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

6 _3 T" n; b0 ?实时重构技术是维持孤岛微网稳定运行的有
2 F" B4 J+ w) g. ~8 A2 z+ x" Z基金项目：国家自然科学基金(61573155，51877085)。
Project Supported by National Natural Science Foundation of China
2 l( E. v& a2 e6 B(61573155, 51877085).
效手段[1]。失去了主网的支撑，作为一个低惯性系
6 ]% O" [* X* P# g9 u- q统，微网在孤岛运行环境下，很容易因设备出力的
' H( m7 g- J8 C# ~6 l* H- h% I. k6 l波动而失稳[2]。当系统发生变动时，通过实时调整
) `, P1 ~) A4 k4 r1 `3 A& j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
网得以在动态变化中控制系统的电压与频率，维持
7 V$ o- y, j9 C( G3 I, a* H0 |网络的功率平衡。
  B; Z9 S7 `) R8 I. t重构是通过改变网络各开关的运行状态来改
; c1 f: W8 f8 T; m5 f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
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
/ d6 j+ ~  P4 _3 r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
足：虽然枚举法与传统数学优化方法的寻优结果可
$ S* ]9 m- K6 T( X; p: i% V以稳定收敛到最优解，但是寻优效率低，运算耗时
0 `. `5 h0 o$ A7 u2 }% ~# @  U- S长；人工智能算法通过在迭代中使用元启发式策略
; X5 i! `6 L$ N2 Q" ]$ w进行筛选使得寻优高效，但其固有的随机性在实时
* \7 L; o$ ^! ^" l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
% i1 W0 Z/ \& j+ L7 W5 k" g均很难实现微网孤岛重构的实时、寻优稳定与高效
, s1 l6 @5 _: l! L% w三者间的平衡。
. I3 i1 q' L- m6 i* O- b$ M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
" L' X; `% Y$ J9 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
效手段。目前在一些领域的研究中已有学者针对模
% E  w+ Y+ a  m1 a4 R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
; G, M: q2 a6 ]* S7 {9 Z网络首发地址：https://kns.cnki.net/kcms/detail/11.2410.TM.20200729.1329.001.html1 b
1
  d) k, k* O5 |+ um in (1 )
# i: t" h+ W) ph
i i i
i
F c x P
=
2 `8 K8 a% [6 l5 t= −
8 V( B/ V" ^" T! u
2 2
2
) m7 c, r, y3 \- ]2
2 ]% _$ O" T1 ]1
) ^' s( G" g/ |( h$ F" X, H3 Um in
* \- V# \6 `% ?4 iM
1 i- G* \$ T3 t" ni i
9 w! M! r, o$ y. j' Ui i
i
i
5 ?7 B% b" V# t0 `P Q
F k R
=
' g0 ?" y: o( m6 ?U
+
* @6 C# S9 Z8 ^) B  ]3 U. h( ^=

' x% G" Z# A# [. g2 W* X8 q2
! \: R& H$ T6 Y% F张熙等：基于动态规划与最优流模式的微网孤岛重构
) L( J9 f$ l) |, s3 `2 l果。如文献[10]在对基于电网络理论所建立的大型
$ s; [* |8 e0 ~接地网故障诊断模型进行分层后，先采用确定性算
0 N) W" ~7 G4 C/ _* {; q& M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
3 c* ~& _" _3 N$ Z6 C0 ?' p/ w  L3 K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
3 T" K& @- A% F3 q# D' v* F# S% }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
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
! U! F) d$ a3 E0 ^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
! x3 A! E& C) [/ l* @6 W5 x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
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，
9 s+ f. S7 W/ E# L, j0 r. @. T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、
  B. M, |' i/ D9 b- V4 B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
! q) ?4 E2 _9 a  [: d! L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
1 G" e1 k7 |* R% \6 E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。
) E8 E6 l# p% L- u因此，为保证重构的实时性以及寻优的高效性
$ |0 w  q1 Q2 h  o/ P1 W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
) c3 t; C- Q& d8 \! v8 J$ H开关、联络开关重构两个子问题，并采用了动态规
& D$ j7 e/ m- b& |; G8 d, C划法与改进的最优流模式法相结合的混合算法寻
) e5 S. P# h8 [. K找最优重构方案。MATLAB 仿真结果表明，本文所
2 L; t9 s% j5 |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
& t/ n% b& O' C- ?的优势。

1 Y1 z( ~: N4 S* y  A' j2 T$ T3 a