数学建模社区-数学中国

标题: 基于动态规划与最优流模式的微网孤岛重构 [打印本页]

---

作者: 杨利霞    时间: 2020-10-14 16:01
标题: 基于动态规划与最优流模式的微网孤岛重构

基于动态规划与最优流模式的微网孤岛重构

4 g- ]4 P! y4 K; Y3 u: K
7 V& @! H) X1 M9 l% A* Q# A! l
实时重构技术是维持孤岛微网稳定运行的有
# [' `! F7 j$ x  \9 y基金项目：国家自然科学基金(61573155，51877085)。
Project Supported by National Natural Science Foundation of China
  F, J, c% X' o% L0 I4 h; ?; q9 P; o(61573155, 51877085).
, \+ h3 s" U0 w. m, b" `效手段[1]。失去了主网的支撑，作为一个低惯性系
统，微网在孤岛运行环境下，很容易因设备出力的
$ D! H& E1 y6 u2 m) f波动而失稳[2]。当系统发生变动时，通过实时调整
9 N/ L* x7 b5 ~' p, X. v1 ~' _6 u设备连接开关与线路分段开关、联络开关的运行状
# ^& `' m  n3 u态，改变微网的所连设备数量与供电拓扑结构，微
- x0 J6 N/ u+ n! _( N* f" ~网得以在动态变化中控制系统的电压与频率，维持
- K1 j9 ^! e* ~0 s  S. P; Z/ Z/ a6 ^6 Y网络的功率平衡。
重构是通过改变网络各开关的运行状态来改
& H; a+ Q5 G3 L0 G/ O; ?' R2 ?变网络运行方式，在一定约束条件下，保证系统安
全稳定运行，并使系统的某项指标达到最优的过
程。微网重构的本质是一个多目标、多约束的非线
性混合整数规划问题。针对微网的重构，目前多采
用单一的寻优方法来解决，例如有枚举法[3]、传统
2 c& w, a1 J  T2 ]7 u$ O4 h4 F数学优化方法[4-5]或人工智能算法[1,6-9]。
- X; k% x& Q# a上述方法各有其优势所在，但也均存在有不
) ~5 i! ], n9 q2 o9 o足：虽然枚举法与传统数学优化方法的寻优结果可
以稳定收敛到最优解，但是寻优效率低，运算耗时
7 [  t4 u8 Q3 c3 p0 W6 T% |, \) m* ~长；人工智能算法通过在迭代中使用元启发式策略
进行筛选使得寻优高效，但其固有的随机性在实时
重构时会导致重构结果难以稳定收敛到最优解甚
+ S% u& n3 `+ M  M3 h至会有无法寻得有效解的情况出现。这些单一算法
4 W1 J6 {( k* Q均很难实现微网孤岛重构的实时、寻优稳定与高效
三者间的平衡。
针对于此，本文采用混合算法来实现微网孤岛
/ I% c  l/ N5 s0 p重构。混合算法是指将模型分层或解耦后，对于不
同的子问题所呈现出的不同特点而采用多种算法
. \+ F+ H. y2 [% W6 D联合求解。它是发挥算法优势，避免算法短板的有
. B: ?8 |& g; q5 G4 M6 W4 T* G效手段。目前在一些领域的研究中已有学者针对模
型特点提出了相应的混合算法，并取得了良好的效
+ b+ Y2 R- x! ^1 P. m% D. [) A网络首发时间：2020-07-29 15:03:50
网络首发地址：https://kns.cnki.net/kcms/detail/11.2410.TM.20200729.1329.001.html1 b
9 D; y; ^/ b7 s/ t- }1
7 x2 W% o& v: `" qm in (1 )
' F2 i% Y2 T- c6 }9 S+ u* h2 a1 ch
i i i
" H) h, P- b. y' c8 t2 }i
: L6 B1 h. C2 c( V8 D' y0 R% m: F1 oF c x P
=
8 e' K4 {" I4 S! W= −
