Professional Documents
Culture Documents
CIGRE 02-Distribucija-Sklapanje Genetskim Algoritmom
CIGRE 02-Distribucija-Sklapanje Genetskim Algoritmom
Saetak:
Kljune rijei: genetski algoritam, optereenje dionica, gubici radne snage, sklopni ureaji
1. UVOD
Kroz itav povijesni razvoj elektroenergetskih mrea problem minimiziranja gubitaka radne
snage ostaje stalni predmet zanimanja strunjaka. Novim metodama koje se pojavljuju u svijetu
matematike i elektrotehnike pojavljuju se i novi pristupi rjeavanju navedenog problema. U novije
vrijeme pojavom umjetne inteligencije (neizrazite logike, genetskog algoritma, neuronskih mrea i
sl.) broj radova o njihovoj primjeni strahovito raste i svakim danom pronalazi nova podruja
primjene. Jedna od tih primjena je i minimiziranje gubitaka radne snage koje se razmatra u ovom
radu.
Bilo kakva promjena u topologiji mree dovodi do novog razmjetaja optereenja po pojedinim
dionicama vodova, a time i do promjene gubitaka po tim dionicama, budui da su gubici
proporcionalni kvadratu protjecane struje. Ukoliko postoji mogunost dvostranog napajanja
potroaa (najee na 35 i 10 kV naponskom nivou), postoji i mogunost razmjetaja
optereenja s jedne na drugu pojnu toku sklapanjem sklopnih ureaja. Ukoliko postoji vie takvih
mogunosti u mrei pojavljuje se niz razliitih uklopnih stanja od kojih svaki ima svoj raspored
optereenja po pojnim tokama. Meutim, osim o optereenju, gubici radne snage ovise i o
radnom otporu svake dionice voda. Svaka dionica voda ima svoj iznos radnog otpora, ovisno o
materijalu, presjeku i duljini. Na taj nain svako uklopno stanje rezultira razliitim iznosom
gubitaka radne snage po pojedinim dionicama proporcionalno kvadratu optereenja i radnom
otporu. U ovom radu zadatak je pomou genetskog algoritma odrediti koje uklopno stanje
rezultira najmanjim ukupnim iznosom gubitaka, a da se pritom potuju ranije spomenuta
ogranienja.
Ove postavke bit e jasnije kad se opie princip na kojem funcionira GA. Upotreba GA ne
zahtijeva neka posebna ranija matematika znanja, a u najveem broju sluajeva pokazuje dobre
rezultate.
Dakle, GA ne koristi realne parametre (npr. u ovom sluaju iznose optereenja dionica voda),
ve koristi binarno kodirani string koji na neki nain predstavlja promatranu funkciju cilja. Sljedei
primjer predstavlja princip po kojem funkcionira GA.
Dakle, u ovom sluaju genotip koji najvie odstupa od zadane funkcije izbacuje se iz generacije.
Broj genotipa u jednoj generaciji, kao i broj genotipa koji se izbacuje ili mijenja za iduu
generaciju odreen je ulaznim parametrima.
a) selekcija
b) krianje
Krianje je postupak kombiniranja gena (bita) dviju odabranih jedinki (genotipa). Na taj nain
nastaje nova generacija koja je okarakterizirana kao kombinacija gena svojih predaka. Postoje
dvije vrste krianja: one point i two point krianje. One point krianje predstavlja postupak
prekidanja stringa na jednom proizvoljnom mjestu, kako je to prikazano sljedeim primjerom:
roditelj 1: 10111001
roditelj 2: 10010101
potomak 1: 10110101
potomak 2: 10011001
Two point krianje je postupak koji je analogan s tim da se stringovi roditelja cijepaju na dva
mjesta i zatim zamjenjuju odgovarajui dijelovi stringa roditelja (npr: roditelj 1: 101 110 01 ).
c) mutacija
Postupak mutacije se sastoji u tome da se u svakom genu u stringu generira sluajan broj izmeu
0 i 1. Ukoliko je on manji od na poetku definirane vjerojatnosti mutacije (Pm), onda se aktualna
vrijednost gena mijenja u komplementarnu vrijednost (0 u 1 ili obratno), kako je prikazano
sljedeim primjerom:
Sada se postavlja pitanje kako od svih opisanih postupaka izgraditi generaciju genotipa. Stoga
se definiraju parametri genetskog algoritma koji odreuju broj jedinki (genotipa) u jednoj
generaciji i maksimalni broj generacija. Osim toga odreuju se i vjerojatnosti osnovnih operacija:
vjerojatnosti selekcije (Ps,), vjerojatnosti krianja (Pk) i vjerojatnosti mutacije (Pm). Veliine ovih
parametara odreuju u koliko sluajeva u generaciji e se primijeniti koja operacija. Najee se
veliina populacije kree oko 500 jedinki, maksimalni broj generacija oko 200, a vjerojatnosti
operacija s jedinkama Ps=(0.1 0.4), Pk = (0.6 0.9) i Pm = (0.01 0.1).
3. FORMULACIJA PROBLEMA
i I gi j j
Vi Vj
Slika 1. Shema voda
Prema prethodnoj slici radni gubici koji se javljaju na promatranom vodu iznose:
* * *
Pg = Re((V i V j ) I ) = Re((V i V j )(Vi V j ) g ij ) =
(1)
* *
= Re( g ij (Vi + V V i V V V j )) = g ij (Vi + V 2ViV j cos ij )
2
j
2
j i
2
j
2
gdje su:
Budui da je potrebno odrediti minimalne gubitke za cijelu promatrani mreu, funkcija cilja je:
N grana
PUK ,g =
k =1
g ij (Vi 2 + V j2 2ViV j cos ij ) (2)
gdje su:
k - broj grane
i,j - poetni i krajnji vor k - te grane
Dakle, potrebno je pomou genetskog algoritma odrediti uklopno stanje razmatrane mree pri
kojem je :
Za primjer e se analizirati dio srednjenaponske mree grada Splita (slika 3.), kako je
pojednostavljeno prikazano sljedeom shemom. Optereenja pojedinih vorita prikazana su u
Prilogu.
