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
基金项目：国家自然科学基金(61573155，51877085)。
Project Supported by National Natural Science Foundation of China
8 Q/ _' x7 M' m0 ]8 @(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
/ m2 {' P+ ^& S0 r" A波动而失稳[2]。当系统发生变动时，通过实时调整
( \+ @  n5 z6 J/ P* C8 c! b/ r: }, c设备连接开关与线路分段开关、联络开关的运行状
$ i! B7 f3 ]3 x# {0 {态，改变微网的所连设备数量与供电拓扑结构，微
: k+ d9 [, u7 Q- q( H3 C+ H# @网得以在动态变化中控制系统的电压与频率，维持
! o  k' C& U8 P/ U2 D! R* ?0 Z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
& N" M3 L: V, s% B$ ?全稳定运行，并使系统的某项指标达到最优的过
. M3 |2 p4 `- _6 Y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
2 q; B5 e8 h3 k' M4 ^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]。
' m2 u& |2 t: |; o- o) x4 H  g/ 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
- Z& m% o* c, X  i, }8 B$ s以稳定收敛到最优解，但是寻优效率低，运算耗时
% G/ l. ]: x* i& g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
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
6 c. [1 m1 M( u7 c# C, @三者间的平衡。
# y) l6 m) `4 Q/ W. [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
同的子问题所呈现出的不同特点而采用多种算法
联合求解。它是发挥算法优势，避免算法短板的有
/ r% n; U) \* {效手段。目前在一些领域的研究中已有学者针对模
, b$ {) f0 {# \$ I& X8 _型特点提出了相应的混合算法，并取得了良好的效
* ]5 ]1 a' i: h% c. Q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
) s& V! p: m1 i6 p3 x1
7 d" X3 x3 O* X$ \1 t7 N7 Um in (1 )
% `# M. q( f. p& }5 x. |, Qh
i i i
i
" `  l: e2 I& p! NF c x P
" \5 S' x9 y+ j7 E0 q- I9 Q=
% k! @- P$ c0 H+ m+ I; I+ e= −
# l$ O7 z6 [7 w0 X
. E: t9 A% y, X0 o) h6 C2 2
2 @! K& n5 H/ h2 ^4 l2
2
1
m in
1 o8 `; M. c( Q* ~& x: G1 gM
i i
i i
# s. A9 w( J& g, G1 \: wi
0 t0 [. W$ Z! ~3 R. \% ki
P Q
F k R
=
% O0 o' t7 _4 v# A7 L9 f7 |* LU
7 f+ A  n7 D) [  r- e9 v- P+
) ]5 |: Z& p6 G7 ~4 @0 ^4 k=
7 }, Q5 g7 \/ `& V
) w0 E4 H) j! D3 }: ^3 q2
+ r4 `  B" q! T5 I. ~2 W- Z/ u3 P2 \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
接地网故障诊断模型进行分层后，先采用确定性算
5 P7 Z# V* i0 M  ]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
" ~* G4 J4 X0 L( t6 d, P, L明，该混合算法在收敛性与结果准确度上均优于单
# X5 K" y( Y$ U' o& v) ?8 D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
; }. {. i- S9 I) `+ Q想。仿真结果表明，与单一的 GA 法和 PSO 法相比，
# b% O- j. F( A5 N+ a, {  _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
; F# K- z" V$ m2 Y% w# l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
1 p3 c! U* u3 J境，对设备连接开关进行调整[3,13]。这两类开关的
: R* H: Y  P) a* h/ U1 u4 A1 I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
题。二者有着不同的目标与约束条件，适合采用混
% m  X5 E- O# \合算法进行求解。
( G' ~. h- ~$ g; T, H4 c因此，为保证重构的实时性以及寻优的高效性
; m$ g' x$ U' B4 j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
$ q0 g1 a/ e; s# w7 `( ~1 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
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。

& E4 `+ n; p$ z+ O7 \2 H/ d* {5 t