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

! T* |% U$ V* W$ d
8 M3 v+ g6 j+ t8 z/ I实时重构技术是维持孤岛微网稳定运行的有
/ L" r  W- P% s+ j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).
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
1 L' w! ^3 Z5 }; H/ i! |& h波动而失稳[2]。当系统发生变动时，通过实时调整
. U/ b0 l, A+ `! l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
7 k# Q, |% E+ i) f) U8 I- I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。
% C  g0 g1 v2 k3 ~* ]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
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
数学优化方法[4-5]或人工智能算法[1,6-9]。
' x# n4 o' E2 F" L0 T2 ]上述方法各有其优势所在，但也均存在有不
$ D9 q4 U/ {- z( A& i9 w2 C足：虽然枚举法与传统数学优化方法的寻优结果可
2 H# c1 @$ C; {% Q' l# n. P以稳定收敛到最优解，但是寻优效率低，运算耗时
长；人工智能算法通过在迭代中使用元启发式策略
; A1 Q- f# ]/ S0 M  k9 `- u5 H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
/ {$ T) A" ?: M+ M/ C, U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
9 L* a+ z% [; [* J$ ~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
0 k$ `! Y' {$ K4 U, h重构。混合算法是指将模型分层或解耦后，对于不
& {" Z9 J) O& A: R4 T& W) P8 M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
/ ^* e$ H" v1 T6 C- Y$ G# f效手段。目前在一些领域的研究中已有学者针对模
/ j# C; g, P2 c# 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
网络首发地址：https://kns.cnki.net/kcms/detail/11.2410.TM.20200729.1329.001.html1 b
: I, ~* e& b9 z* `* ^* R1
m in (1 )
h
i i i
" d0 Z% O8 D9 d% U8 b# I* u3 ki
1 n4 d- w" m6 {* u+ ~- b0 f8 TF c x P
6 e" v' q( h4 D; E% ^3 ~/ u  R0 A=
% ?" }7 E  e$ u; x$ L+ S1 f= −

' b9 j* }2 [; Y; c5 z& C2 2
/ Q5 ]% I/ _3 y% X& q" R2
2
1
% R9 ~, M2 `5 X8 \- O$ ^9 |m in
M
i i
1 f9 ~. {& g9 p' |9 H. ai i
i
i
P Q
F k R
; {$ `8 \! w& H" d2 [) P6 E* ]3 O0 H=
U
' W: o5 `& T3 \+
=
5 C- R1 s) }! I; `2 {) Q) B
$ q$ I! I3 f$ \' u2
张熙等：基于动态规划与最优流模式的微网孤岛重构
9 f! O  j4 ~. R# z: s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
纯的确定性算法与随机性算法。文献[11]为了进行
9 E* v* `3 R: H* c2 p更有效的变电站负荷聚类分析，提出了综合考虑负
5 e9 r7 y) o' E7 T8 ]4 V! u荷曲线和构成的变电站双层聚类模型。将该模型解
4 _, Z( h: v1 h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
# A4 }1 d& k' ?! v. p与分裂式 FCM 算法予以求解。在对实际变电站聚
2 Q+ z2 s! K% T+ Z4 }2 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
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
! s1 i  p: G4 q$ L5 ]" ?算法(GA)中的交叉和变异操作，整个群体信息共
2 j$ W4 D/ t/ t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。
6 K; x; b! v9 `0 N# F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、
: v* ]4 b& w# [& [" x9 E4 H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
  i* p3 [+ J0 n' E/ v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
. j7 E, \- ?" X% {6 @0 Z! a- t; C1 l关、联络开关状态的调整本质上为供电拓扑优化问
- q% E8 i( W$ p+ L2 X0 J4 g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。
- T; h& d# S5 v因此，为保证重构的实时性以及寻优的高效性
: v5 Y. D' `  l7 Q0 z与稳定性，在建立了微网孤岛重构的数学模型后，
) c5 i6 {* ~( A' N- ]1 J本文将模型解耦为设备连接开关重构与线路分段
, Q! N6 C6 _$ A" Y  b开关、联络开关重构两个子问题，并采用了动态规
% _2 }2 J6 {+ u划法与改进的最优流模式法相结合的混合算法寻
2 O  B. f; s' H5 s找最优重构方案。MATLAB 仿真结果表明，本文所
* N, f5 P; {9 q3 w6 A( Q1 u$ a% P提算法可以有效地同时保证重构实时、高效与寻优
2 A9 V- |" o9 U% r% c稳定性，在处理微网孤岛重构问题上有着较为明显
的优势。
! L1 W. v. p0 }
! H- Z5 U9 Z# y