

自适应参数调整是一种结合算法运行过程中反馈信息动态调整算法参数的方法。在多目标优化算法中，参数的选择直接影响算法性能。自适应调整策略通过监测算法的运行状态，如目标函数的梯度、收敛速度等，动态调整学习率等相关参数。 该策略的优势主要体现在其能够结合不同的优化问题自动调整参数，并不需要用户进行复杂的工作。但是，自适应调整策略多存在收敛到局部最优解的风险，在设计时需要加以关注。全局优化策略与自适应调整策略的联合应用，能够在整个问题空间中高效搜索全局最优解，进一步提高算法性能。

3. 案例分析

以某地区配电网为例，配电网在一天内突发多个故障点，分别列为故障点1、故障点2和故障点3，分属于不同线路。在抢修资源方面，抢修队伍1擅长处理中段及复杂故障，响应时间为20min；抢修队伍2擅长处理末端及简单故障，响应时间为15min；抢修队伍3为通用型抢修队伍，响应时间为30min。

基于对用电损失成本、抢修成本等因素的考虑，构建多故障抢修优化模式，重点分析任务分配和抢修流程。目标函数包括最小化用户停电损失和最小化抢修成本。并采用自适应NSGA-Ⅱ算法，初始化种群，随机生成一定数量的抢修方案。使用快速非支配排序方法降低计算难度，并引入经营策略，将父代和子代合并后科学排序，避免优良个体的丢失。同时，采用拥挤度和拥挤度比较算子，确保种群的多样性。通过迭代计算，指导迭代次数达到上限，满足终止条件。在求解过程中，通过多次迭代，算法不断优化抢修方案，直到找到一组Pareto最优解集，利用基于角度选择的拐点决策算法，从Pareto最优解集中选择一个最佳抢修方案。

最终选定选修方案为：抢修队伍1首先进行故障点1的抢修，抢修队伍2同时进行故障点2的抢修，抢修队伍3之后进行故障点3的抢修。分析结果，因为抢修队伍1和2分别优先处理影响用户最多的故障点，有效缩短了总停电时间，降低用户停电损失。虽然抢修队伍3的整体响应时间较长，但是其在前两个故障点被处理的同时进行抢修，并未增加总体抢修成本。该方法在减少用户停电损失和降低抢修成本之间实现了良好的平衡，综合效益最高。另外，采用Matlab对实际配电网络进行仿真验证，结果显示，该抢修方案符合实际情况，且比传统抢修方法更为高效。同时，自适应参数的调整策略能够提高种群进化前期的全局搜索能力与后期的局部搜索能力，使得算法在求解过程中更为稳定和高效。

结语

综上所述，自适应NSGA-Ⅱ算法在配电网多故障抢修中具有重要的应用价值。该算法基于对多目标优化模型的构建，能够实现抢修方案的自动化选择，有效避免人为判断的局限性，显著提高抢修效率和质量。同时，通过仿真验证，能够进一步证明该算法在多故障抢修中的有效性和可靠性，为配电网故障抢修提供一种科学、合理的决策方法。

参考文献：

[1] 徐大凯. 含分布式电源的配电网多故障抢修与恢复协调优化策略[J]. 科学与信息化,2017(13):51-52.

[2] 张冰. 自适应NSGA-Ⅱ算法支持下配电网多故障抢修的优化策略探讨[J]. 通信电源技术,2022,39(18):201-203,207.