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

, x4 n' {  r) q) c
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
(61573155, 51877085).
效手段[1]。失去了主网的支撑，作为一个低惯性系
/ k. I2 t: @  Q3 }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
# \9 ]4 k6 V6 S% D* ]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
- j( }1 l: G" O1 Z& E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
用单一的寻优方法来解决，例如有枚举法[3]、传统
7 F( G* Z4 @) [2 Z) \& K: ?4 H数学优化方法[4-5]或人工智能算法[1,6-9]。
& h+ w. H4 ^( Z; [% S' |1 h上述方法各有其优势所在，但也均存在有不
  ~0 ]6 P+ l: w7 F, Z; @足：虽然枚举法与传统数学优化方法的寻优结果可
$ w: N# p* G% h0 V以稳定收敛到最优解，但是寻优效率低，运算耗时
# Q3 t* i' Y( }; U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
" v' i+ n/ S/ o" z至会有无法寻得有效解的情况出现。这些单一算法
% |/ i" O: U" m1 [4 c: `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。
5 b, _8 x, \. Q4 s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
* O8 f3 l: ~$ O" W' C  b# H效手段。目前在一些领域的研究中已有学者针对模
4 U4 k# k' A; l! X/ C6 R型特点提出了相应的混合算法，并取得了良好的效
2 {: q; x: b* |& C* }  \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
/ |& o9 O! `% b3 n1
m in (1 )
% \; |& O, S) I2 @" u6 mh
i i i
. C1 [, f$ @( ~* {5 oi
F c x P
. W. e4 D* q. Y5 ]1 O& ~=
= −
0 D$ @, t0 B- ?( s; y7 m5 X3 G
, D0 |% f5 Q; n1 N+ L2 2
2
1 s: Z4 W# ?' `3 _2
1
. _) y$ N9 d# `, f; ~4 Z3 B2 tm in
M
  N3 d5 v2 r! A* O" Q  }6 li i
0 H2 z1 o: t) ?( s$ Ui i
i
i
5 ~) v: r1 k8 t  l- s4 {8 Z4 Z; cP Q
F k R
( O3 f( b, v& W* `=
U
/ J* m% L' q9 \$ g7 @" n+
=
+ k( E. v$ `# d5 k' m, x
% i! X$ c6 O0 j! x' u2
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
+ ?$ q2 |! W% E; _' \; a* |: g3 N: E2 d接地网故障诊断模型进行分层后，先采用确定性算
8 C& c' H5 r. |' F2 I0 s* X法(L−M 法)快速锁定真实解的范围，之后再用随机
/ j2 ?' l3 V  F( `3 F1 y( n( b性算法(粒子群算法)进一步深入优化。仿真结果表
, |, z7 ]7 f6 z# T# E明，该混合算法在收敛性与结果准确度上均优于单
) E# S, K/ [0 q! z$ A  a4 n9 R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
+ K" {' S& ^, H. i荷曲线和构成的变电站双层聚类模型。将该模型解
- T1 A0 z5 s+ Q! y2 D5 l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
/ A& H: P, U9 i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
+ F) e1 A8 G" o; m; X* o+ ]8 u* K解决配网重构问题。在寻优过程中，部分个体用粒
3 u* r$ I& W& J  b) n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
& w4 Q& s! b/ i. {想。仿真结果表明，与单一的 GA 法和 PSO 法相比，
5 n6 o  H( ^  h. _" C该混合算法具有更高的搜索效率和寻优性能。
9 m7 }- T: e2 f与传统的配网重构不同，微网孤岛作为一个出
7 N5 @8 l2 c: u$ L# `" u+ j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
5 J0 j& T. Q& T/ p$ l, g! o" f% Z调整有着各自不同的特点：对设备连接开关状态的
, W0 z; I7 j8 E9 {2 z, Y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
合算法进行求解。
3 F$ T0 g' U: K9 ^/ o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
划法与改进的最优流模式法相结合的混合算法寻
$ ~8 U) o) I# V8 {% _  {) x找最优重构方案。MATLAB 仿真结果表明，本文所
5 [# O2 o. a  t2 }8 X提算法可以有效地同时保证重构实时、高效与寻优
& K1 J5 y7 o! `: b9 R, h稳定性，在处理微网孤岛重构问题上有着较为明显
的优势。