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
% g0 S3 Z9 p/ B2 c! {基金项目：国家自然科学基金(61573155，51877085)。
7 k1 u$ S% ~8 e7 O4 I- ^) WProject 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
4 g6 n& S+ I+ R2 e# a: S. ?* 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
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
3 W( K' O% l6 f( E4 f- u+ U变网络运行方式，在一定约束条件下，保证系统安
% e  P2 K0 s  }0 X' {; c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
, w& f8 R5 D3 l% `+ z9 z, P  c/ M% s7 z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
2 e/ F1 A+ B2 n0 v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
9 T% f8 C$ [1 Q% F重构时会导致重构结果难以稳定收敛到最优解甚
) ^* D# g- ]2 a4 {( i/ }' ^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
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
同的子问题所呈现出的不同特点而采用多种算法
, C3 V& {3 T- h4 i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
型特点提出了相应的混合算法，并取得了良好的效
# \6 p2 {8 M. [1 K4 g% A" c网络首发时间：2020-07-29 15:03:50
6 G, g- I* k# ^( U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
F c x P
7 z4 W0 n+ ]4 w; T' [=
+ R4 V, \5 d) Z$ U7 ?  v: z$ Z8 \= −

2 2
2
2
1
& e! O1 Q0 K6 E% {" D: R% L4 u; Om in
- c9 Z' ?; z! o9 V' w* A% S; q, q" rM
i i
! v( M2 Q% I) y0 p5 oi i
. H+ \0 ?8 y+ ~# x. g0 B4 f: si
( m7 m/ d# N% U: R6 g/ \2 Ai
8 `( }% Z8 ]+ Z7 y! h+ ~4 nP Q
8 y" d! A8 A8 X4 v# TF k R
6 J5 A6 F. r3 |! [; [' l( R% z" Z. t=
: y1 a( d" j' _U
+
: e6 h! S+ Y" {& @$ E3 ^9 f, l=
5 T3 M* |- X. _  ^) O5 Q6 }7 X# H/ \3 {2 J
2
  B9 `0 [1 m! a$ ^4 v" ~) G. L张熙等：基于动态规划与最优流模式的微网孤岛重构
! C. m& I* p9 O$ S% v# W7 v: f6 b( P果。如文献[10]在对基于电网络理论所建立的大型
7 f1 u$ Q) j- x0 k7 c+ A- i接地网故障诊断模型进行分层后，先采用确定性算
2 `0 Q2 N6 s" i0 |6 t4 j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
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
2 n) B0 l) L* d& l8 @: i' }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
  D, R) N9 g/ B  _2 G/ Z  s章根据上下层各自特点分别采用了 K−means 算法
- u) D' q/ J: u8 [2 d' n. _与分裂式 FCM 算法予以求解。在对实际变电站聚
$ Z8 W" v' d; Z5 h+ J类分析后的结果表明，该混合算法可以有效补充传
- n0 G- x: o5 r, ?5 I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
% p$ C) f7 n' [( T, n3 @4 W4 F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
1 _/ q* g4 ]+ C* s# g# E8 y5 i想。仿真结果表明，与单一的 GA 法和 PSO 法相比，
$ a. F5 x6 ]' L0 J: Z1 T& T该混合算法具有更高的搜索效率和寻优性能。
: n- @- A5 U$ Y) l与传统的配网重构不同，微网孤岛作为一个出
3 b5 V  z6 G4 M力有限的供电系统，重构不仅要对线路分段开关、
4 r% a# K3 |! @6 T1 O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
, ~+ R) i! H, a7 b; E$ [5 m1 ^5 k! ^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
1 c+ ^: T9 z( k9 v& C6 N* R3 n, A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
" o2 Q" g) W- }3 c) \与稳定性，在建立了微网孤岛重构的数学模型后，
4 g1 i% y; `3 i3 d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
) U5 O" g/ a, l- B8 t1 x0 w5 Q提算法可以有效地同时保证重构实时、高效与寻优
$ A6 s! i/ X' j, q) l: g稳定性，在处理微网孤岛重构问题上有着较为明显
9 Z1 q8 r( X% \, \  N) b的优势。
$ D/ O/ _1 G; C* @5 V