（国网浙江瑞安市供电有限责任公司浙江温州325200）
摘要：随着现代科学技术的不断发展，各式各样的负荷预测数学模型不断涌现，但是他们都有各自的使用条件。如回归分析方法对于不同趋势的历史负荷曲线，需要选择不同的回归函数，这将会对预测的准确度产生一定程度的影响，而且往往这些历史负荷曲线非线性程度又比较复杂，选择起来也会非常困难，而遗传程序设计方法无需人为选择数学模型，它能够根据与问题有关的终结点集和函数集，自动生成与历史数据相拟合的函数表达式，从而可以预测出负荷的未来趋势，有效地避免了经验需求和假设。
关键词：电力系统；遗传程序设计方法；应用
遗传程序设计是基于遗传算法的一种进化算法，具有自组织、自学习和自适应性，作为一种自动编程技术，试图研究计算机怎样在没有人工干预的情况下根据客观环境自动解决问题。它采用生物界的自然选择原理和进化理论，用层次化的树形结构表达问题，从随机产生的初始群体出发，用适应度来衡量个体的优劣，对每一代个体都采用复制、交叉、变异等操作，经若干代的进化得出给定问题的最优解，也就是适应度最优的个体。
1电力系统的负荷模型
负荷建模工作中通常所谓的负荷指的是由母线供电的各类用电设备、配电网络和接入该变电站（母线）的电源的综合。负荷模型则是负荷的功率随系统的电压U和频率f的变化而变化的数学表达式。按照模型是否反映负荷的动态行为，可分为静态负荷模型（LOADMODEL）和动态负荷模型（STATICLOADMODEL），前者反映的是母线功率（有功、无功）随电压和频率变化而变化的特性，通常用代数方程来表示，后者反应的则是母线负荷功率随系统的电压U、频率f和时间t的变化而变化的特性，重点强调对时间的记忆性，不仅与当前的电压和频率有关，而且与历史电压和频率值也有关，因此通常用微分方程、差分方程等非线性方程来描述动态负荷模型。具有记忆性的电力系统负荷成分主要是感应电动机，因此动态负荷模型的结构形式通常用感应电动机的数学模型来表示。
2遗传程序设计的原理与结构
遗传程序设计是只有在计算机时代才能实现的一种搜索解题方法[3]。首先随机产生一个适合于给定问题的搜索空间，构成搜索空间的个体都有一个适应度值，然后通过自然选择原理，用遗传算子根据适应度对个体进行处理，产生下一代搜索空间，这样一直进化下去，给定问题的最优解或次优解必将出现在某代搜索空间中。组成搜索空间的个体采用一种层次结构可变的分析树来表示，树的节点由终结点集和函数集中的元素组成。如图1所示函数f(x，y，z)=(x+y)＊z+sin(x)的分析树表示形式：
其中终结点集是组成所给问题的最基本元素的集合，包括变量和常量。函数集是对终结点进行运算的连接运算符集合，包括算术运算符、标准数学函数、逻辑运算符和条件表达式等可能的可定义数学函数，而且函数的返回值必须仍属于终结点集，即满足相对于终结点集的封闭性。
3用于负荷建模的遗传程序设计
3.1进化计算
进化计算（EvolutionaryAlgorithms）是根据自然界生物的生命发展过程建立起来的计算理论，建立在进化理论的基础之上，采用自然界“优胜劣汰”的思想。虽然进化算法有有多分支，主要包括遗传算法（GeneticAlgorithms，简称GA）、进化策略（EvolutionStrategies，简称ES）、进化规划（EvolutionaryPlanning，简称EP）、进化程序设计（EvolutionProgramming，简称EP）四大方面。GA注重对染色体的操作，ES则强调个体的行为变化，而EP主要强调种群的行为变化。
3.2遗传程序设计
遗传程序设计，也称为遗传规划（GeneticProgramming，简称GP）是在遗传算法的基础上引入自动程序设计的一中新型进化算法，它的最大特点是采用层次化的结构表达问题，克服了遗传算法不能描述计算机程序和层次化的问题以及缺乏动态可变性的缺点，能够根据环境状态自动的改变程序结构和大小，在数据挖掘方面具有显著的优点。
它的基本原理是：首先随机产生一个适应于给定问题环境的初始种群，这个种群中的每一个个体都对应一个适应度，然后按照达尔文“适者生存，优胜劣汰”的标准，选择适应度高的个体直接通过复制进入下一代种群，对其它的个体则根据自然界的进化理论通过一些遗传操作（如变异、交换等）得到高适应度的个体，如此一直进化下去，直到得到给定问题的解或满足某一终止条件之后进化停止。
3.3遗传程序设计的基本参数
系统中有些参数对程序的进化结果有着至关重要的作用。因此，在程序开始之前，首先需要对这些参数进行设置。
1）种群规模：随机产生的初始种群如果不加以限制就会无限制的任意生长，如果种群数目过大不仅浪费存储空间，而且也会大大增加程序的计算时间，因此需要根据实际情况规定种群规模从而控制种群进化过程中每一代的个体数目。通常的做法是，根据问题的难易程度，先任意设一个数值，如果进化结果不够理想，可以适当的增大种群规模以便加大问题的搜索空间，得到问题的最优解。
（2）最大树深：限定算法树的最大深度，防止算法树过于复杂。不管程序如何进化，树的最大深度都不能超过这个数字。
（3）最大进化代数：如果采用的是当迭代次数达到规定最大容许进化代数G时，停止进化的终止准则，需要对最大容许进化代数G进行设置以便终止运行程序。
（4）交叉率：指的是交叉算子在整个遗传算子中所占的比例。因为交叉是遗传程序设计的主要进化方法，因此，交叉率一般都设置在0.8及以上。
（5）复制率和变异率：分别指的是复制算子和突变算子在整个遗传算子中的比例，一般情况下它们的数值都在0.1以下。
电力系统负荷建模是一项复杂的课题，国内外众多学者对其的研究从来没有停止过，截止目前，也没有一个能够完全适用电力系统数字仿真和描述负荷动、静态特性的成熟的模型结构或建模准则。本文所做的工作也仅仅是一个尝试，还有很多问题亟待解决。（1）本文只实现了电力系统的静态负荷建模工作，没有涉及动态负荷建模，但是现代电力系统中，负荷中电动机的成分越来越多，并且随着电网复杂度的加深，电网的动态稳定性问题更加突出，因此利用GP建立动态模型是下一步努力的方向。（2）由于遗传程序设计本身存在的收敛性差等缺点会导致在某些情况下无法建立能准确反映实际情况的模型结构，下一步可以考虑用改进过的遗传程序设计来提高所建立负荷模型的精度。
参考文献：
[1]张超慧.基于遗传程序设计的电力系统负荷建模[D].郑州大学,2014.
[2]范新桥.遗传程序设计在电力系统短期负荷预测中的应用[D].河北农业大学,2008.
[3]秦贞良.冲击负荷建模及电能质量分析[D].山东大学,2014.