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

; o2 T; x, x! F# J' i3 {% V  L
实时重构技术是维持孤岛微网稳定运行的有
( J) ?5 P; D* F1 g6 q& B基金项目：国家自然科学基金(61573155，51877085)。
# h, Z5 ^0 G3 v% Z( R* V# L; LProject Supported by National Natural Science Foundation of China
4 A, x4 p$ a, ]; P; I- C- R(61573155, 51877085).
. ?7 A) q  s6 f# S8 c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
6 P! h$ y7 L. G0 K5 V" s5 Z设备连接开关与线路分段开关、联络开关的运行状
: e$ O1 P3 k+ j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。
重构是通过改变网络各开关的运行状态来改
6 H8 J+ m) c0 C; l; J6 X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
性混合整数规划问题。针对微网的重构，目前多采
. \8 i+ _, A. n2 V; G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]。
* U4 W8 H, v' @' g; U: `9 U% m上述方法各有其优势所在，但也均存在有不
% k9 H3 @  {: H8 Z( O足：虽然枚举法与传统数学优化方法的寻优结果可
) R* g' o" D0 |& ~9 _4 J. N" F! e1 p4 z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
进行筛选使得寻优高效，但其固有的随机性在实时
* K+ t3 T! i3 g5 _重构时会导致重构结果难以稳定收敛到最优解甚
5 T" @- R6 q  R# K5 T  V7 Y, i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
  [3 t/ r; }5 }/ Q. m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
. Z: K# z! a/ y: _3 r* u! Y2 {3 \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
, X( M2 b7 m4 I4 A# h型特点提出了相应的混合算法，并取得了良好的效
" p! v$ O% [: Q网络首发时间：2020-07-29 15:03:50
. @5 W, V/ k1 [- V网络首发地址：https://kns.cnki.net/kcms/detail/11.2410.TM.20200729.1329.001.html1 b
1
m in (1 )
h
i i i
i
# g7 A: i( }) n1 g# F- p3 z4 Z# HF c x P
=
7 A6 P$ J. ]0 j= −
: \; ~8 j7 z; d: F8 _' W% |
& @! S& W) v* }2 n2 2
2
2
1
1 p- H8 z& s( ^# b# v. o1 f2 ^% i* ]m in
1 r7 m; M) \- g1 P/ oM
i i
! g# S( x. |8 g& p6 Q/ h2 ui i
( a( M1 [* k  a! R  p7 V  Ti
8 R8 k! s5 |4 ri
P Q
" b: I9 v% [5 nF k R
=
U
+
=

2
张熙等：基于动态规划与最优流模式的微网孤岛重构
3 j1 |" e  m1 c( h, }0 M6 ?  [! s, p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
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
# e8 ^3 f" p# i5 k/ f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
! C7 i7 u* V6 R& D/ p. N4 P8 L更有效的变电站负荷聚类分析，提出了综合考虑负
7 |: e# P5 E6 p/ b4 a荷曲线和构成的变电站双层聚类模型。将该模型解
! e8 C7 J% g$ ^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
9 i& c4 U7 K- Y& |* [  o类分析后的结果表明，该混合算法可以有效补充传
# w. x+ }" u- x统算法的不足。文献[12]采用了一种混合智能算法
; E( w& u+ y: Y6 l6 @5 k解决配网重构问题。在寻优过程中，部分个体用粒
8 T# @6 m8 F, R% S# \1 S) S5 I& @子群优化算法(PSO)进行迭代，其它个体进行遗传
! _. w7 {7 K. b算法(GA)中的交叉和变异操作，整个群体信息共
3 O  v3 z9 N; x  s) u0 E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，
/ y  Z8 |4 M; G6 R该混合算法具有更高的搜索效率和寻优性能。
, K# y7 P) U7 S% p/ H与传统的配网重构不同，微网孤岛作为一个出
, \4 y4 f  B' ~4 Z7 S% u5 b9 d* I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
. a; T2 Q% y# w# E9 ~0 k+ ?. D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
: d. Q' X/ W+ `& Y, W关、联络开关状态的调整本质上为供电拓扑优化问
4 ?% B1 Q0 F8 _  B" h" g7 I: B* u, c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。
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
) j7 P8 ?0 n7 J7 [  K7 i" ~* Q  i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
找最优重构方案。MATLAB 仿真结果表明，本文所
6 q: q( }1 h7 q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
  F0 P$ H$ S  n的优势。
7 d! L, z- z1 e. F; S' [2 w1 q" d$ ~

& N& P! N1 w/ n& M