Расчет установившегося режима электрической сети с применением генетического алгоритма
Аннотация
В данной статье рассматривается применение методов эволюционной оптимизации в задачах расчета установившегося режима электрической сети, в частности речь пойдет о генетических алгоритмах. Цель. Описание метода популяционной оптимизации, который может быть использован для расчета установившегося режима электрической сети. Объектом исследования является алгоритм популяционной оптимизации. Предметом исследования является целевая функция генетического алгоритма, которую можно использовать для нахождения уровней напряжений в узлах электрической сети. Материалы и методы. В качестве используемых методов в работе рассматриваются метод оптимизации, основанный на генетических алгоритмах, а также классический метод Ньютона для расчета установившегося режима электрической сети. Результаты и обсуждение. В работе представлены основные элементы генетического алгоритма для расчета установившегося режима электрической сети, определена оптимизируемая целевая функция, а также приведены результаты расчета по сравнению с методом Ньютона. Заключение. По итогам проведенного исследования можно сделать вывод о том, что расчет установившегося режима можно рассматривать с точки зрения оптимизационной задачи небалансов мощности, использование генетического алгоритма для расчета режима электрической сети возможно, однако точность результатов сильно зависит от количества итераций хоть и не требует больших вычислительных мощностей и сложных вычислений.
Ключевые слова
Об авторах
Владимир Иосифович ПолищукРоссия
Всеволод Андреевич Ткаченко
Россия
Александр Олегович Шепелев
Россия
Список литературы
1. Применение методов искусственного интеллекта в задачах технической диагностики электрооборудования электрических систем: монография / В.З. Манусов, В.М. Левин, А.И. Хальясмаа, Дж.С. Ахьёев; под общ. ред. В.З. Манусова. — Новосибирск: Изд-во НГТУ, 2020. — 446 с. — (Монография НГТУ).
2. Солодянкин, М. С. Анализ применения искусственных нейронных сетей для оценки технического состояния силовых трансформаторов 6-10 КВ / М. С. Солодянкин, В. Д. Колонцов, В. А. Ткаченко // Вестник Югорского государственного университета. – 2024. – Т. 20, № 4. – С. 51-54. – DOI 10.18822/byusu20240451-54.
3. Лобанов, В. А. Исследование возможности применения искусственной нейронной сети для задачи классификации режима работы электрической сети / В. А. Лобанов, К. Р. Валиуллин // Университетский комплекс как региональный центр образования, науки и культуры : Материалы Всероссийской научно-методической конференции (с международным участием), Оренбург, 23–25 января 2020 года. – Оренбург: Оренбургский государственный университет, 2020. – С. 2751-2758.
4. Каукин, А. С. Краткосрочное прогнозирование цен на электроэнергию с использованием генеративных нейронных сетей / А. С. Каукин, П. Н. Павлов, В. С. Косарев // Бизнес-информатика. – 2023. – Т. 17, № 3. – С. 7-23. – DOI 10.17323/2587-814X.2023.3.7.23.
5. Вялкова, С. А. Применение нейронных сетей для прогнозирования электропотребления мегаполиса / С. А. Вялкова, И. И. Надтока, О. А. Корнюкова // Машиностроение: сетевой электронный научный журнал. – 2023. – Т. 10, № 4. – С. 12-16. – DOI 10.24892/RIJIE/20230403.
6. Ткаченко, В. А. Разработка методов и алгоритмов оптимизации схемно-режимных параметров электрических систем, включая минигрид: диссертация на соискание ученой степени кандидата технических наук / Ткаченко Всеволод Андреевич, 2023. – 223 с.
7. Magdy Mohamed El-Saadawi. A Genetic-Based Approach for Solving Optimal Power Flow Problem.(Dept.E) // مجلة کلية دار العلوم. 2020. Vol 29. No. 2. pp. 12-26.
8. César Augusto Hernández Suárez. Optimal Power Flow through Artificial Intelligence Techniques // Tecnura. 2021. Vol 25. No. 69. pp. 150-170.
9. Solopov, R. V. Genetic algorithm as a tool for modeling calculations of electric power systems / R. V. Solopov, A. S. Samulchenkov, V. I. Ziryukin // Journal of Applied Informatics. – 2021. – Vol. 16, No. 6(96). – P. 43-53. – DOI 10.37791/2687-0649-2021-16-6-43-53.
10. Утюж, Т. И. Применение генетического алгоритма оптимизации при компенсации реактивной мощности / Т. И. Утюж // Молодой ученый. – 2021. – № 20(362). – С. 104-106.
11. Вычислительные модели потокораспределения в электрических системах: монография / Б.И. Аюев, В.В. Давыдов, П.М. Ерохин, В.Г. Неуймин; под ред. П.И. Бартоломея. — М.: Флинта: Наука, 2008. — 256 с.: ил.
12. Дэн Саймон, Алгоритмы Эволюционной оптимизации / пер. с англ. А.В. Логунова. — М.: ДМК Пресс, 2020. — 1002 с.: ил.
13. Идельчик, В.И. Электрические системы и сети: Учебник для вузов. — М.: Энергоатомиздат, 1989. — 592 с.: ил.
14. GitHub. URL: https://github.com/Sevaat/Newtons_Method [Accessed 06 February 2025].
15. GitHub. URL: https://github.com/Sevaat/Genetic_Algorithm [Accessed 06 February 2025].
Рецензия
Для цитирования:
Полищук В.И., Ткаченко В.А., Шепелев А.О. Расчет установившегося режима электрической сети с применением генетического алгоритма. Вестник Северо-Кавказского федерального университета. 2025;(1).