) C; ?# i; ^! z
2 2
2
# y/ i3 I' Y+ J- A& ?1 c2
1
m in
( g+ x9 d* A5 EM
i i
i i
) o+ e9 ~( J& b+ @i
: w- c) T. t% W2 P+ C3 j  Wi
7 n0 A* K8 R6 ]: B  C, r; O1 x$ WP Q
F k R
=
U
+
=
# w/ q1 E) J) x9 g& F3 ^4 M
2
7 m" [3 X5 e% x1 h9 E& H张熙等：基于动态规划与最优流模式的微网孤岛重构
! V- j4 G& Y: U8 l) O5 J- x* [果。如文献[10]在对基于电网络理论所建立的大型
0 o! y) g3 n' B4 B0 A% y接地网故障诊断模型进行分层后，先采用确定性算
! |0 p: e" _4 G+ H' K! A法(L−M 法)快速锁定真实解的范围，之后再用随机
2 e8 D& l( v* x8 a) Q# }性算法(粒子群算法)进一步深入优化。仿真结果表
明，该混合算法在收敛性与结果准确度上均优于单
纯的确定性算法与随机性算法。文献[11]为了进行
1 c5 C1 \2 j! |& S, R4 T更有效的变电站负荷聚类分析，提出了综合考虑负
# k. S* i, c# T. R/ L荷曲线和构成的变电站双层聚类模型。将该模型解
耦为上层与下层变电站聚类分析 2 个子问题后，文
章根据上下层各自特点分别采用了 K−means 算法
与分裂式 FCM 算法予以求解。在对实际变电站聚
类分析后的结果表明，该混合算法可以有效补充传
统算法的不足。文献[12]采用了一种混合智能算法
解决配网重构问题。在寻优过程中，部分个体用粒
子群优化算法(PSO)进行迭代，其它个体进行遗传
- ?. ~4 S; q3 m0 P4 h算法(GA)中的交叉和变异操作，整个群体信息共
3 y2 @# w& e' F  e  f/ ]( Q' A享，同时采用自适应参数机制与优胜劣汰的进化思
想。仿真结果表明，与单一的 GA 法和 PSO 法相比，
该混合算法具有更高的搜索效率和寻优性能。
% S. E- U' P$ @  v+ h( `" J与传统的配网重构不同，微网孤岛作为一个出
力有限的供电系统，重构不仅要对线路分段开关、
4 Q- t+ y1 M: `, v: t联络开关进行调整，还需根据实时变化的外部环
境，对设备连接开关进行调整[3,13]。这两类开关的
, d, j1 ?$ v2 n: X  a( c6 c0 V调整有着各自不同的特点：对设备连接开关状态的
调整本质上为设备再分配问题；而对线路分段开
: C$ J* s, D  G关、联络开关状态的调整本质上为供电拓扑优化问
题。二者有着不同的目标与约束条件，适合采用混
$ i# @" g3 A3 k- M0 F" T合算法进行求解。
因此，为保证重构的实时性以及寻优的高效性
与稳定性，在建立了微网孤岛重构的数学模型后，
3 O" s; l/ Z: e) R) N本文将模型解耦为设备连接开关重构与线路分段
开关、联络开关重构两个子问题，并采用了动态规
划法与改进的最优流模式法相结合的混合算法寻
找最优重构方案。MATLAB 仿真结果表明，本文所
3 q& F, I: l$ @7 Q' Q提算法可以有效地同时保证重构实时、高效与寻优
稳定性，在处理微网孤岛重构问题上有着较为明显
- V" k) y& ?4 a1 }1 |& ~# j的优势。

+ r5 z/ c; c8 W7 @0 C( M) y( {

基于动态规划与最优流模式的微网孤岛重构.pdf

2020-10-14 16:01 上传

点击文件名下载附件

下载积分: 体力 -2 点

615.82 KB, 下载次数: 0, 下载积分: 体力 -2 点

售价: 3 点体力  [记录]  [购买]

---

欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)

Powered by Discuz! X2.5