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

. l$ x& A4 Z2 v2 i# U- k8 ^

1 x* P+ q2 S* [! u* 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)。
; ~6 p+ B- T# R/ y2 T4 sProject Supported by National Natural Science Foundation of China
  S% J3 B3 }) V8 X4 b4 }% t6 W(61573155, 51877085).
效手段[1]。失去了主网的支撑，作为一个低惯性系
/ C2 L* l! L2 f+ P1 k$ k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
% s# S9 m- a) ]6 p+ N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
- w; G  @( \' O) N) n. O3 F4 W0 C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。
2 }$ S, G9 Y1 s3 \, y% D5 S1 H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
; X( t* s! i0 F, C+ L全稳定运行，并使系统的某项指标达到最优的过
! s' l# h8 K9 W8 K" n4 }程。微网重构的本质是一个多目标、多约束的非线
. Q- E) ?! j% n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
数学优化方法[4-5]或人工智能算法[1,6-9]。
6 ~9 |& P3 W+ |* b  B" d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
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
" E# ^2 n' o0 E( @8 }8 D均很难实现微网孤岛重构的实时、寻优稳定与高效
" z* y! p1 |( s! F4 w/ \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
* u$ w. L# T; r  X重构。混合算法是指将模型分层或解耦后，对于不
9 q( z7 o- H2 y, h3 u7 \  y" f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
效手段。目前在一些领域的研究中已有学者针对模
, n9 A& t9 q. w: _* J型特点提出了相应的混合算法，并取得了良好的效
: j4 H  `% U' r3 u" @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 )
h
i i i
i
& _" |8 s* @" k; V, bF c x P
=
= −
! j* T1 P1 r/ T$ a
2 2
/ X6 O8 b& w: ]  q2 }# {! W, R2
2
1
4 Q" X, D( b& ]m in
M
8 ]  _( y! ?% I- Gi i
i i
5 x5 U, e0 X; ?) I4 q1 ?i
$ ^6 f: ~" a: O+ |& P4 Si
P Q
! v4 w# v* ^( I9 m6 sF k R
=
0 G- q; [* C9 ]# N* c" cU
) Y. J3 w) q0 L& D+
+ u+ l1 z" H; e% r=
5 ]: y, s7 X7 J6 q3 F5 P/ m
2
0 ]+ H; @1 @1 `; B  }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
法(L−M 法)快速锁定真实解的范围，之后再用随机
! S0 k" A* E! }9 l" I性算法(粒子群算法)进一步深入优化。仿真结果表
明，该混合算法在收敛性与结果准确度上均优于单
+ @' e  Q; W8 a' n* J纯的确定性算法与随机性算法。文献[11]为了进行
/ @& i# D6 C4 h' t* _( I9 r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
7 B8 m" _# ~, [4 z* S+ k( e  X章根据上下层各自特点分别采用了 K−means 算法
6 y9 h; g6 F0 m. B与分裂式 FCM 算法予以求解。在对实际变电站聚
) _) n4 i# a3 `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
" R$ n: a1 y6 a+ ]: |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
" @: d5 f& W6 q) S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
9 i& ?. G$ F# T0 `想。仿真结果表明，与单一的 GA 法和 PSO 法相比，
# y1 X5 Q0 o* d( ^3 E该混合算法具有更高的搜索效率和寻优性能。
, I3 E- i' E) @' ?0 r与传统的配网重构不同，微网孤岛作为一个出
; d* U" [* K9 W8 {* T力有限的供电系统，重构不仅要对线路分段开关、
/ {, S9 D+ A! I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) q2 N/ S; }6 ]3 |! m( S4 x) E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
, x1 z% _" V( A* d4 Q合算法进行求解。
2 p5 w. N( @6 x0 Y9 z+ e" I# m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
( J) t$ K6 `; @+ K& K; ^# H找最优重构方案。MATLAB 仿真结果表明，本文所
7 ?7 [+ p4 y+ ^. k. R$ ^! x) o0 |2 Y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。
, R- h6 T! l! e6 a) B% n! Z/ O

6 ~/ W" [) c# j1 `6 q) W- y1 x& k