遗传算法是电网规划采用的一种新的优化方法，它根据优胜劣汰的原则进
行搜索和优化，可以考虑多种目标函数和约束条件，非凡适合于整数型变量的
优化问题。遗传算法利用简单的编码技术和进化机制将规划问题抽象为纯数学问
题，便于同时处理整数变量和连续变量，对于大型电网规划问题不需要分解处
理，直接将网络的运行计算结果计入评价值，避免了由于分解或线性化造成的
①
误差。遗传算法的优点是： 操作简单，通过交叉和变异等逐步完成进化，最终
逐步收敛到最优解完成进化，相对灵敏度分析、线性规划等数学方法更便于执行
②多点寻优，不受搜索空间的限制性约束，不要求连续性、导数存在、单峰等假
设，可以考虑多种目标函数和约束条件，使其在解决电网规划这种多目标、多约
③
束、非线性、混合整数优化问题中得到广泛应用； 遗传算法在获得最优解的同
时也能给出一些次优解，这为规划人员根据实际情况改变规划方案提供宝贵信
④
⑤
息，弥补了数学规划只能求得单解的不足； 适于解决组合优化问题； 能以
①
较大概率找到全局最优解。缺点是： 和算法收敛有关的控制参数，如种群规模、
②
交叉率和变异率等还有待于进一步研究； 在参数选取不当时，有收敛到局部
③
最优点的可能性； 计算速度慢。此外，考虑到模拟退火算法可以有效防止陷入
局部最优解这一特性，将模拟退火法和遗传算法结合的混合
-模拟退火算法也取
得了不错的效果。总体来说，遗传算法及其在电网规划的应用正处于蓬勃发展阶
段，有着极好的应用前景。
电力系统的规模一般很大，有的网络具有上千个节点和线路，假如再考虑
多阶段及规划本身众多的因素，扩展规划成为一个规模巨大的优化问题，单靠
数学优化技术是无法解决的，因此就需要专家系统这样的方法。专家系统法旨在
充分利用规划专家的经验，将其用适当规划表示出来。它首先利用其它方法，如
启发式方法或数学优化方法来产生一批方案，之后利用专家经验从中筛选并加
以改进后得到最终的规划方案。专家系统方法的优点是：根据规划专家的经验可
①
以合理地简化模型，提高算法的效率，降低计算的复杂性。缺点是： 知识获取
②
困难，开发周期长且不易移植； 不易建立有效的学习机制。近年来，国外已经
尝试将专家系统用于生产实践中，如瑞典
Malmo 地区已经将专家系统用于
找电力资料，就到一览电力文库