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

实时重构技术是维持孤岛微网稳定运行的有
0 ^  G/ Q9 x! e& J4 h. O6 ~基金项目：国家自然科学基金(61573155，51877085)。
& w8 x; t" b7 `( B8 \: }Project Supported by National Natural Science Foundation of China
(61573155, 51877085).
# W( B1 i. A" K效手段[1]。失去了主网的支撑，作为一个低惯性系
! v; g6 H" {& {( N统，微网在孤岛运行环境下，很容易因设备出力的
  Q% {4 f0 b2 F* m0 O( O% O9 t" K波动而失稳[2]。当系统发生变动时，通过实时调整
" ?" q, z* F- e9 o3 y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
( [& O# T- r: p8 ]3 z8 }5 c0 y网得以在动态变化中控制系统的电压与频率，维持
1 w# d# a4 V3 n+ L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
# D" X9 k4 W/ x6 N" u6 P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
性混合整数规划问题。针对微网的重构，目前多采
$ Z2 {% T5 Q1 e8 m# ?0 ^用单一的寻优方法来解决，例如有枚举法[3]、传统
3 h* @- v8 Q4 ]7 U数学优化方法[4-5]或人工智能算法[1,6-9]。
' g$ e( ]! ~' _) H# p* B' [4 G, x上述方法各有其优势所在，但也均存在有不
: H; l+ m: L6 I* R* [1 d( J足：虽然枚举法与传统数学优化方法的寻优结果可
7 H& o) |; X& @7 S% l' {; c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
7 v: V+ d. B7 m  ~2 f6 @& S0 R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
$ d2 X* ?" Y. J" C$ R1 D, J三者间的平衡。
  B* H3 _$ P2 Q针对于此，本文采用混合算法来实现微网孤岛
  `  n& |7 S8 P* _4 S: q  y. d% `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
' [+ y5 [6 n8 E; p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 U! i8 x; a% b8 k7 f% J型特点提出了相应的混合算法，并取得了良好的效
- p6 v" ^2 z; ~5 A; B0 L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 )
* G: S  `8 p3 G  Y* F. y! a; t1 Q/ }9 yh
i i i
i
F c x P
=
= −
: p7 i3 P! d1 i; D
3 e' A$ r1 E& F) ~' S3 C2 2
2
9 m5 j6 N+ Q& v1 ^2
% U  S8 s* h- y1
m in
" N% U; o: e+ p6 xM
i i
i i
i
8 b8 Q+ X$ Q  Y# B" F+ [# }i
; q+ S; ]4 L/ `$ P$ j/ bP Q
) Q9 a# h0 N' s  C( wF k R
=
U
$ E, O: l2 l: Q% C+
4 J" T% u! l) @" T! S=
' c; Z/ M- {1 H. O% r  f7 Y( G
2
: B6 f% U  O# Q7 X2 u6 R& F( j张熙等：基于动态规划与最优流模式的微网孤岛重构
! A& k" ~% {* T' m7 P果。如文献[10]在对基于电网络理论所建立的大型
' ?0 t! Q6 o( z; @$ }6 b接地网故障诊断模型进行分层后，先采用确定性算
' x  t1 A0 n/ p, a. k' r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
( h- ^3 a- H  s& k9 S$ t明，该混合算法在收敛性与结果准确度上均优于单
3 k5 ]+ s+ l* u. A纯的确定性算法与随机性算法。文献[11]为了进行
# Y5 h# l% F' g2 n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
! D# [0 O. e, ~1 Q' T耦为上层与下层变电站聚类分析 2 个子问题后，文
' I6 J/ B6 F) y* W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
. y2 T8 w& D0 _: Q1 X类分析后的结果表明，该混合算法可以有效补充传
' M: {0 Z' `  E4 x6 o9 i8 c5 ?统算法的不足。文献[12]采用了一种混合智能算法
6 g2 Q8 M/ s- {  S: b+ H: Z解决配网重构问题。在寻优过程中，部分个体用粒
9 D' D' v' S" U) S4 M# Q子群优化算法(PSO)进行迭代，其它个体进行遗传
! H) i0 v8 R* U$ t2 V3 L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
- N% M7 u$ b6 b! x) U想。仿真结果表明，与单一的 GA 法和 PSO 法相比，
8 K3 n5 E% z. \5 u5 {* q) U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、
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
3 D2 N7 s$ z! D0 F9 F8 [% J* 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
3 C8 c+ c2 C% _5 R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。
3 b9 ]2 @" p# |, R! N) [3 T7 f8 A- P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
开关、联络开关重构两个子问题，并采用了动态规
# v" B$ K% Y9 n  u7 r1 I  n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
提算法可以有效地同时保证重构实时、高效与寻优
$ i8 n! j! L2 O& p- l3 i稳定性，在处理微网孤岛重构问题上有着较为明显
$ E  o& j4 a6 d5 y1 B- V3 u的优势。


6 A' P  X! |* s# ?3 t