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

2 k5 K6 T  }  C+ @( O' @2 O
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
% q3 \% Y1 g) f# l( v(61573155, 51877085).
效手段[1]。失去了主网的支撑，作为一个低惯性系
+ y0 e0 u; I! h) K* U" J/ b' M' t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
0 z/ w5 m+ `+ j8 v+ H, R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
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
5 V+ _% }5 x: @! B8 n4 `/ o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
; F) ?/ l" b8 F4 c: i/ x2 ^9 m用单一的寻优方法来解决，例如有枚举法[3]、传统
# g$ {( c3 `2 @/ r& s! [数学优化方法[4-5]或人工智能算法[1,6-9]。
- V" L- l" ~6 A% ?! s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
+ _2 p; j& j+ m  o长；人工智能算法通过在迭代中使用元启发式策略
+ w. a. ^% x( D/ P7 J& D# I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
" I& u9 S: w! ^) k/ W7 F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
( _' i4 K2 z' f. |* n- {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
/ j6 y& E+ x$ D% D8 p1 K# R- u$ o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
4 M/ C1 A+ R. Y+ H: |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
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 )
% A) o6 @1 k9 ^* Q# V- p3 hh
i i i
3 y! H  Q+ o9 L! ?i
% B0 A( U7 A9 J5 z/ Z) U1 k3 UF c x P
=
$ q  }  I8 z; W+ Q- z1 v* U& J= −

% L) p, }& T3 l! L+ ]+ {5 M. U: d2 2
2
4 M8 L( _/ R% e- ^2
# Q' y# `0 g5 P1
0 a9 d& M1 k4 Cm in
M
i i
i i
i
i
3 `! a9 z5 `. i+ l- x  t, pP Q
F k R
6 D2 q- _9 E9 k* j% @# w$ D=
; [* \4 N( \- v; qU
+
=

2
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
3 R1 x) e8 ~1 R! P0 G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
8 ~6 ^1 u- n" H- @性算法(粒子群算法)进一步深入优化。仿真结果表
. [/ d0 q- E& |1 j* r明，该混合算法在收敛性与结果准确度上均优于单
$ \( p: \- ^5 }$ Z  o9 r3 c% o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
+ Q6 N9 ]) z' M' [; Z! F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
6 z. q, c+ G* E) t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
- N$ L$ e# h( w* t统算法的不足。文献[12]采用了一种混合智能算法
0 R0 @) [/ h8 r" w7 u解决配网重构问题。在寻优过程中，部分个体用粒
& {( R; P3 r' B, w& h& z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
# r0 |9 W$ [1 `, O9 R$ q8 P/ |5 }: w想。仿真结果表明，与单一的 GA 法和 PSO 法相比，
该混合算法具有更高的搜索效率和寻优性能。
8 ^2 P* G! ~* r2 b: C与传统的配网重构不同，微网孤岛作为一个出
7 n% h* T7 {2 v" J力有限的供电系统，重构不仅要对线路分段开关、
& }, v+ _0 \" H联络开关进行调整，还需根据实时变化的外部环
) ]+ ^% S6 ^( W7 O5 @- k- h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
2 S) F" x5 d, H4 h2 ]$ v. d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
2 y$ z' [0 Q/ \3 _' ~3 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。
因此，为保证重构的实时性以及寻优的高效性
. a6 Z* K6 y9 Y7 t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
划法与改进的最优流模式法相结合的混合算法寻
3 {% E0 t7 G& Z- o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。
2 k* `7 G, p( r+ a( J7 I. y0 s