3。2  正交实验设计的核心——正交表 17

3。3  基于正交实验设计的正交遗传算法 21

3。5  仿真对比与分析 21

3。6  本章小结 25

4  应用于大规模系统的算法效率改进 27

4。1  应用于大系统缩减初始种群规模的正交交叉遗传算法 27

4。2  正交交叉遗传算法的构建 27

4。3  正交交叉算法父代的选取 30

4。4  仿真对比与分析 30

4。5  本章小结 35

结论 37

致谢 38

参考文献 39

1  绪论

1。1研究背景与意义

当今社会经济快速发展使得电力系统的安全稳定运行愈加受到重视。当今电网规模由于电力系统的跨区域互联而不断扩大，各个电网子系统之间的联系也愈加紧密，因而任何一个局部系统的故障如果处理不当就有可能会导致大规模停电事故。自20世纪90年代起，各国电网已经发生过多次大规模停电事故，对经济和社会造成了严重影响，特别是2003年发生在美国和加拿大部分地区的8。14大停电，更是将全球的目光聚焦到电力系统的安全性问题上[1]。虽然利用加强电网建设以及改进监管等方法在一定程度上可以降低出现大停电事故的概率，但是，随着电力工业市场化进程的推进，新能源发电、电动汽车等新兴产业正在快速接入电网，电力系统运行和维护愈加复杂，这使得大停电事故实际上是无法完全避免的[2]。所以，对电力系统大停电事故后的黑启动进行研究具有十分重要的意义。

电力系统黑启动问题是一个多目标、多阶段、非线性的组合优化问题，难以仅通过一个优化模型来直接求解，所以现今的主要研究是根据黑启动不同阶段的需求和电气特性将黑启动问题解耦成若干个相对独立的子问题，再针对每个子问题进行建模求解。网架重构阶段作为电力系统黑启动的重要阶段，对其进行科学合理地建模求解对整个黑启动过程十分重要。网架重构问题的核心是黑启动路径优化问题，是为了尽快恢复电网中无启动能力的机组和一些重要负荷节点而快速寻找到最优的电力系统恢复路径，进而实现整个系统的全面恢复[3]。目前黑启动路径优化问题的解决多借助智能算法，该算法通过对线路是否投运的状态进行二进制编码而避开计算量巨大的遍历搜索，大幅度地减少了整个算法的运行时间，提高了算法的寻优能力，具有现实效益。

智能算法的高进化率要求初始种群内基因具有很好的多样性，而现阶段针对黑启动路径优化的智能算法大多是随机生成初始种群，这种方式虽然简单且容易执行，占用的资源也较少，但是其生成的初始种群很难确保多样性[4]，算法容易因为过早收敛而无法找到全局最优值，寻优能力较差。所以，有必要对黑启动路径智能优化算法的初始化策略进行改进。

1。2国内外研究现状

1。2。1  黑启动的基本概念及研究现状

1。2。2  黑启动网架重构阶段研究现状

1。2。3  黑启动网架重构阶段路径优化研究现状

1。3  本文主要研究内容

考虑到初始种群对黑启动路径智能优化方法的寻优结果以及寻优效率的影响，本文主要研究内容概括如下：