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

, K& l) B* V% n2 Y5 H
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).
+ X4 M! H$ E& _效手段[1]。失去了主网的支撑，作为一个低惯性系
1 b% c) V% O# b) z4 h; e$ ?统，微网在孤岛运行环境下，很容易因设备出力的
0 d8 b3 W; T% t0 q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
$ ?! u: e) n3 V% k( ^4 ]' e网得以在动态变化中控制系统的电压与频率，维持
9 R+ y( V; j+ Y网络的功率平衡。
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
  `5 R! z7 s6 V2 l  S) M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
, O8 H& W9 ]" O  U5 S: j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]。
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
; c6 }7 p3 {+ U% z0 n6 f$ j: N以稳定收敛到最优解，但是寻优效率低，运算耗时
+ ^6 {3 i3 j) {. {: u5 R9 N  f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
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
9 J! |: W- ~0 o0 g( Z0 y$ d均很难实现微网孤岛重构的实时、寻优稳定与高效
; I1 `: n8 E3 E- v三者间的平衡。
3 v3 V/ Z% g+ A7 P. y- O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
! S! j; B  f% L$ y' F1 e0 w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
) ?8 [1 `. L. k8 W8 v$ M8 f网络首发时间：2020-07-29 15:03:50
' {. p5 y2 @; U' S, O& E0 k% u网络首发地址：https://kns.cnki.net/kcms/detail/11.2410.TM.20200729.1329.001.html1 b
1
+ F  j) J) }( b+ hm in (1 )
h
i i i
i
) K/ P$ Q* R  u2 [F c x P
; h- W! X' n/ P5 p4 r=
= −

2 u, h9 Q: [8 J2 ~3 S$ ~2 2
4 t8 {$ p- H3 k0 \4 l- X. Q2
: f4 z% N" J. i; T" g& _2
- V2 N0 ?$ ^2 J( ~/ |# ^1
$ j. L# E3 p' P& G2 x+ ^m in
M
8 t' r/ a9 _. e3 A7 }: qi i
4 a4 |* P( d& A8 bi i
7 r5 @) g$ @6 E/ C! ]i
- `0 x2 F% w# v4 l( p) Yi
P Q
( F* }/ c9 E+ EF k R
=
U
# @& B) ]' V( {- J& T$ g) ?# v+
=
  `( N5 x# ?, A1 O6 Z1 ^
9 l; h$ _5 D8 Y, s2
张熙等：基于动态规划与最优流模式的微网孤岛重构
( k( {# u5 K  u1 z0 l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
% I# \) Z. x- A: q# L, ^( k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
7 j# I/ ~. z& r% W" h0 y5 g4 T2 ]4 j明，该混合算法在收敛性与结果准确度上均优于单
( X) \# e$ G6 q, `5 r) _! M* C6 C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
# y. R* P4 D* V  h8 P1 h9 \" ~" J6 e荷曲线和构成的变电站双层聚类模型。将该模型解
8 r4 y5 ~$ M. i  L1 Q7 A5 S3 c+ Y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
统算法的不足。文献[12]采用了一种混合智能算法
/ c: j! }0 T1 \( U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
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
0 S3 |, }8 x' D' V, P+ d0 T3 [想。仿真结果表明，与单一的 GA 法和 PSO 法相比，
) X4 A+ z. B  y8 V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
0 z! o4 W  q2 \力有限的供电系统，重构不仅要对线路分段开关、
- j, z1 G7 q: F* _8 W. @联络开关进行调整，还需根据实时变化的外部环
$ L& Y5 s1 l% y/ V( S- O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
. T. Z3 ]8 B. _$ L  p  y关、联络开关状态的调整本质上为供电拓扑优化问
- C* D1 i% o0 [3 ?" O( W# c题。二者有着不同的目标与约束条件，适合采用混
* B7 Y/ E  r% N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
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
# `' _& {8 _# m% l开关、联络开关重构两个子问题，并采用了动态规
划法与改进的最优流模式法相结合的混合算法寻
7 U$ `$ S1 f( R. k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
稳定性，在处理微网孤岛重构问题上有着较为明显
' R' P$ Z+ p( a+ ]6 |% Y的优势。
/ \9 Y8 L+ \( A6 J) _9 D! W