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

: z8 O4 Q; C2 p- n+ ~

, H. f7 f$ K0 {5 w- N8 b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)。
! H3 K$ @# Y( ~% Z- H  f4 EProject Supported by National Natural Science Foundation of China
(61573155, 51877085).
: d3 q6 L" M* n: w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
( V1 f0 @4 S! ?$ ~) n: A$ t# z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 o' ?1 {" W4 {1 h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。
' X/ g# f( n/ E( C( [8 z, K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
. k4 j# u7 ^& b0 r/ g4 L( ]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
6 G$ v7 Z7 Z/ T. H* V5 v数学优化方法[4-5]或人工智能算法[1,6-9]。
) \5 S2 f4 E  T9 L上述方法各有其优势所在，但也均存在有不
$ x# ^! z6 B9 I9 O0 u2 ~& Z- J: x足：虽然枚举法与传统数学优化方法的寻优结果可
) i3 z; J- [3 J+ V% V7 ?以稳定收敛到最优解，但是寻优效率低，运算耗时
; Y% b5 y6 B0 ]" \9 R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
% N- e8 d3 ]" r. z0 z# u7 e4 Q. X9 j重构时会导致重构结果难以稳定收敛到最优解甚
' g& U% w9 V: }/ I; m5 x2 v( R至会有无法寻得有效解的情况出现。这些单一算法
. o( U& B3 y- Z/ W4 Y均很难实现微网孤岛重构的实时、寻优稳定与高效
# p9 ~+ W* W7 Z7 n9 T& Z三者间的平衡。
) J' u! d( G9 s( u8 {/ i针对于此，本文采用混合算法来实现微网孤岛
( \8 U$ f9 _2 V: F5 G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
/ x$ j& @  h' N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
8 O* d% N: U' f# E% c0 B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
6 ]& @- e9 Y8 \3 r. K* Z( z' R3 W8 `网络首发地址：https://kns.cnki.net/kcms/detail/11.2410.TM.20200729.1329.001.html1 b
1
" M5 K- Q/ x0 y3 l7 J  P$ fm in (1 )
h
  A7 Y- E$ _" N- p) B( J, Ki i i
& O; G# x/ ^3 Q5 li
F c x P
=
= −
" G, a6 S: f4 ~; d
2 2
2
% Z4 y; I9 Q( D6 c/ ]2
1
2 l3 y; w1 R. S7 _3 t1 t' Y$ h% _m in
' r; j3 g; y: D9 M" R0 LM
- v3 S. t! T6 |+ E2 m. a6 ai i
6 q! g5 N8 X1 [$ @6 o% N* xi i
i
i
P Q
F k R
=
2 O$ u9 L. Q2 h5 D# R4 Z8 ?U
+
=
6 @+ W, \1 V7 H: F& u
2 G" W) a$ \. s6 G% |) m8 Q2
3 Q2 c4 ]3 X& a1 N张熙等：基于动态规划与最优流模式的微网孤岛重构
; @2 T, m  M# x9 d' 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
+ G5 x  [# }6 E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
2 q6 w9 R4 `& ]; B; U更有效的变电站负荷聚类分析，提出了综合考虑负
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
7 n! a0 g: x; L, M2 P章根据上下层各自特点分别采用了 K−means 算法
* x, m* r! @1 F8 l. y0 y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
+ ~/ }. P: W1 q2 v( I( D9 O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
. `9 o; k# Z- p+ R. w. [子群优化算法(PSO)进行迭代，其它个体进行遗传
- l4 v  _1 v8 P9 `6 F% q3 g% Q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
! w! Q0 r1 }" j3 E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。
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、
" K0 k8 Y* r4 ]; L, V! K( E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
- L! h: k, O, Y* y) 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。
因此，为保证重构的实时性以及寻优的高效性
% O" [, B: z( i5 X4 _: s2 ]0 `与稳定性，在建立了微网孤岛重构的数学模型后，
! t/ u0 |. A4 s4 j# x( x# o% ~本文将模型解耦为设备连接开关重构与线路分段
  q/ O" P# u' h( M2 J$ r开关、联络开关重构两个子问题，并采用了动态规
' c1 p5 o7 `5 [" t. C划法与改进的最优流模式法相结合的混合算法寻
" B: W* E" G5 Z# C5 S% i% V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
/ a. ?! S. \/ D+ h稳定性，在处理微网孤岛重构问题上有着较为明显
* _6 ~  ?7 Q3 e7 r的优势。

2 R0 h  z' |9 Y7 }0 @% c
, ^0 a- b& B# V3 u' ]0 i+ h7 r