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
" c( v5 `" a. z) g( ]基金项目：国家自然科学基金(61573155，51877085)。
0 w- X' c. T9 @$ k+ [Project Supported by National Natural Science Foundation of China
  {* D7 K8 O: x# V(61573155, 51877085).
效手段[1]。失去了主网的支撑，作为一个低惯性系
4 F4 t4 o; V+ z! s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
网得以在动态变化中控制系统的电压与频率，维持
, I% Z7 O. \7 C; u$ Q" r网络的功率平衡。
( j, V( M2 t! n9 W重构是通过改变网络各开关的运行状态来改
& m% ?% d6 o, _! P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
2 A7 R3 A2 U, M4 }) O: k' d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]。
8 Z; n2 ?4 E9 q6 ?, O# R' o; S# K上述方法各有其优势所在，但也均存在有不
6 P) {7 d" ]* a1 A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
3 G) O# M' k2 Z) T1 }8 \8 w6 |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
7 L9 E2 E1 e( f" e重构时会导致重构结果难以稳定收敛到最优解甚
6 `" K+ ~' }+ w# D: Q+ Z7 @0 `至会有无法寻得有效解的情况出现。这些单一算法
( T( |6 r$ _8 r; t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 Q; ~& K% N( o- ?! A4 Y* 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
$ J3 t- e$ j# V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
9 q# w; ?8 M0 }效手段。目前在一些领域的研究中已有学者针对模
+ n; S2 Y3 _- Q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
# |$ j  q' i# v0 p7 l6 |网络首发地址：https://kns.cnki.net/kcms/detail/11.2410.TM.20200729.1329.001.html1 b
3 M: O" z2 n3 k  ]% j! e: f1
; m2 q% D5 T  i$ [  ^& G5 Z/ Em in (1 )
h
i i i
i
* z2 C4 D# u8 jF c x P
7 Y# R9 p% r# [' Q# Y=
= −

& y: H. p9 N) _+ C% P2 2
0 Q% Q3 N" n  b6 G9 p2
+ N! E, L! N  H2
1
! s/ x8 S1 f3 D0 b. ?/ ^' _1 qm in
M
- o9 X6 v7 T$ L3 I2 U% bi i
( s2 V3 w% s- A' Si i
& A2 E) E/ O% r7 B- hi
- s# w- M& a0 `i
9 A1 G7 x$ \. a( z7 o2 s3 GP Q
F k R
=
3 m# t$ X& d# O) CU
+
=

3 C4 V) w0 U2 H' @9 y; m( M2
0 w$ k: F1 |% u% I9 u张熙等：基于动态规划与最优流模式的微网孤岛重构
% P& b$ ~/ l( S( I& o  ]! I果。如文献[10]在对基于电网络理论所建立的大型
3 t# j2 V3 N0 i- L7 x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
2 d* n, ]# Z: @- K8 Q6 j8 z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
6 z/ @# Z1 m1 r1 P8 X: u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
. z, ?( }$ v3 Z! Y2 K# A  b, h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
  d% B: }" U9 P: G9 s/ [1 Q统算法的不足。文献[12]采用了一种混合智能算法
2 l, N) o9 }9 X* _6 p$ K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
% N/ U9 M6 W5 E0 c6 }  N算法(GA)中的交叉和变异操作，整个群体信息共
5 S9 I4 X+ B: Z* T  Y8 v- v- R' x: x享，同时采用自适应参数机制与优胜劣汰的进化思
0 Y/ v7 b+ m* M想。仿真结果表明，与单一的 GA 法和 PSO 法相比，
) u* O; M- ?# u" ?0 l7 k" C' T该混合算法具有更高的搜索效率和寻优性能。
) h) L) X5 X! w  i9 [' r; X6 G! q* W* J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、
6 S& B4 J# `  t2 q联络开关进行调整，还需根据实时变化的外部环
! K/ i" h7 u; q3 e8 t" V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
调整本质上为设备再分配问题；而对线路分段开
5 A# p. e8 a" a/ K5 x) ?* T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。
因此，为保证重构的实时性以及寻优的高效性
/ |* E& n# o1 ^$ C0 d与稳定性，在建立了微网孤岛重构的数学模型后，
7 u% X- y8 Q8 _4 {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
& k+ O$ K" y  T7 |! v4 U找最优重构方案。MATLAB 仿真结果表明，本文所
8 i- @+ r, f2 ?+ ~5 m/ d提算法可以有效地同时保证重构实时、高效与寻优
) \# Z$ p- }% U9 s7 P! W* K) i稳定性，在处理微网孤岛重构问题上有着较为明显
的优势。
6 h' T& J8 G' Y4 t, u2 U: Z