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

5 F7 y" |/ b9 _
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
(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
' ?5 G5 R- j: t$ z" K6 @波动而失稳[2]。当系统发生变动时，通过实时调整
8 E7 Z- W$ c0 H, C% ~9 L( h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
/ X/ L5 I, {! M8 m8 [: {网得以在动态变化中控制系统的电压与频率，维持
& T5 @/ \; q1 T5 y. _网络的功率平衡。
( d8 K0 ~, O: K' {: o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
- j0 j( ^( r+ B( n( k2 ]全稳定运行，并使系统的某项指标达到最优的过
8 x* V) W2 p. ~7 h/ f3 h6 f' {% b程。微网重构的本质是一个多目标、多约束的非线
% p: f4 r* U6 [1 `+ p2 d9 m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
; ~: i* R6 w8 I数学优化方法[4-5]或人工智能算法[1,6-9]。
  Z( |  r% y( r$ b+ f# q3 ?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
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
$ l* Q5 ]! c9 A( k! ?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
$ s$ X- Y3 V) {) R7 M2 J- z三者间的平衡。
( ^4 x( x! Q; c0 e- Q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
) R& P  ^) i7 g2 t" i, X联合求解。它是发挥算法优势，避免算法短板的有
" `) e) ]( i! m" O/ R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
网络首发地址：https://kns.cnki.net/kcms/detail/11.2410.TM.20200729.1329.001.html1 b
1
" w3 @: h, T2 g5 Lm in (1 )
h
8 f9 c& w( k7 s& {i i i
i
( n; f/ [# L" a; D( jF c x P
=
0 A- p$ Q3 Z+ H5 |= −

7 a& k# B" U" a+ p1 n- k' Y% `2 2
9 E2 C( F# ]+ u& `2
2
$ l0 y8 G2 n: O( o1
m in
M
9 ]) m. J. a9 j+ n6 ]i i
i i
i
# m7 t9 @" a" ]( k2 @! W- q# X# ji
P Q
F k R
=
U
+
=

4 _. w3 v8 J! G# a, j2
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
# [7 J. A8 X' A% v- k# e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
6 J( c4 W5 t- a* t% P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
( W9 d% O2 G# m' t) i; J荷曲线和构成的变电站双层聚类模型。将该模型解
* A( ?( I8 Z% s* q4 I2 c耦为上层与下层变电站聚类分析 2 个子问题后，文
9 U" C; t8 F- D章根据上下层各自特点分别采用了 K−means 算法
7 v1 t& h3 P6 B, X与分裂式 FCM 算法予以求解。在对实际变电站聚
% u- f& q: |3 V# P" d* C: h类分析后的结果表明，该混合算法可以有效补充传
1 a: E4 ^( U1 ]. v! f5 W- t7 S) w统算法的不足。文献[12]采用了一种混合智能算法
! N+ H; }% [# C0 U解决配网重构问题。在寻优过程中，部分个体用粒
6 c/ O$ a" q) h! p$ q子群优化算法(PSO)进行迭代，其它个体进行遗传
: h7 F; q; T9 A) H6 e1 v算法(GA)中的交叉和变异操作，整个群体信息共
+ }7 z, l8 B' y2 _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，
4 L( B, {, p1 \' \+ Y! E该混合算法具有更高的搜索效率和寻优性能。
$ E* i* R, }; b4 J- i8 U% E与传统的配网重构不同，微网孤岛作为一个出
: x1 g) v! b  J' ^  {力有限的供电系统，重构不仅要对线路分段开关、
/ E* r  M. @& J& Q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
" \# k5 y& w) I1 b6 J0 E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。
因此，为保证重构的实时性以及寻优的高效性
. f6 O+ B* _1 d: {2 K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
) c5 @/ O0 {/ E开关、联络开关重构两个子问题，并采用了动态规
( r# v  }) @4 ^" b% Z划法与改进的最优流模式法相结合的混合算法寻
/ B/ m, l0 U$ u: Q. P5 T- F找最优重构方案。MATLAB 仿真结果表明，本文所
5 z3 r/ ~/ t  r2 a6 o9 Y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
的优势。


4 k0 n( k6 q0 g9 X# ?1 E/ a