城市变电站选址定容的规划方法研究

∑∑l
i =1 j =1
+
α1 α2 τ U2 cos2
n
m ij 2 j
∑∑l W
i =1 j =1
（ 1）
据目前变电站建设的实际情况 ， 新建站采用 110kV 变 ， 3 × 50MVA 。 配置 根据容载比的取值和 电站 最终规模按 负荷值的大小可以确定规划年所需变电站总的容量 。 该旅 游区 110KV 变电站所带的总负荷为 64． 7MW ， 容载比取 1． 8， 所需变电容量是 116． 4MVA， 所以 1 座变电站即可满足要 求。 变电站选址定容问题是一个复杂的规划问题 ， 理论的最 优值由于实际地理、 环境、 经济等各方面的限制有时不得不 被舍弃。考虑到这一点， 本文利用遗传算法（ 下转第 43 页）
n m ij n ［1 ］
Байду номын сангаас
三、 遗传算法的改进 在基本遗传算法中， 进化中的优良个体由于交叉 、 变异 操作有可能丢失， 当前群体中适应度最好的个体可能遭到遗 传操作的破坏。为此， 本文采取了如下措施： 一是找出当前 群体中适应度最高的个体和适应度最低的个体 ； 二是若迄今 为止的最优个体的适应度比当前群体中最优个体的适应度 差， 则采用当前群体中的最优个体作为迄今为止最优秀的个 体， 否则， 继续保留迄今为止的最优个体 ； 三是在经过交叉和 变异操作后， 若当前种群中存在迄今为止最好的个体 ， 则不 否则用迄今为止最好的个体替换当前种群中经 作任何操作， 、 过交叉 变异等遗传操作后最差的个体 。 此外， 遗传算法中交叉概率 P c 和变异概率 P m 的选择直 接影响种群的多样性和算法的收敛性 。 若交叉概率 P c 和变 异概率 P m 选取太大会造成算法不易稳定和收敛 ； 而交叉概 率 P c 和变异概率 P m 选取太小会导致系统陷入局部最优解 。 针对这一问题， 采用下式对交叉概率 P c 和变异概率 P m 进行 动态调整。 k1 （ f max － f' ） Pc = f max － f avg
模型中各参数的意义如下 ： n： 新建变电站个数； Si 建设第 i 个变电站的费用； r： 投资 回收率； t1 ： 变电站使用年限； a： 单位线路投资； k： 线路曲折系 数； t2 ： 线路使用年限； m： 变电站供电范围内的负荷点个数 ； l ij ： 第 i 个变电站和第 j 个负荷点的距离； a1 ： 线路的单位长度 电阻； a2 ： 单位电能折价损耗系数 ； τ： 线路年损耗小时数； U： 变电站低压侧电压； cos 功率因数； W j ： 第 j 个负荷点所带的 负荷。
一、 引言 变电站作为电力系统的重要组成部分 ， 既是上级电网的 ， 。 负荷点 又是下级电网的电源点 科学规划变电站的容量 、 位置及供电范围， 有利于电力系统的运行管理 ， 提高电力系 统管理和运行的效率。而在实际规划中， 许多时候只是依靠 工作量大且缺乏科学性 。 因此运用科 规划工作人员的经验， 学、 先进的理论方法， 不仅可以大大减少规划人员的工作量 ， 还保证了规划结果的科学性 、 准确性。 针对这个问题， 国内 外专家们已逐步将计算机 、 数学优化、 地理信息系统 、 智能 ［2 ］ ［4 ］ Tabu 搜索法［3］ 、 优化算法如模拟退火法 、 粒子群算法 等 应用到了实际规划工作中 。 各种规划方法根据其自身的特 “优胜劣汰， 适 点被应用于不同的场合 。 本文基于遗传算法 的进化思想， 通过种群的选择、 交叉、 变异实现遗传 者生存” ， 操作 通过年最小费用模型获得评价值最优的方案 ， 确定了 待建变电站选址定容的最优方案 。 二、 变电站选址的数学模型 在规划变电站的初始阶段 ， 已有条件是负荷预测后各个 地块属性， 以及现有变电站的位置和容量 。 小区的负荷数据、 变电站选址问题可描述为 ： 在规划水平年负荷分布已知的情 况下， 为了满足负荷需求， 以最小年费用 （ 变电站的投资， 馈 变电站的运行费用和网络的运行费用 ） 为目标函 线的投资， 数， 确定变电站的数量、 位置以及供电范围。 其中， 变电站年 运行费用按投资的百分率进行计算 ， 一般可取投资费用的 10% 。变电站选址的具体数学描述见下式 ： r （ 1 + r ） t1 r （ 1 + r ） t2 minC = 1． 1 ∑ S i［ ］+ ak［ ］ r1 （ 1 + r） － 1 （ 1 + r ） t2 － 1 i =1
