Запропоновано метод розв’язання задачі рівномірного розподілення навантажень між фазами в мережі 0,38/0,22 кВ. Застосовано модифікований генетичний алгоритм, цільовими функціями якого є параметр нерівномірності навантажень у мережі та число перепідключень споживачів. Операція виділення та коригування множини елітарних особин (Парето), що вбудована у генетичний алгоритм, реалізована методом попарних порівнянь альтернатив. Оригінальна операція ранжування популяції на основі введення віку особин дозволяє автоматично налаштувати алгоритм на можливості комп’ютера. На конкретному прикладі виконано розрахунок мережі та отримано множину Парето. Обрано оптимальний варіант із множини Парето за рівномірним розподіленням навантажень між фазами в мережі 0,38/0,22 кВ. Достовірність отриманих результатів перевірено за допомогою програмного продукту Multisim.
Предложен метод решения задачи равномерного распределения нагрузок между фазами в сети 0,38/0,22 кВ. Применен модифицированный генетический алгоритм, целевыми функциями которого являются параметр неравномерности нагрузок в сети и число переподключений потребителей. Операция выделения и корректировки множества элитарных особей (Парето), встроенная в генетический алгоритм, реализована методом попарных сравнений альтернатив. Оригинальная операция ранжирования популяции на основе введения возраста особей позволяет автоматически настроить алгоритм на возможности компьютера. На конкретном примере выполнен расчет сети и получено множество Парето. Выбран оптимальный вариант из множества Парето по равномерному распределению нагрузок между фазами в сети 0,38/0,22 кВ. Достоверность полученных результатов проверена с помощью программного продукта Multisim.
A method of solving the problem of uniform distribution of loads between the phases in the network 0.38 / 0.22 kV is offered. A modified genetic algorithm is used, whose objective functions are the parameter of unevenness load in the network and the number of reconnecting consumers. The operation of separation and adjusting of the set of elitist individuals (Pareto), which is integrated into the genetic algorithm, is implemented by method of pairwise comparisons of alternatives. The original operation of population`s ranking based on introduction of individual`s age allows you automatically to customize the algorithm on the computer's capabilities. On a concrete example a calculation of network is performed and the Pareto set is obtained. The optimum variant of the Pareto set on uniform load distribution between the phases in the network 0.38 / 0.22 kV is chosen. The кeliability of obtained results is tested with the software product Multisim.
