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

# _. b* V% E) u3 u. d8 s4 i

实时重构技术是维持孤岛微网稳定运行的有
9 S0 m% B- o, i- a( x# }基金项目：国家自然科学基金(61573155，51877085)。
Project Supported by National Natural Science Foundation of China
8 f1 q- K* t# @  ^9 {. o(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
波动而失稳[2]。当系统发生变动时，通过实时调整
8 c3 V) Z) E7 O  P5 p设备连接开关与线路分段开关、联络开关的运行状
* Q5 m2 z6 j! M& |( J: n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
0 r- M1 l& p) D4 J; P* Y# E网络的功率平衡。
+ b! x* U* R- j* A1 v) j% f' q重构是通过改变网络各开关的运行状态来改
% j9 H$ g1 A9 L4 N5 U* H7 U1 G变网络运行方式，在一定约束条件下，保证系统安
' ]6 [; S! m: a1 c: S( J- r0 Q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
& B$ i* R4 I' }4 R% u+ A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]。
0 Y6 B4 G4 t9 O0 S3 g& `" h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
4 g! k- D/ J! A# a6 m- a/ [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
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
# U. c: w* a& r3 f2 D, n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
0 x& T; R3 U( i+ a3 c7 Y' N4 K' f: e效手段。目前在一些领域的研究中已有学者针对模
& A+ y& n6 f) E/ z; m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
9 Y7 I# k3 w( t7 O$ e9 b, G" P3 _网络首发地址：https://kns.cnki.net/kcms/detail/11.2410.TM.20200729.1329.001.html1 b
5 p! i# `& _4 Q1
m in (1 )
h
/ N7 W5 P, }9 P* ji i i
i
F c x P
=
+ S" g4 ?: F( N1 f( H. W/ f  ]= −
5 ^/ f. j( |7 B
2 2
2
2
& _! P# B0 i: F1
m in
M
i i
# Q# D% x+ ?9 u" }$ m6 Q% G+ v( gi i
& ]2 r1 u: Y) I4 Q% c* C; Wi
2 x" i$ e( w4 f2 d" Qi
3 s/ A; C" c% y$ KP Q
) c8 ]6 B& j& v3 I% P1 [F k R
=
U
+
: C, W4 B! T3 B, O=

! `0 I; d/ s: [% \4 l2
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
接地网故障诊断模型进行分层后，先采用确定性算
) _/ q+ m6 j6 I" |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 S& r6 O; `9 d: m/ Z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
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
# J/ F- b& I( G9 V) M6 u$ y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
/ l4 s5 H  E4 h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
算法(GA)中的交叉和变异操作，整个群体信息共
; w  I6 k& U; k5 L5 o. E% E. 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，
7 m  ~4 s& m% r' `2 D( m7 t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、
& g. n! x' r1 K* ]5 X联络开关进行调整，还需根据实时变化的外部环
9 K8 t. t. I0 _& u* d+ K境，对设备连接开关进行调整[3,13]。这两类开关的
. J& D/ U  J" w. ^9 N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
题。二者有着不同的目标与约束条件，适合采用混
6 O0 x! r/ C) R/ T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，
- ?) a% L. z! I6 i# j. o/ p本文将模型解耦为设备连接开关重构与线路分段
% y! t) r6 q& T5 o# ]# d开关、联络开关重构两个子问题，并采用了动态规
, f( t, r: H+ ]3 y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
/ B- z6 e( z) X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。

- j- v1 L6 [& s; m4 c' a5 U' N