{
Pm =
k2 （ f max － f） f max － f avg
（ 2）
1 ） 的常数， f' 为要交叉的两个个体中 式中 k1 和 k2 为（ 0 ， f 为要变异的个体的适应度值 。 较大的适应度值， 四、 变电站选址定容算例分析 本文以天津市某旅游区的中心岛屿区变电站规划为算 例， 验证本文采用的改进遗传算法的可行性 。
产业与科技论坛 2012 年第 11 卷第 14 期
城市变电站选址定容的规划方法研究
□余 敏
【内容摘要】 针对变电站优化规划这种复杂的大规模组合优化问题 ， 本文采用年最小费用模型 ， 基于遗传算法在求解非线性优 化问题中的优良特性， 采用改进遗传算法解决这一问题 。将其应用于实际的变电站规划工作中 ， 减轻了规划人员 取得了较好的规划效果 。 的工作量， 【关键词】 变电站； 规划建设； 选址问题； 遗传算法 【作者简介】 余敏（ 1982． 1 ～ ） ， 女， 浙江省宁海供电局工程师 ； 研究方向： 电气工程
·114·
（ 11）.14 Industrial & Science Tribune 2012.
产业与科技论坛 2012 年第 11 卷第 14 期
2011 年环比增速达到 地产业增加值年均增速达到 13． 59% ， 15% 。在未来一段时期内， 房地产业具备成为主导产业的条 件。 （ 二） 房地产业对经济发展的作用 。 1. 房地产业增加值对 GDP 的 贡 献 率。2006 ～ 2011 年 间， 吉林省房地产业对经济增长的贡献率呈波动下降趋势 ， 从 2006 年的 6． 78% 下降到 2011 年的 3． 37% ， 六年间下降 3． 41 个百分点。所以从近几年来房地产业的贡献指标分析 ， 房 地产业对全省经济增长虽然起到一定作用 ， 但不够强劲。 出 现这种现象的原因， 除了经济发展的因素之外 ， 地域环境、 投 资环境对经济影响的因素也不容忽视 。 2. 房地产开发投资与 GDP 关系的定量分析。根据 2006 ～ 2011 年房地产开发投资（ 自变量 X ） 与 GDP （ 因变量 Y ） 这 两个变量数据变化来看 ， 二者的趋势变化基本呈线性趋势 ， 所以配合一元线性回归方法进行分析 ， 应用 spss 软件计算输 出结果为： Y = 1907． 30 + 7． 18X。 下面对方程进行具体检验 ： （ 1 ） R = 0． 989 ， 接近于 1 ， 表明回归线对样本数据点的拟 合效果较好， 房地产开发投资与 GDP 之间的线性关系明显。 （ 2 ） t 检验， t = 16． 55 ， 大于 t0． 025 = 2． 776 ， 表明回归系数 t 检验通过， 房地产开发投资是影响 GDP 的主要因素。 （ 3 ） F 检验， F = 254． 93 ＞ F0． 05 = 7． 71 ， 表明方程的回归效 果显著。 上述分析结果可以说明房地产投资每增加 1 个单位， 可 以使 GDP 增加 7． 18 个单位， 吉林省房地产投资对地区经济 增长具有一定的推动作用 。 因此， 在“十二五 ” 期间， 应结合 房地产业与经济之间的相关关系 ， 促进房地产产业健康、 有 带动全省整体经济的快速增长 。 序的发展， 三、 对房地产业持续健康发展的建议 近年来， 吉林省房地产市场发展总体上是健康的 ， 但其 自身高速增长以及带动相关产业发展的同时 ， 也出现了房价 投资性购房增多和居民消费受到抑制 、 产品 上涨幅度过大、 供应结构相对单一、 产品供应结构的不合理等种种问题 ， 对 整个宏观经济的健康发展不利 。 因此政府坚持对房地产业 进行宏观调控是完全必要的 ， 保持房地产市场持续健康发 展， 事关整个经济和社会领域 。 （ 一） 促进房地产业理性回归 。由于目前吉林省正处于 【参考文献】 1． 郭玲霞． 房地产业与地方经济发展的关系经［ R］ . 资源网， 2010 2． 余明轩． 房地产投资分析［ M］ . 北京： 首都经济贸易大学出 2004 版社， 3． 况伟大． 房地产与中国宏观经济［ M］ . 北京： 中国经济出版 2010 社，