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

. W, R" ^! P+ _2 J- R. |
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
+ A9 Y6 P3 n; u7 h$ d% [: W(61573155, 51877085).
效手段[1]。失去了主网的支撑，作为一个低惯性系
- z/ `  s; n$ H; E/ n" q) a; J. w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
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
2 V& j9 z' o4 m+ S- V" y# v网络的功率平衡。
/ A! ^$ e9 C8 r4 ~" ~7 j4 J. D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
* y2 ?8 D7 W$ t8 {! [5 G$ \+ R全稳定运行，并使系统的某项指标达到最优的过
; F/ b. Y2 \  I) ^. C# j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
  o; E9 w6 l/ x9 A+ S) z4 M4 s: y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
4 l: L4 @" I+ Q+ \' R; U足：虽然枚举法与传统数学优化方法的寻优结果可
% l$ N. V, g* a- c3 K. T" J: q以稳定收敛到最优解，但是寻优效率低，运算耗时
( E" s- I5 k8 B; Q' T$ ~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
2 U: ^, G; f0 g4 S$ W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
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
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
型特点提出了相应的混合算法，并取得了良好的效
* T) M- R" [4 {+ S% |) `* z# H网络首发时间：2020-07-29 15:03:50
) s) e) }$ F/ h- P6 |网络首发地址：https://kns.cnki.net/kcms/detail/11.2410.TM.20200729.1329.001.html1 b
1
" d0 H3 A" Q8 Z6 u4 o4 c3 Dm in (1 )
h
3 ?3 B% V5 A+ Ii i i
i
, W2 v& o& @+ ~/ h: ]2 T, LF c x P
=
= −

( S/ s2 T2 J9 ~9 y! ^5 a7 B% K2 2
2
2
1
m in
$ N. [0 i4 w) E( K' T9 AM
i i
9 j2 r9 H6 }+ G, ]i i
! Y7 W( a, x3 h* Z6 Gi
i
P Q
F k R
: ^+ F5 B" L# x0 m! ]# D5 z=
U
+
9 @- r) w4 W7 H; c9 A; B=
& i' {1 K$ Z6 P, b
, U5 |" D. j* ~1 w8 ?3 C2
张熙等：基于动态规划与最优流模式的微网孤岛重构
- z8 c* |/ B; I6 [果。如文献[10]在对基于电网络理论所建立的大型
) ]9 Q' z: D& q( I: 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
7 r# i1 e% {! N2 G. z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
* x7 k, C- a- p( [- X( R纯的确定性算法与随机性算法。文献[11]为了进行
! v) _' Q9 D5 ~7 O更有效的变电站负荷聚类分析，提出了综合考虑负
. M4 G( x8 S  L( Q0 {& I荷曲线和构成的变电站双层聚类模型。将该模型解
: d" @; ]$ @9 |' n+ I+ B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
9 F5 P$ H, |6 d% s2 N4 d) f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
- V( |, i) C. m$ N  b  j2 Z3 k解决配网重构问题。在寻优过程中，部分个体用粒
! G- I$ u9 E# _% X% o子群优化算法(PSO)进行迭代，其它个体进行遗传
( n( x9 x6 X' l  F' b" n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。
& f1 j# }+ P- E, g8 F+ t! [% }. }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、
# A3 {. p2 O  M( a6 K5 |) r9 l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
" i% Y/ ^" W% M( h# L关、联络开关状态的调整本质上为供电拓扑优化问
3 c- Z5 V0 w( d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
( d* s6 k( ~5 ^) f与稳定性，在建立了微网孤岛重构的数学模型后，
' ~8 ~" A: W& h) f. O本文将模型解耦为设备连接开关重构与线路分段
* Q0 V* W2 I' z7 e. M2 i" O* L8 y开关、联络开关重构两个子问题，并采用了动态规
% Q! a# T* _) A# ]" j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
9 e+ @7 p0 A! |/ G稳定性，在处理微网孤岛重构问题上有着较为明显
3 W) ~; \6 j. E4 N的优势。
, X' F9 z2 ^( ]9 V4 w  K
# y  L9 R* @. C6 l* I7 o3 Y