Расчет установившегося режима электрической сети с применением генетического алгоритма

Введение. В 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.

Материалы и методы. Объектом исследования является алгоритм популяционной оптимизации. Предметом исследования является целевая функция генетического алгоритма, применяемая для нахождения уровней напряжений в узлах электрической сети. Использованы 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 сделан 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.

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.

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 : дис. … канд. техн. наук / Ткаченко Всеволод Андреевич. Ханты-Мансийск, 2023. 223 с.

7. Magdy Mohamed El-Saadawi. A Genetic-Based Approach for Solving Optimal Power Flow Problem (Dept. E) // Mansoura Engineering Journal. 2020. Vol. 29. No. 2. P. 12–26.

8. César Augusto Hernández Suárez. Optimal Power Flow through Artificial Intelligence Techniques // Tecnura. 2021. Vol. 25. No. 69. P. 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. Саймон Д. 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 (дата обращения: 28. 01. 2025).

15. GitHub. URL: https://github.com/Sevaat/Genetic_Algorithm (дата обращения: 28. 02. 2025).