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

( @3 G" A) g  J' N; }2 j
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
( q# y/ T" Y! F* c+ j(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
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。
; O9 h9 v- |3 f# y, @  o6 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
3 ]( ?" h5 A, k# I; ]  {1 p3 q+ @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
- R1 Y: A, [8 }4 f4 P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]。
! u. J9 G! ~- M, \$ `. F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
  K( [: m- p$ m: n# P+ I3 ]- z( `. |以稳定收敛到最优解，但是寻优效率低，运算耗时
  N. w) Y0 Q) n4 J8 N+ W# J: v长；人工智能算法通过在迭代中使用元启发式策略
9 t! h6 s, j3 q0 I( r8 N+ j. M; l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
$ a, c$ g: Y: d. [% }. f均很难实现微网孤岛重构的实时、寻优稳定与高效
" u/ s- Y8 i/ ?5 j% x( w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
6 T) X: B' @' k8 g$ `5 `同的子问题所呈现出的不同特点而采用多种算法
, x) j+ A; u2 N# h* V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
2 Q3 V, Y2 v& f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
网络首发地址：https://kns.cnki.net/kcms/detail/11.2410.TM.20200729.1329.001.html1 b
1
, N2 l, q( C" Q7 y9 ~! w% Q( i8 {m in (1 )
h
( x2 e  J' I6 U' W5 ei i i
0 m: T$ X0 v* }# Ki
F c x P
  x7 }  c+ Y; O7 z. k5 U=
= −
5 E2 U0 e/ u/ X' z2 R( y
2 2
2
* U( t0 k) K8 [, N% _& w2
1
* o" j, a" e8 i8 @8 y4 y  k, ~" Q+ am in
M
i i
3 R5 n( v& e; ^" v( Wi i
i
; L7 ^; ?8 I) m! ~5 Z* Zi
P Q
2 [3 p5 a7 h; I( N. s0 `, DF k R
=
U
+
4 n5 k" R3 A& B5 U$ E% R  L=
- {3 o; ~! x/ T/ O6 v
1 l' h+ ]! A' ~8 g6 B2
张熙等：基于动态规划与最优流模式的微网孤岛重构
) u# L# @5 Y# {& ]4 ~2 l2 Q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
6 b; c. O- O! h; @- [/ l法(L−M 法)快速锁定真实解的范围，之后再用随机
  M" u" c9 @4 J( Y% K; R! B! H1 w; ?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
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
6 Y5 j/ u/ a& W& c9 W耦为上层与下层变电站聚类分析 2 个子问题后，文
! S6 I+ _8 K) V! q. }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
4 e$ S1 d! [# d+ }5 `7 S类分析后的结果表明，该混合算法可以有效补充传
& W2 H2 Q& C% k+ d统算法的不足。文献[12]采用了一种混合智能算法
% P0 j5 E+ G- i% K( Q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
1 }2 P1 a. x1 [2 o! t& E. [享，同时采用自适应参数机制与优胜劣汰的进化思
% r3 E% L7 b  ~- [9 I) Z' n想。仿真结果表明，与单一的 GA 法和 PSO 法相比，
) Z1 s; |7 Y9 e$ [! I2 `该混合算法具有更高的搜索效率和寻优性能。
' y* I' j# x; m9 {' k: @/ R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、
联络开关进行调整，还需根据实时变化的外部环
, x# A0 `; Z, R: }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
! }0 X; o/ ]5 x* L* r调整本质上为设备再分配问题；而对线路分段开
1 Z' ~1 p) p, M关、联络开关状态的调整本质上为供电拓扑优化问
7 V) w  A8 k, `6 Z: w题。二者有着不同的目标与约束条件，适合采用混
4 I6 i0 p; ~- c1 R% w& w8 F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，
$ K( y$ s! W# H本文将模型解耦为设备连接开关重构与线路分段
: ]% j' {( F3 H: v开关、联络开关重构两个子问题，并采用了动态规
: p2 A0 V' `$ b: F; x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
: ~, y+ x6 p9 s% [; X9 W1 R& d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。


& [! g# |* s$ F