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

3 f2 N4 ]  d4 c5 O' u7 w! ?
' q5 r) r- v+ `; _& a) j1 j
实时重构技术是维持孤岛微网稳定运行的有
基金项目：国家自然科学基金(61573155，51877085)。
Project Supported by National Natural Science Foundation of China
% `# ]" D, D# R(61573155, 51877085).
" I, L3 S: g; Q) Q7 s效手段[1]。失去了主网的支撑，作为一个低惯性系
) u; |. s5 N: j0 [2 s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
& T7 h" S1 q' P" }5 ?* h2 b9 v设备连接开关与线路分段开关、联络开关的运行状
+ A, M, [. B1 X9 X. P2 r7 m态，改变微网的所连设备数量与供电拓扑结构，微
) f& Z+ y: g) N, W3 v+ R网得以在动态变化中控制系统的电压与频率，维持
网络的功率平衡。
+ X/ {' w! o0 J重构是通过改变网络各开关的运行状态来改
4 [2 I6 W5 t( U  f* O0 H! [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
6 h0 _, n/ H% r$ U性混合整数规划问题。针对微网的重构，目前多采
( m* V' N" r4 h7 h2 `4 d, C4 Q" S) O; z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]。
) m. C# D) X: W, O2 W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
1 B5 {/ F; R& f以稳定收敛到最优解，但是寻优效率低，运算耗时
4 o% b& X5 K. k8 H2 ~$ V5 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
( w) C% z3 P- v' R& [至会有无法寻得有效解的情况出现。这些单一算法
  b% q* ^! i2 h6 m2 q均很难实现微网孤岛重构的实时、寻优稳定与高效
# E' n2 e! M" o% y& q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
同的子问题所呈现出的不同特点而采用多种算法
% n0 @; o# E2 \  l联合求解。它是发挥算法优势，避免算法短板的有
5 E3 {8 G0 N/ s# D; f2 r. j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
/ a4 [  |+ X# M! \4 {# X# p5 Y网络首发地址：https://kns.cnki.net/kcms/detail/11.2410.TM.20200729.1329.001.html1 b
1
$ f5 K1 g7 q3 O- y2 }4 Gm in (1 )
h
i i i
i
# T# c5 N/ o  tF c x P
=
- U8 D: |( t- z- _# A. T) |2 F= −
! s" u% U$ j' J. F& g* F: E
* C4 @( r0 e$ x3 n% h2 2
2 n! C* u! U8 i* R3 H) u9 R2 o2
2
1
m in
' N5 O- s3 E5 ?. zM
i i
i i
% W5 _8 }" B$ C2 f2 {i
i
, ~0 r8 W8 I3 X: Q9 [! u5 }P Q
F k R
=
U
+
=

2
/ o& C) t/ l' z' T3 P张熙等：基于动态规划与最优流模式的微网孤岛重构
) C0 [0 E' R* |; Y1 R5 `2 U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
3 k! ~! \5 {% ~% A' K+ R7 O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
更有效的变电站负荷聚类分析，提出了综合考虑负
- C, a3 y9 Y. m% `3 q, o8 j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
$ m8 h7 k( e7 l+ ?  h6 f- N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
& K( S6 o1 P: O" \* Q0 R1 k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
, f% i5 [& t$ F4 ^算法(GA)中的交叉和变异操作，整个群体信息共
* R6 r# }% x- d9 r. |享，同时采用自适应参数机制与优胜劣汰的进化思
+ p2 D0 q2 ^3 J- u" u- o: _1 P' O: t想。仿真结果表明，与单一的 GA 法和 PSO 法相比，
( `; S* I: t7 J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
- C8 Q1 C# N4 Z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
1 k2 B) x  i* j. {) D; c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
关、联络开关状态的调整本质上为供电拓扑优化问
4 q( C- U' p. D( T& j- P2 S0 k题。二者有着不同的目标与约束条件，适合采用混
4 j& Y& ]; Y! _合算法进行求解。
% s- o$ h; H8 u6 Z6 ]" x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，
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
( o7 C$ X5 U0 }5 M8 u! B8 P3 I/ m. ]找最优重构方案。MATLAB 仿真结果表明，本文所
5 f$ ^1 X3 G3 G# L$ C- m1 g提算法可以有效地同时保证重构实时、高效与寻优
; `9 b$ H  y% O% I+ _稳定性，在处理微网孤岛重构问题上有着较为明显
的优势。


+ ]3 ~, w5 i/ o7 z. `  y1 U