C 1 2 3 4 5
TS 35/10
B TS 35/10 DOBRI
BRODOGRADILITE 1 2 3
BR
A 1 2 3 4 5
1 1
BRODOGRADILITE "BR"
35/10
BAZEN 1 BAZEN 2
A B C
1
STADION 3 KATEL.PUT STADION 4 ETAS INSTALATER NK SPLIT
SOLINSKA 5
2
STADION 2
SPINUT 15 SKALICE 1
SKALICE 2 SKALICE 3
GLAVIINE 1 2
TURSKA KULA
GLAVIINE 3
GLAVIINE 2 SUKOIANSKA 2
TIREVO
LOVRET
4 3
SPINUT 13 SPINUT 14 TABLE 2 4
DOBRI 6 DOBRI 5
2 3 RODILITE
A B C 5
DOBRI 35/10
5 3
Neka u sljedeoj tablici prva kuica oznaava broj isklopljenog sklopnog ureaja u prvoj grani,
druga kuica broj isklopljenog sklopnog ureaja na drugoj grani i analogno trea kuica. Na taj
nain je predstavljen nain sekcioniranja mree isklapanjem pojedinih prekidaa.
1 3 4
2 4 2
3 3 3
.
.
Svaki sklopni ureaj oznaen je nekim brojem, jedinstvenim na toj grani (npr. 1, 2 ili 3). Brojka
kojom je proizvoljno oznaen pojedini sklopni ureaj oznait e se u 4-bitnom binarnom zapisu:
Svaki redak prethodne tablice sada oznaava jedan genotip (12-bitni string u kojem svaki bit
predstavlja jedan gen) ime se predstavlja jedno uklopno stanje, a time i jedan iznos gubitaka
radne snage.
Sada je potrebno formirati prvu generaciju od pet sluajno generiranih genotipa, te pomou
operacija GA izvravati selekciju, krianje i mutaciju iz generacije u generaciju, vodei rauna o
iznosima funkcije cilja definirane relacijom (2). Pri formiranju svakog genotipa potrebno je
provjeriti jesu li zadovoljeni granini uvjeti (izbjei preoptereenje dionice voda i ouvati radijalni
karakter mree).
A B C
5 3 3
1 1 4
2 2 4
3 2 3
2 3 1
Sklopni ureaji su prikazani u 4-bitnom binarnom zapisu i na taj nain se formiraju genotipi u
generaciji 0.
GENERACIJA 0
Gubici u vodovima (funkcija cilja je optimalno uklopno stanje minimalni gubici u vodovima) za
pojedini genotip prikazani su s desne strane tablice, a izraunati su pomou programskog paketa
PowerCAD 4.0.
Ps = 0.2
Najloiji genotip se eliminira, a na njegovo mjesto se stavlja najbolji. Dakle, umjesto genotipa 1
ubacuje se genotip 3.
Novo stanje je prikazano sljedeom tablicom.
Krianje
Pk = 0.6
S obzirom na PK, u krianju sudjeluju 3 genotipa na nain da se najbolji izravno prenosi u novu
populaciju, a ostala dva se kriaju. Preostala dva genotipa (koji ne sudjeluju u krianju) prenose
se izravno u novu populaciju. U ovom sluaju genotip 3 se prenosi izravno, a genotip 1 i genotip 4
se kriaju.
Vri se one point krianje na nain da se proizvoljno odredi mjesto krianja.
potomak 1: 001000100011
potomak 2: 001100100100
Mutacija
Pm = (0.01 0.1)
GENERACIJA 1
Postupak se nastavlja na isti nain. Zbog ogranienosti prostora nee se navoditi svi provedeni
koraci u proraunu, ve e se navesti samo zadnji korak, odnosno najpovoljnije stanje u 5.
generaciji.
C 1 2 3 4 5
X X X X
TS 35/10
B 1 2 3
TS 35/10 DOBRI
BRODOGRADILITE X X
BR
1 2 3 4 5
A
X X X X
Konano, najpovoljnije stanje rezultira minimalnim gubicima radne snage za analizirano stanje
mree koji iznose PUK,g =59 kW.
5. ZAKLJUAK
Svaka razdjelna mrea ima vie razliitih moguih uklopnih stanja. Promjenom uklopnog stanja
mree mijenjaju se i gubici radne snage u mrei. U ovom radu je predstavljen princip po kojem bi
se pomou jednog, relativno novog matematikog alata - genetskog algoritma, mogli analizirati
gubici radne snage u srednjenaponskim mreama, te je taj princip primijenjen na dijelu 10 kV
mree grada Splita. Rezultat je naelno pokazao da ovakav pristup rezultira najpovoljnijim
rjeenjem. Sloenije mree bi zahtijevale robustniji i dui postupak, ali po istom principu. Uz
dananji stupanj razvoja raunalne tehnologije robustnost postupka ne predstavlja nikakav
problem.
Potrebno je takoer naglasiti da je danas primjena genetskog algoritma u inenjerskoj praksi
vrlo rairena. Stoga ovaj rad predstavlja jedan od mnotva naina rjeavanja navedenog
problema po slinom principu.
6. LITERATURA
PRILOG