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

) @$ d$ e% m1 H5 S& O实时重构技术是维持孤岛微网稳定运行的有
  |. _) \9 o  a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
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
( F! o- Z! {. s# E" |4 B网得以在动态变化中控制系统的电压与频率，维持
0 Z6 G4 _' p! e: E! d网络的功率平衡。
/ F9 ^3 Q! h  `& X1 l- g7 [" H; a& p; u重构是通过改变网络各开关的运行状态来改
* ?* V8 q8 L/ C: _* O1 v& d5 t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
8 I8 {2 T/ O2 S- |' F2 Z性混合整数规划问题。针对微网的重构，目前多采
: b. Z3 d- X9 d# z. [0 q. k# O用单一的寻优方法来解决，例如有枚举法[3]、传统
6 j6 ~4 e# \! k) ?; Q数学优化方法[4-5]或人工智能算法[1,6-9]。
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
: y+ b8 z" @/ A* C1 K7 k6 A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
( I+ T' S1 r) `& g9 u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
& }+ d# p0 o3 _9 v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
& A1 g& N7 K/ X  q% M( S- ^重构。混合算法是指将模型分层或解耦后，对于不
$ G: D: T& l# x" R; L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
2 Z4 w8 Q/ d: Z, p% ]+ h8 v1 ~效手段。目前在一些领域的研究中已有学者针对模
: ]" A9 F2 Z  k: s( S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
' Q+ R- N9 a( Q% cm in (1 )
h
5 H' R3 Y$ L7 d( i6 Q( M  Z- ?) gi i i
i
# c) ^! I% H- M4 P7 Q' U3 ^! C& iF c x P
=
9 u& X- g/ O4 _; ]" ^0 L= −

) Q' M0 e% L8 u! u  }- _; P* b2 2
( n: P0 c* M% A, m2
9 ~9 F$ n0 g0 z$ P& n1 x, Y2
+ S* [. Y" K; g! i) f1
m in
M
' S) ?5 r  C! Y2 `' B3 a: ui i
i i
i
6 ]1 c: l  Y4 r$ _+ d: j  ?, Ui
P Q
F k R
+ j; F9 O8 X5 T4 \3 s& C7 ?8 K1 ]4 P=
U
+
=
' \: G' W# B1 Y) _4 ~
+ n4 n: N8 F! r# y2
张熙等：基于动态规划与最优流模式的微网孤岛重构
2 U5 k: x# F2 _" [- ~+ Z7 ^7 _果。如文献[10]在对基于电网络理论所建立的大型
" B: n% i) N- x+ O3 Z  ]: \: q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 t9 ~- z5 G+ }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
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
: R, v0 l+ E. v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
6 q% J" r2 S4 P6 x' p  a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
& y$ N% x' t  S9 h. `) Z想。仿真结果表明，与单一的 GA 法和 PSO 法相比，
2 z: d. J4 U1 j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
, a0 _2 B" e- m! b% `# \0 h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
/ p% H  ^6 v+ k) m1 L/ s" \境，对设备连接开关进行调整[3,13]。这两类开关的
6 k2 P3 \! e$ `- @: V1 d8 w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
' {) z* y. z8 `9 m" K  g  \关、联络开关状态的调整本质上为供电拓扑优化问
; c) u# u5 s% S0 \$ A  k: @- }3 y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。
* h+ T+ C- p" c8 q* W3 e: a4 t" I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，
0 J- g7 R8 j) c$ o' y+ l. V6 `0 Y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
找最优重构方案。MATLAB 仿真结果表明，本文所
: R1 K3 G4 O9 u1 k2 U$ V提算法可以有效地同时保证重构实时、高效与寻优
( E; F# u( ]' N! |0 k1 B稳定性，在处理微网孤岛重构问题上有着较为明显
" ?2 [0 m# H" M的优势。
2 C7 k* N8 j1 A8 d5 s! ~
2 e( l0 o4 [* }/ S8 F