Расчет установившегося режима электрической сети с применением генетического алгоритма
Abstract
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.
About the Authors
Владимир ПолищукRussian Federation
Всеволод Ткаченко
Russian Federation
Александр Шепелев
Russian Federation
References
1. Application of artificial intelligence methods in the problems of technical diagnostics of electrical equipment of electrical systems: monograph / V.Z. Manusov, V.M. Levin, A.I. Khalyasmaa, J.S. Akhyoev; under the general editorship of V.Z. Manusov. - Novosibirsk: NSTU Publishing House, 2020. - 446 p. - (NSTU Monograph). (In Russ.).
2. Solodyankin, M.S. Analysis of the application of artificial neural networks for assessing the technical condition of 6-10 kV power transformers / M.S. Solodyankin, V.D. Kolontsov, V.A. Tkachenko // Bulletin of Yugra State University. - 2024. - Vol. 20, No. 4. - P. 51-54. - DOI 10.18822/byusu20240451-54. (In Russ.).
3. Lobanov, V. A. Study of the possibility of using an artificial neural network for the problem of classifying the operating mode of an electrical network / V. A. Lobanov, K. R. Valiullin // University complex as a regional center of education, science and culture: Proceedings of the All-Russian scientific and methodological conference (with international participation), Orenburg, January 23-25, 2020. - Orenburg: Orenburg State University, 2020. - Pp. 2751-2758. (In Russ.).
4. Kaukin, A. S. Short-term forecasting of electricity prices using generative neural networks / A. S. Kaukin, P. N. Pavlov, V. S. Kosarev // Business informatics. - 2023. - Vol. 17, No. 3. - Pp. 7-23. – DOI 10.17323/2587-814X.2023.3.7.23. (In Russ.).
5. Vyalkova, S. A. Application of neural networks for forecasting the electricity consumption of a megalopolis / S. A. Vyalkova, I. I. Nadtoka, O. A. Kornyukova // Mechanical Engineering: a network electronic scientific journal. – 2023. – Vol. 10, No. 4. – Pp. 12-16. – DOI 10.24892/RIJIE/20230403. (In Russ.).
6. Tkachenko, V. A. Development of methods and algorithms for optimizing the circuit and mode parameters of electrical systems, including minigrid: dissertation for the degree of candidate of technical sciences / Tkachenko Vsevolod Andreevich, 2023. – 223 p. (In Russ.).
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. Utyuzh, T. I. Application of a genetic optimization algorithm for reactive power compensation / T. I. Utyuzh // Young scientist. – 2021. – No. 20(362). – P. 104-106. (In Russ.).
11. Computational models of power flow distribution in electrical systems: monograph / B. I. Ayuyev, V. V. Davydov, P. M. Erokhin, V. G. Neuimin; edited by P. I. Bartolomey. - M.: Flinta: Science, 2008. - 256 p.: ill. (In Russ.).
12. Dan Simon, Evolutionary Optimization Algorithms / trans. from English by A.V. Logunov. - M.: DMK Press, 2020. - 1002 p.: ill. (In Russ.).
13. Idelchik, V.I. Electrical Systems and Networks: Textbook for Universities. - M.: Energoatomizdat, 1989. - 592 p.: ill. (In Russ.).
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].
Review
For citations:
, , . Newsletter of North-Caucasus Federal University. 2025;(1).