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

7 |+ b/ b% ?0 e. G
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)。
% m4 @& O# g' \# M$ s9 _  aProject 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
波动而失稳[2]。当系统发生变动时，通过实时调整
( Y* S  C: E  n1 g设备连接开关与线路分段开关、联络开关的运行状
态，改变微网的所连设备数量与供电拓扑结构，微
. `& C3 k: ^0 ?( M: g, ^4 {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。
+ Q$ Y, S! m" k  v1 \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
' F- k# P0 g2 c  F% p" i2 _! l" V3 Z全稳定运行，并使系统的某项指标达到最优的过
& l3 n* M. `0 r- M* B程。微网重构的本质是一个多目标、多约束的非线
% z( v; @# P, {+ T0 L2 S4 h性混合整数规划问题。针对微网的重构，目前多采
% g' c3 d" |! ]) y1 t  _& }1 H% Z用单一的寻优方法来解决，例如有枚举法[3]、传统
. v% s* G$ c  O数学优化方法[4-5]或人工智能算法[1,6-9]。
4 d. ~3 c  `# ?. B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
: l4 b, a) ]/ s! I3 O* g; a# u$ C5 K以稳定收敛到最优解，但是寻优效率低，运算耗时
3 b7 Z8 \% `4 V2 j/ g3 c( A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
- E# ^' t3 V- z9 A8 [重构时会导致重构结果难以稳定收敛到最优解甚
0 C* f8 X. ]' q( l9 [6 c2 j至会有无法寻得有效解的情况出现。这些单一算法
3 \7 v, v7 e' l" d0 Y- X6 Z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
# ^6 S1 B4 V8 d/ x/ e2 Y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
效手段。目前在一些领域的研究中已有学者针对模
' v; _' k# a1 E2 d9 v型特点提出了相应的混合算法，并取得了良好的效
5 o" D0 e% F8 }& R: ^6 @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
1
- R3 \. `/ l/ w2 U% ~m in (1 )
* y- h7 q* y( n) }/ ?h
- H8 `7 L2 ?8 q" E+ F3 c6 ki i i
, C+ h; |2 b; I7 V2 A! ]i
9 B$ F  E! V) V3 I6 l1 cF c x P
=
/ \' \, R4 n% @8 H= −

5 ]3 a* D4 y2 P; v5 o0 a, W2 2
2
2
0 a" g3 J+ R' `% W- ^1
3 U/ _8 {7 D1 F% s; I& J; A# G+ Um in
6 T$ B: u: `. V+ fM
5 k5 b8 f. q$ u3 f5 vi i
i i
% D' }6 O/ c0 di
i
' f+ Z/ e+ R5 h2 jP Q
F k R
=
U
+
* C- b  T2 \9 `2 Z9 R=
" j9 D! H  q3 f  h( ^
2
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
) K* @+ f* i3 ?# \( e/ B' J- D/ ^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
8 m9 ]) X, Z) x% S! D, E( a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
- N+ C+ N, i' y0 c8 c! J4 J! Z! U荷曲线和构成的变电站双层聚类模型。将该模型解
! G# ~* l- \4 c) J+ b0 ?, H. {- F耦为上层与下层变电站聚类分析 2 个子问题后，文
1 \. ^' ~; M( h8 T% b, w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
& ?  f) ]1 v' H- p) q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
  b" M3 x2 ]/ G% F$ h解决配网重构问题。在寻优过程中，部分个体用粒
! p8 p; i" s. M1 x0 G( e子群优化算法(PSO)进行迭代，其它个体进行遗传
' r" J7 g9 ?5 u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，
该混合算法具有更高的搜索效率和寻优性能。
  d0 A6 u& Y5 E6 x5 t- d* y' K- Y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
& K' {; Y  K1 N9 K境，对设备连接开关进行调整[3,13]。这两类开关的
; W# a9 M( H/ _9 d3 U; Q调整有着各自不同的特点：对设备连接开关状态的
+ i' `5 M2 y7 K. }% t1 E1 M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
$ c- y+ }; B3 N, z1 A5 U题。二者有着不同的目标与约束条件，适合采用混
6 s& m4 L7 ]6 `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
0 o! e6 o# O+ o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
- l6 u* g# ^; u2 m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
8 N, u8 Y% g3 x稳定性，在处理微网孤岛重构问题上有着较为明显
的优势。
0 B) _6 ?2 B5 s; e' y