Генетичні алгоритми. 
Прогнозування втрат електроенергії в енергосистемі Росії

Приведем классический генетический алгоритм с описанием его этапов [10]:

• 1. Выбор исходной популяции хромосом.
• 2. Оценка приспособляемости хромосом в популяции по формуле:

(5).

где — линейная функция масштабирования приспособленности, — размер популяции.

• 3. Проверка условия остановки алгоритма.
• 4. Селекция хромосом. Состоит в выборе наиболее «приспособленных» хромосом для создания следующей популяции. Одним из наиболее популярных методов селекции является метод рулетки, при котором каждой хромосоме (для) ставится в соответствие определенный сектор, величина которого зависит от значения функции приспособляемости (6). прогнозирование потеря электроэнергия

(6).

где.

(7).

где — значение функции приспособленности хромосомы , — вероятность селекции хромосомы .

• 5. Применение генетических алгоритмов к хромосомам, отобранным в результате селекции, позволяет сформировать новую популяцию потомков созданной на предыдущем шаге родительской популяции.
• 6. Формирование новой популяции. Хромосомы, полученные в результате применения генетических операторов к хромосомам родительской популяции, включаются в состав новой популяции.
• 7. Выбор «наилучшей» хромосомы. Если условие остановки алгоритма выполнено, выводится результат работы.

Достоинства [10]: адаптивность; возможности для распараллеливания.

Недостатки [10]: недостаточная методологическая база; узкость и специфичность применения; поисковый алгоритм требует затрат времени, но не гарантирует оптимального решения.

В данной статье были рассмотрены различные аспекты прогнозирования потерь электроэнергии, выявлено, что наибольшая их доля приходится на распределительные сети 0,4 — 35 кВ. Рассмотрены основные факторы, влияющие на величину потерь электроэнергии. Проведен анализ основных методов прогнозирования, выявлены их достоинства и недостатки. Влияние на величину потерь факторов, подверженных случайным колебаниям и оперирующих нечеткими понятиями усложняет задачу прогнозирования потерь электроэнергии. В этой связи использование адаптивных комбинированных методов, таких как, нечеткая логика, искусственные нейронные сети, генетические алгоритмы для прогнозирования потерь электроэнергии в ЛЭП энергокомплекса РФ выглядит наиболее перспективно.