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

& Z( b' U& d* z& T
: g' r5 [3 |# N9 q) J
实时重构技术是维持孤岛微网稳定运行的有
* h0 ^$ P& b7 y& K( f/ i3 F2 v; v基金项目：国家自然科学基金(61573155，51877085)。
Project Supported by National Natural Science Foundation of China
(61573155, 51877085).
5 T8 r9 X, n; ^  W  a# D+ k效手段[1]。失去了主网的支撑，作为一个低惯性系
9 N* t* i2 Y6 H( T2 Y统，微网在孤岛运行环境下，很容易因设备出力的
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
( s5 O& ^. F3 B9 K态，改变微网的所连设备数量与供电拓扑结构，微
网得以在动态变化中控制系统的电压与频率，维持
: O; n8 }  U4 j网络的功率平衡。
. p: U' E/ ]" s* G4 i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
' A' Q9 E1 ~' Q/ _程。微网重构的本质是一个多目标、多约束的非线
$ m( A) V& h/ i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
4 Z1 |* `3 c! v$ g! y" d  y3 _数学优化方法[4-5]或人工智能算法[1,6-9]。
上述方法各有其优势所在，但也均存在有不
) @; E7 c, N+ g/ p# a足：虽然枚举法与传统数学优化方法的寻优结果可
6 |! u" b& k: _) l& Q4 J以稳定收敛到最优解，但是寻优效率低，运算耗时
5 j% O! X. }8 g* \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
( S2 A0 V' I: B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。
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
8 _3 b) I& D0 w同的子问题所呈现出的不同特点而采用多种算法
3 Z& C5 p$ z9 t联合求解。它是发挥算法优势，避免算法短板的有
- [' D- I* K3 g6 }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
网络首发时间：2020-07-29 15:03:50
4 W* D& Y9 o6 ]& J" S6 s网络首发地址：https://kns.cnki.net/kcms/detail/11.2410.TM.20200729.1329.001.html1 b
1
m in (1 )
h
i i i
6 C8 P- _+ I% r2 s& ]( d2 ~i
F c x P
=
9 G( v7 F" f$ y3 V= −
( y9 @! K! a  X* H; r
2 2
2
; |8 T  Y6 y: K$ U4 x' \  f5 P2
  g6 h  ~9 d/ e8 j1
4 T# H8 u1 \! h5 \3 Km in
, H. H0 b9 G0 X. sM
i i
9 F$ a' e5 ]* K. \& c3 w  ?i i
i
i
4 c3 a+ Y$ V$ @- h* ?1 R9 sP Q
F k R
=
7 {7 w9 L' v7 q2 LU
3 [+ j- ?+ F9 g8 {# x+
=

; ~& P' Z' Z9 `* f2
6 {, Y% S6 l4 V  H8 w张熙等：基于动态规划与最优流模式的微网孤岛重构
果。如文献[10]在对基于电网络理论所建立的大型
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
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
: b" ?& I$ h: B3 t8 {纯的确定性算法与随机性算法。文献[11]为了进行
$ \- m  Z& d+ P8 b" |; J更有效的变电站负荷聚类分析，提出了综合考虑负
荷曲线和构成的变电站双层聚类模型。将该模型解
: ]% g# F5 h' D8 \( Z. s耦为上层与下层变电站聚类分析 2 个子问题后，文
# Z& T7 B+ |' y9 @( o9 P6 Z5 i章根据上下层各自特点分别采用了 K−means 算法
  m) ]. g7 [, ?) N, K. q/ U, B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
* v' X; b; p- ]4 x% i, ~- @1 h# _& @统算法的不足。文献[12]采用了一种混合智能算法
4 C- b) T# ]; m- I2 |3 j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
0 W8 K& r0 k+ x! C1 h) V算法(GA)中的交叉和变异操作，整个群体信息共
; u& l0 O7 D% _享，同时采用自适应参数机制与优胜劣汰的进化思
5 q2 w' `4 L+ |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。
1 b1 ~+ m/ s3 h, _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、
) x4 E% F+ ]4 p9 c6 u8 \$ K& c1 `) o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
, l! r+ M& C! d: K+ Q6 M调整有着各自不同的特点：对设备连接开关状态的
& W/ w- i' h' b0 m& K" _调整本质上为设备再分配问题；而对线路分段开
关、联络开关状态的调整本质上为供电拓扑优化问
# v2 R2 i, e  Q: i题。二者有着不同的目标与约束条件，适合采用混
6 ^& j+ R, g4 z0 S- B6 D* 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
与稳定性，在建立了微网孤岛重构的数学模型后，
. m& U& D  l% Q6 M  @5 \* @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
提算法可以有效地同时保证重构实时、高效与寻优
3 y2 ]; y: x) ~3 |. n稳定性，在处理微网孤岛重构问题上有着较为明显
" h, Z6 o! q& H' I的优势。
- a) U+ i, |4 P" `) g* s/ g