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
5 Y2 V  _4 L, h4 l; \基金项目：国家自然科学基金(61573155，51877085)。
) R5 \* c4 L8 G' }Project Supported by National Natural Science Foundation of China
(61573155, 51877085).
% p  v1 s. s; ~3 Y4 k4 x) L效手段[1]。失去了主网的支撑，作为一个低惯性系
$ x7 m9 @9 W$ A( j/ Q" t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
& R/ j( h2 c  i; w) [; K设备连接开关与线路分段开关、联络开关的运行状
- j* z) |3 p* z9 G1 K2 Y/ M: r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
, W$ i. T: k* D. w% U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
( B, D& O" b, t# O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
, |" Z% \, \! a; Z  f! |- U程。微网重构的本质是一个多目标、多约束的非线
2 q& I$ f2 Z8 I4 w/ n2 l) W2 @( Z性混合整数规划问题。针对微网的重构，目前多采
' \2 t' u) B- `7 ^5 L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]。
上述方法各有其优势所在，但也均存在有不
. D7 Q8 _$ E8 F9 R" {足：虽然枚举法与传统数学优化方法的寻优结果可
% i) p7 L! Y" [2 F7 Y以稳定收敛到最优解，但是寻优效率低，运算耗时
4 T+ C7 x! K" Z, {+ I长；人工智能算法通过在迭代中使用元启发式策略
2 `4 x% J2 U" j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
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。
" J: A" c$ k. [6 j' ~8 l, g8 |1 G针对于此，本文采用混合算法来实现微网孤岛
8 v$ m. M7 u0 c  h重构。混合算法是指将模型分层或解耦后，对于不
5 Z+ |4 ]! i- m8 G& E+ X, A2 V同的子问题所呈现出的不同特点而采用多种算法
# q3 P2 f+ B6 z- i联合求解。它是发挥算法优势，避免算法短板的有
: l' [8 R5 y& r3 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
网络首发时间：2020-07-29 15:03:50
; \+ c0 Q( }% c网络首发地址：https://kns.cnki.net/kcms/detail/11.2410.TM.20200729.1329.001.html1 b
" A( b! z# Z! E' H1
m in (1 )
+ `- u1 f# G" ?h
) `& r# A' N1 Y" ~3 k9 t0 D2 r, A+ Ri i i
i
F c x P
# m$ e+ g+ m$ {" H; T; P=
= −
0 Y/ |! Q1 Q, [9 ~) X
2 2
2
6 D1 k- I2 t2 `7 T3 I% m2
+ B: |" Z. G# _" b1
& m, E$ ?* ^( ]: H+ e# \% d. \m in
M
i i
& y4 b) g8 F" U' hi i
i
i
P Q
F k R
=
U
+
1 f0 F# J& d. \5 a  R=
6 ]# f0 w" A2 j- @4 ~9 J/ q% `8 _
2
张熙等：基于动态规划与最优流模式的微网孤岛重构
8 ]+ ~4 j3 S2 n9 ^" O+ O" u5 ?7 M果。如文献[10]在对基于电网络理论所建立的大型
/ b; I( R9 Z8 T: M+ D接地网故障诊断模型进行分层后，先采用确定性算
6 m0 I$ L7 Y) b5 M- k$ h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
纯的确定性算法与随机性算法。文献[11]为了进行
* d) D- l3 p8 K% P更有效的变电站负荷聚类分析，提出了综合考虑负
' M& y  h' k: [- a' J荷曲线和构成的变电站双层聚类模型。将该模型解
$ T+ n. [2 s0 |2 @& f) v9 X" ~+ T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
" V% I3 [3 f- N; U1 P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
/ [3 L1 \2 _0 Q! c2 c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 Q* n* w1 @: F8 P算法(GA)中的交叉和变异操作，整个群体信息共
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，
5 |1 R" ~5 b' J/ \% z该混合算法具有更高的搜索效率和寻优性能。
- n% x4 g+ S& c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、
7 z* g2 z8 V% c; Y" ^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
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
题。二者有着不同的目标与约束条件，适合采用混
合算法进行求解。
% L3 q2 d3 b# a9 D6 `: s! W! F因此，为保证重构的实时性以及寻优的高效性
% _9 E" Z% e/ H; u' H8 v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
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
5 z% a5 I7 i5 d$ {# V9 l/ M# l& P8 G5 n稳定性，在处理微网孤岛重构问题上有着较为明显
' o+ `; V: W: a7 j4 x: M的优势。
2 c* p! y  v9 t