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

2 _' [" Z2 G( {: @
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
; I$ y+ V; ~$ E3 B0 ^5 M, M波动而失稳[2]。当系统发生变动时，通过实时调整
4 V: m# C7 Z. c( h7 A$ }' c+ }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
6 a% n: t7 w7 N) `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。
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
% Y+ [" Y: U. m9 O6 k9 W0 Q" @全稳定运行，并使系统的某项指标达到最优的过
, S" S0 T8 \2 q: X5 Y+ Y% \9 V8 i程。微网重构的本质是一个多目标、多约束的非线
- Y8 C# z' |2 }; J1 O性混合整数规划问题。针对微网的重构，目前多采
( z. B, z$ v( N. _" ?# j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
以稳定收敛到最优解，但是寻优效率低，运算耗时
/ s+ r) p; c1 M; |3 J, e! z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
8 L) P: Y. Z/ {+ O至会有无法寻得有效解的情况出现。这些单一算法
/ E% C' C. j) I+ b$ J* d均很难实现微网孤岛重构的实时、寻优稳定与高效
9 z" _/ X/ c3 G) T2 e. Y8 g三者间的平衡。
" e% C) G) q) D9 T' q' \6 k: f" G/ v( ~针对于此，本文采用混合算法来实现微网孤岛
6 N% S  m7 E2 i$ y  E重构。混合算法是指将模型分层或解耦后，对于不
: E: @$ l1 X1 {6 j9 f5 Q同的子问题所呈现出的不同特点而采用多种算法
: @3 G7 I' a1 c& R4 S0 v7 r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
网络首发时间：2020-07-29 15:03:50
/ i. g5 O+ A4 T0 T0 C网络首发地址：https://kns.cnki.net/kcms/detail/11.2410.TM.20200729.1329.001.html1 b
1
$ b5 b/ [1 x- ?m in (1 )
h
i i i
i
F c x P
=
= −
- D7 n; I: V7 d( D
1 D( t1 L7 u) C' n3 M2 2
2
  z: y3 f6 p7 B* N0 ]% ]' C2
1
m in
M
! P' A/ C. x: X0 Z! T3 E, ni i
  Q% a  u4 [% Q- r5 S! ?" L9 bi i
# D8 y% H' C  o# ei
i
/ g3 T* M- B& w0 rP Q
F k R
=
0 L. y2 X/ T; \5 `0 j3 Y8 j% l! ~U
+
=

1 U7 }/ H' j/ k2
2 i5 Z9 w& y  _( K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 ]( S/ a+ H5 V( U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
2 T3 _: i  K' W" C" a1 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
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
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
; h* F! C8 d3 g: ~* N2 `" n* z# _想。仿真结果表明，与单一的 GA 法和 PSO 法相比，
9 h) _( U* D/ M; l' N9 x/ E* E" g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
  h  h% S3 f# g) E2 E; K9 N$ ~" }% ^力有限的供电系统，重构不仅要对线路分段开关、
0 |! s) M7 a/ h" n. W; W$ U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
* H6 t; n9 k# ]调整本质上为设备再分配问题；而对线路分段开
% d( ]; M& S! |8 x' [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。
# ~$ z( w" W  j' q因此，为保证重构的实时性以及寻优的高效性
- _% N) |3 j# g+ A) a: y  j+ x与稳定性，在建立了微网孤岛重构的数学模型后，
+ Z* @- e7 T; H! T本文将模型解耦为设备连接开关重构与线路分段
' F) _' e0 ^7 ]3 ]! u( U0 s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
- _( T! T" J( L- \# P' q找最优重构方案。MATLAB 仿真结果表明，本文所
; B3 B/ G/ f& C提算法可以有效地同时保证重构实时、高效与寻优
% [, O2 ^. e" I3 h8 X稳定性，在处理微网孤岛重构问题上有着较为明显
的优势。
; P# |$ G/ ~- _, v