基于动态规划与最优流模式的微网孤岛重构

杨利霞

基于动态规划与最优流模式的微网孤岛重构

实时重构技术是维持孤岛微网稳定运行的有
! G4 ^4 [, D" S# G- ?基金项目：国家自然科学基金(61573155，51877085)。
$ R- T: D" i5 l* S+ tProject Supported by National Natural Science Foundation of China
(61573155, 51877085).
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
; t9 m. Y& Z& t. L# l4 \波动而失稳[2]。当系统发生变动时，通过实时调整
设备连接开关与线路分段开关、联络开关的运行状
( C8 r' B5 O$ _# S态，改变微网的所连设备数量与供电拓扑结构，微
! b( A4 i: u' B9 d. V; h2 v网得以在动态变化中控制系统的电压与频率，维持
2 m! j, _& ~, N6 ^0 F7 V& d. M- ?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
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
) C, Z0 S8 f' F  ]8 y6 L4 ]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
数学优化方法[4-5]或人工智能算法[1,6-9]。
8 V9 r# R' e% V, l上述方法各有其优势所在，但也均存在有不
足：虽然枚举法与传统数学优化方法的寻优结果可
+ i: e. d3 g+ H8 I以稳定收敛到最优解，但是寻优效率低，运算耗时
5 J6 M% X9 t& Y8 R; F, r$ |长；人工智能算法通过在迭代中使用元启发式策略
( G* M/ A$ q9 k. K( I8 @4 g进行筛选使得寻优高效，但其固有的随机性在实时
% }" c! n  W, J/ p9 e" j) [( f  K重构时会导致重构结果难以稳定收敛到最优解甚
9 P4 g! P+ q1 _2 \( C' }! j至会有无法寻得有效解的情况出现。这些单一算法
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。
% r7 J9 ^8 b) {5 J0 y针对于此，本文采用混合算法来实现微网孤岛
重构。混合算法是指将模型分层或解耦后，对于不
: p, t* K' g. x- C同的子问题所呈现出的不同特点而采用多种算法
联合求解。它是发挥算法优势，避免算法短板的有
8 x  v4 A  k: d# S4 n+ B效手段。目前在一些领域的研究中已有学者针对模
6 R1 t1 a4 i# ]6 p- x型特点提出了相应的混合算法，并取得了良好的效
网络首发时间：2020-07-29 15:03:50
5 w) A2 C( c; O4 a4 w  ^) o  N  [7 [网络首发地址：https://kns.cnki.net/kcms/detail/11.2410.TM.20200729.1329.001.html1 b
3 E4 y6 t( q* E/ P* u* x- H1
m in (1 )
h
! k' z8 T# I2 n+ M; f7 |- Z- ?i i i
i
1 E( m) l: U5 a$ U% _  K( g% pF c x P
=
5 c% z" f3 A- h0 g2 Y= −
) b5 t- [6 U& V) P$ g
/ H/ K% }, i8 U: u9 R. k2 2
2
" v( a3 \+ ^4 J! o6 s% T2
& g: f0 G7 A5 W% U! {1
m in
* r% }2 m: S& E" l. A2 gM
i i
6 ~( i  }% J% o; u" qi i
3 }6 n& D( f  [! Di
" P7 j' g. ]0 v3 a/ Z# Q: oi
1 p9 @& @4 Z4 G5 x$ L( K/ wP Q
F k R
=
U
' n2 q7 Z# C' [/ D8 Q0 @+
=

' B8 X6 z- ~7 \# {+ ]/ J! L( Y& v2
: ?; J/ |! ], V  M张熙等：基于动态规划与最优流模式的微网孤岛重构
$ g. a4 `* b6 T9 B( ~2 O* m果。如文献[10]在对基于电网络理论所建立的大型
4 b3 _5 \% w8 E* W& w# b; R) `接地网故障诊断模型进行分层后，先采用确定性算
法(L−M 法)快速锁定真实解的范围，之后再用随机
- M4 z8 z1 y2 I$ A9 [性算法(粒子群算法)进一步深入优化。仿真结果表
& i' G/ T8 b' N$ j7 D: Y/ d明，该混合算法在收敛性与结果准确度上均优于单
8 z- h: q' s" V# c% D4 C% j' v6 f8 D纯的确定性算法与随机性算法。文献[11]为了进行
( L+ r6 H0 ^! m: [) j更有效的变电站负荷聚类分析，提出了综合考虑负
" }* M* Q' P. t$ ^7 q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
/ W) y" A; ?7 W7 Y$ i3 }2 W章根据上下层各自特点分别采用了 K−means 算法
9 a& b1 t% R9 [+ q  e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
6 p5 f1 |( a! v3 ~7 e解决配网重构问题。在寻优过程中，部分个体用粒
; S3 }0 M; O0 x" T9 |子群优化算法(PSO)进行迭代，其它个体进行遗传
算法(GA)中的交叉和变异操作，整个群体信息共
. F# Z: @' M. B+ Y5 {& @: S享，同时采用自适应参数机制与优胜劣汰的进化思
9 {3 }& D) A) \4 E8 w2 G0 a1 j想。仿真结果表明，与单一的 GA 法和 PSO 法相比，
5 m( a2 n9 X& P该混合算法具有更高的搜索效率和寻优性能。
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、
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
" D7 m; i4 s% J5 z8 \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
$ i0 k& @5 Z6 b+ ?关、联络开关状态的调整本质上为供电拓扑优化问
7 I/ R- h, R+ ~( ~! n- m题。二者有着不同的目标与约束条件，适合采用混
- z) D) |2 z' L' M4 L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
5 U4 D# J& X9 O0 g+ n与稳定性，在建立了微网孤岛重构的数学模型后，
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
$ Q, I: k/ N7 s- ~: l* {' s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
" k: P. W; L6 T" w0 O0 \  Q2 h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
! s# V& i6 r4 Q# Q的优势。
9 e/ ~6 {2 O% e6 x0 _- W2 @
, h* J+ B) Y1 @2 C% f
' o% O" a# K9 z# @: }