Ключевые слова
генетический алгоритм, резерв активной мощности, отключение нагрузки, оптимизация величины отключаемой мощности, гиперпараметры генетического алгоритма

Аннотация
В работе рассмотрена задача обеспечения необходимого объема резерва активной мощности, сделано описание основных операторов генетического алгоритма, характерных для задач оптимизации объема и состава отключаемой нагрузки. Сформирован критерий выбора отключаемой нагрузки, основанный на определении величины ожидаемого экономического ущерба при перерыве электроснабжения при отключении каждой отдельно взятой нагрузки. Показано как генетический алгоритм обеспечивает решение задачи оптимизации объема отключаемой нагрузки по экстремуму целевой функции с учетом дополнительного критерия ценности присоединения. Изучены различные комбинации операторов генетического алгоритма и влияние этого выбора на результативность работы алгоритма в целом.

Authors
Glazyrin V. E., Ph.D., Novosibirsk State Technical University, Novosibirsk, Russia.
E-mail: glazirin.ve@power.nstu.ru
Osintsev A. A., Ph.D., Novosibirsk State Technical University, Novosibirsk, Russia.
E-mail: osincev@corp.nstu.ru
Pekhota D. A., Novosibirsk State Technical University, Novosibirsk, Russia.
E-mail: pexota.98@mail.ru

Keywords
genetic algorithm, active power reserve, load shutdown, optimization of the amount of shut-off power, hyperparameters of the genetic algorithm

Annotation
The paper considers the problem of ensuring the required volume of active power reserve, describes the main operators of the genetic algorithm, typical for the problems of optimizing the volume and composition of the disconnected load. A criterion for selecting the disconnected load is formed, based on determining the amount of expected economic damage during a power supply interruption when disconnecting each individual load.
It is shown how a genetic algorithm provides a solution to the problem of optimizing the volume of disconnected load based on the extremum of the objective function, taking into account the additional criterion of the load value. Various combinations of genetic algorithm operators and the influence of this choice on the overall performance of the algorithm are studied.

1. Глускин И. З. Противоаварийная автоматика в энергосистемах : научно-техническое издание /
   И. З. Глускин, Б. И. Иофьев. – Москва : Знак, 2009. – 568 с.
2. Васильев А. А. Оптимизация управляющих воздействий противоаварийной автоматики на отключение нагрузки / А. А. Васильев, К. С. Криничный // Электроэнергетика глазами молодежи – 2016 : материалы VII Международной молодежной научно-технической конференции (Казань,
   19–23 сентября 2016 г.). В 3 т. Т. 2. – Казань : Казан. гос. энергетич. ун-т, 2016. – С. 114–115. –
   EDN QMKFCT.
3. Xing S. Microgrid emergency control based on the stratified controllable load shedding optimization /
   S. Xing // International Conference on Sustainable Power Generation and Supply (SUPERGEN 2012). – 2012. – Access num.: 13245179.
4. Zhang Y. Hierarchical generation rescheduling and robust load shedding scheme considering the uncertainty of distributed generators / Y. Zhang, W. Wu, T. Xu, L. Wang // 2018 IEEE Innovative Smart Grid Technologies – Asia (ISGT Asia). – 2018. – Access num.: 18113584.
5. Wang Y. A Fast Load-shedding Algorithm for Power System based on Artificial Neural Network / Y. Wang, Y. Wang, Y. Ding, Y. Zhou, Z. Zhang // 2019 Inter-national Conference on IC Design and Technology (ICICDT). – 2019. – Access num.: 18888963.
6. Rastegar H. Load shedding scheme based on teaching learning based optimiza-tion in radial systems /
   H. Rastegar, A. Akbari // 2017 Iranian Conference on Electrical Engineering (ICEE). – 2017. – Access num.: 17045756.
7. Fan Y. Research on optimal load shedding for active distribution network based on genetic algorithm /
   Y. Fan, X. Zi, L. Jun, L. Bingbing // 2017 2nd Internation-al Conference on Power and Renewable Energy (ICPRE). – 2017. – Access num.: 17874381.
8. Rao K. U. Time priority based optimal load shedding using genetic algorithm / K. U. Rao, S. H. Bhat,
   G. Jayaprakash, G. G. Ganeshprasad, S. N. Pillappa // Fifth International Conference on Advances in Recent Technologies in Commu-nication and Computing (ARTCom 2013). – 2013. – Access num.: 14201306.
9. Zaidi B. H. Incentive Based Load Shedding Management in a Microgrid Using Combinatorial Auction with IoT Infrastructure / B. H. Zaidi, I. Ullah, M. Alam, B. Adebisi, A. Azad, A. R. Ansari, R. Nawaz // Sensors. – 2021. – Vol. 21, No. 6. – Art. 1935. – DOI: 10.3390/s21061935.
10. Bustamante-Mesa S. Optimal Estimation of Under-Frequency Load Shedding Scheme Parameters by Considering Virtual Inertia Injection / S. Bustamante-Mesa, J. F. Franco, J. A. Ochoa, E. Granda-Gutiérrez // Energies. – 2024. – Vol. 17, No. 2. – Art. 279. – DOI: 10.3390/en17020279.
11. Le Trong Nghia. A hybrid artificial neural network – genetic algorithm for load shedding / Le Trong Nghia, Quyen Huy Anh, Phung Trieu Tan, N. Thai An // In-ternational Journal of Electrical and Computer Engineering. – 2020. – Vol. 10, No. 3. – pp. 2250-2258. – DOI: 10.11591/ijece.v10i3.pp. 2250-2258.
12. Liu J. A load-shedding preplan strategy for unplanned microgrid islanding considering frequency security constraints / J. Liu, X. Zhuan, L. Shang, S. Su, Q. Xie // International Journal of Electrical Power & Energy Systems. – 2025. – Vol. 170. – Art. 110932. – DOI: 10.1016/j.ijepes.2025.110932.
13. Постановление Правительства Российской Федерации от 21 марта 2020 г. № 320. О внесении изменений в некоторые акты Правительства Российской Федерации по вопросам функционирования активных энергетических комплексов . – Текст : электронный // официальное опубликование правовых актов : [сайт]. – URL: http://publication.pravo.gov.ru./
14. Приказ Министерства энергетики Российской Федерации от 30 июня 2020 г. № 507. Об утверждении требований к управляемому интеллектуальному соединению активных энергетических комплексов. – Текст : электронный // официальное опубликование правовых актов : [сайт]. – URL: http://publication.pravo.gov.ru./
15. Исследование применимости генетического алгоритма для решения задачи обеспечения необходимого резерва мощности в активном энергетическом комплексе / В. Е. Глазырин,
    А. А. Осинцев, Д. А. Пехота // Электрические станции. – 2024. – № 6 (1115). – С. 51–59.
16. Генетические алгоритмы / Л. А. Гладков, В. В. Курейчик, В. М. Курейчик : под ред. В. М. Курейчика. – 2-е изд., испр. и доп. – Москва : ФИЗМАТЛИТ, 2010. – 368 c. – ISBN 978-5-9221-0510-1.
17. Вирсански, Э. Генетические алгоритмы на Python / Э. Вирсански. – Текст : электронный // Ibook : [сайт]. – URL: https://ibooks.ru/bookshelf/372105/reading (дата обращения: 13.01.2025).
18. Knapsack problem 0-1 / Задача о рюкзаке. – Текст : электронный // Rosettacode : [сайт]. – URL: https://rosettacode.org/wiki/Knapsack_problem/0-1 (дата обращения: 13.01.2025).