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

: h' i8 w% f& p
实时重构技术是维持孤岛微网稳定运行的有
& h. e" e. n1 L0 `' j3 X基金项目：国家自然科学基金(61573155，51877085)。
Project Supported by National Natural Science Foundation of China
7 m5 h, i  m! {+ X(61573155, 51877085).
效手段[1]。失去了主网的支撑，作为一个低惯性系
6 Z- M2 X" h6 b. O# [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
1 C. T- ~8 |: }4 F" g2 p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
网络的功率平衡。
8 |& z$ o1 |% q3 Z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
程。微网重构的本质是一个多目标、多约束的非线
0 H- Y+ W9 n5 s3 m( H8 n, 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
* a. l3 m, [3 I& x- L数学优化方法[4-5]或人工智能算法[1,6-9]。
; e; i9 W2 M+ ]+ ~. d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
9 w8 W0 Y! t, o1 ?; Z! m) a% z长；人工智能算法通过在迭代中使用元启发式策略
3 ]% s4 \- x6 r" o! `, X进行筛选使得寻优高效，但其固有的随机性在实时
, P" R4 c# ~+ U4 z* I, U重构时会导致重构结果难以稳定收敛到最优解甚
8 J: s9 X0 A/ u) U至会有无法寻得有效解的情况出现。这些单一算法
9 D/ }) R. j; I% W/ y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。
- c: C$ I1 N1 x1 V  b& A- w针对于此，本文采用混合算法来实现微网孤岛
) E  b+ U2 r0 A" _8 ^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
! r6 K) g9 \7 O1 T+ U! a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
; Y2 k' R$ g; w! E. k* \8 S% K网络首发时间：2020-07-29 15:03:50
网络首发地址：https://kns.cnki.net/kcms/detail/11.2410.TM.20200729.1329.001.html1 b
1
m in (1 )
9 A, [5 _7 A* t% C5 G7 V+ E' Ih
i i i
. i3 D, D! G  a6 s* I# `$ ]i
F c x P
4 k, y! s2 E" T# D; w: h$ j- C=
6 H2 V4 j3 W1 g: I0 Q& U) S6 ]4 T= −

2 2
! P% {) ~( g, B4 b2
2
1
7 X4 I6 j) V+ R0 i+ Rm in
M
' B, C( |% v( O- li i
4 @- e  f( ~1 x& w! u# `i i
i
i
4 o* J7 N2 ?( O+ YP Q
F k R
. [% _: k: A; @: T=
U
/ h3 v! N% ~% r, B6 Y, \+
! p: Y* B; r6 O9 \1 e9 `# x=

2
0 H# G7 o* @+ h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
. Q9 ]! b9 s& L5 U9 r8 E3 \6 d接地网故障诊断模型进行分层后，先采用确定性算
9 G7 p8 q' g2 Z: 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
! u0 j4 w0 f% @9 ~& {+ o5 h, u" D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
% t, j, \! p& W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
9 V2 c1 h! i4 s8 i9 @5 s. T章根据上下层各自特点分别采用了 K−means 算法
1 H- F* \  U  `: R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
- t+ j* J8 ]& K: t. P统算法的不足。文献[12]采用了一种混合智能算法
$ z! G7 ~, K& w) j$ ]3 S; ?解决配网重构问题。在寻优过程中，部分个体用粒
& q7 {  R. j' Z: Z2 Z子群优化算法(PSO)进行迭代，其它个体进行遗传
; Q( _. _/ r" N6 x. K1 F% I算法(GA)中的交叉和变异操作，整个群体信息共
) H2 i: F- Y8 n6 q: q享，同时采用自适应参数机制与优胜劣汰的进化思
- M6 s% @5 C" c8 L1 e, v8 u( ]想。仿真结果表明，与单一的 GA 法和 PSO 法相比，
6 u/ I, d" T- ^# s0 G5 U* o- @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
8 `* H" o: h9 w9 b" O力有限的供电系统，重构不仅要对线路分段开关、
联络开关进行调整，还需根据实时变化的外部环
- ^) i1 P2 i$ M- z0 R境，对设备连接开关进行调整[3,13]。这两类开关的
  G; D1 _: g% R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
8 y1 g* F# e4 O9 Z/ E& F; d题。二者有着不同的目标与约束条件，适合采用混
7 Q% F3 j& Y, u2 |; V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
. u0 L6 P$ v+ Y1 O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
, a+ Y$ ^+ N8 w2 }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
6 W' E0 k  Z6 t找最优重构方案。MATLAB 仿真结果表明，本文所
# W) }# x4 l3 b) l& ]: Z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。