配電網(wǎng)重構(gòu)算法的研究

摘 要：配電網(wǎng)重構(gòu)是配電網(wǎng)絡(luò)降低網(wǎng)損、平衡負(fù)荷、實(shí)現(xiàn)最佳運(yùn)行方式的主要措施。解決配電網(wǎng)重構(gòu)的算法中，傳統(tǒng)優(yōu)化方法不易得到全局最優(yōu)解，而人工智能算法不但在實(shí)用化方面有待考驗(yàn)，同時(shí)存在計(jì)算時(shí)間過長的問題。因此，對配電網(wǎng)絡(luò)進(jìn)行有效優(yōu)化所采用的各種算法的選取仍是需要著重研究的課題之一。本文就配電網(wǎng)重構(gòu)相關(guān)的各種算法進(jìn)行了簡要闡述，并分析各算法的特點(diǎn)及存在的問題，為該研究領(lǐng)域的進(jìn)一步發(fā)展提出一些看法。

關(guān)鍵詞：配電網(wǎng)重構(gòu)；傳統(tǒng)優(yōu)化方法；人工智能法

DOI：10.16640/j.cnki.37-1222/t.2015.22.162

0 引言

想要提高一件系統(tǒng)的安全性與經(jīng)濟(jì)性，就需要運(yùn)用到配電網(wǎng)重構(gòu)這一必要手段。配電網(wǎng)重構(gòu)作為配電網(wǎng)絡(luò)降低網(wǎng)損、平衡負(fù)荷、實(shí)現(xiàn)最佳運(yùn)行方式的主要措施，可以提高電壓的質(zhì)量，使負(fù)荷達(dá)到平衡值，將網(wǎng)損降至最低，以便于達(dá)到最優(yōu)效果。而對于配電網(wǎng)重構(gòu)的研究，也逐漸成為電力系統(tǒng)領(lǐng)域備受關(guān)注的一項(xiàng)研究項(xiàng)目。

1 為了更好的提高整個(gè)電網(wǎng)系統(tǒng)的安全性和經(jīng)濟(jì)性

配電網(wǎng)絡(luò)重構(gòu)技術(shù)的最優(yōu)化自1975年提出至今，出現(xiàn)了許多重要的研究成果。而現(xiàn)階段，傳統(tǒng)的優(yōu)化方法與人工智能算法，是配電網(wǎng)重構(gòu)最常使用的兩種算法。傳統(tǒng)優(yōu)化方法簡單直觀，具有實(shí)用化潛力，但需進(jìn)行多次潮流計(jì)算，對于如何得到全局最優(yōu)解，仍是一個(gè)值得探討的問題，而人工智能算法能以較大的概率保證收斂到全局最優(yōu)，但計(jì)算量較大，計(jì)算時(shí)間較長，難以實(shí)時(shí)應(yīng)用。

隨著配電網(wǎng)絡(luò)的大型化、復(fù)雜化和供電企業(yè)節(jié)能減排的需要及用戶對供電質(zhì)量的要求不斷提高，配電網(wǎng)重構(gòu)仍需尋找一種更具有實(shí)用性和經(jīng)濟(jì)性的最優(yōu)方法，全面的解決存在于數(shù)值運(yùn)算的速度、尋求最優(yōu)化的效果的問題上。由此可見，當(dāng)前形勢下對配網(wǎng)重構(gòu)算法進(jìn)行綜合分析，找出各算法的優(yōu)缺點(diǎn)對促進(jìn)配電網(wǎng)重構(gòu)的進(jìn)一步發(fā)展擁有著最為重要的現(xiàn)實(shí)的意義。

2 最優(yōu)的傳統(tǒng)方式

數(shù)學(xué)優(yōu)化理論法、支路交換法以及最優(yōu)流模式法等共同組成了配電網(wǎng)重構(gòu)技術(shù)的優(yōu)化方法，而這些之所以稱之為傳統(tǒng)優(yōu)化方法是相對于新興出現(xiàn)的人工智能算法這些現(xiàn)代的配電網(wǎng)重構(gòu)的優(yōu)化方法來說的。

2.1 數(shù)學(xué)優(yōu)化理論法

數(shù)學(xué)優(yōu)化理論法是指直接而非間接地運(yùn)用現(xiàn)階段的最優(yōu)化的數(shù)學(xué)原理，對電力系統(tǒng)進(jìn)行配網(wǎng)重構(gòu)的一種傳統(tǒng)的優(yōu)化方法，其中，數(shù)學(xué)優(yōu)化理論法分別由線性規(guī)劃與非線性規(guī)劃法、整數(shù)規(guī)劃與分支定界等的最優(yōu)化數(shù)學(xué)方法組合而成。

對于數(shù)學(xué)優(yōu)化理論法，可以說是一種較為成熟的配電網(wǎng)重構(gòu)的優(yōu)化方法，它將不依附配電網(wǎng)初始結(jié)構(gòu)作為前提的情況下同樣可以得到優(yōu)化解，但存在計(jì)算時(shí)間較長以及在實(shí)際應(yīng)用中存在的嚴(yán)重問題是：維數(shù)的逐步增加，會(huì)促使“組合爆炸”的現(xiàn)象提前發(fā)生，從這點(diǎn)可以看出，數(shù)學(xué)優(yōu)化理論法不適于復(fù)雜的大規(guī)模的電力系統(tǒng)的處理，同時(shí)也不能保證得到全局最優(yōu)解。

2.2 最優(yōu)流模式法

最優(yōu)流模式法為了簡化復(fù)雜的問題，其將開關(guān)組合問題轉(zhuǎn)化為優(yōu)化潮流的計(jì)算問題，由于重構(gòu)結(jié)構(gòu)與初始網(wǎng)絡(luò)狀態(tài)無關(guān)聯(lián)，能夠較為容易的收斂于最優(yōu)解；但同時(shí)該算法也存在一定弊端，在該算法的初始階段，就共同存在著多個(gè)環(huán)網(wǎng)，這種情況會(huì)在求解最優(yōu)潮流過程階段，二者互相產(chǎn)生影響，并且開關(guān)的打開順序也會(huì)對其結(jié)果產(chǎn)生極大的影響。為了避免這種現(xiàn)象的發(fā)生，就需要在確定開關(guān)的打開順序時(shí)，對于配電潮流進(jìn)行數(shù)次計(jì)算，以確保正確的開關(guān)順序，以及不至于擴(kuò)展成為多目標(biāo)函數(shù)。

2.3 支路交換法

在采用支路交換這種優(yōu)化方法時(shí)，因?yàn)榭偸菍⒚看芜\(yùn)算的結(jié)果與輻射型的拓?fù)浣Y(jié)構(gòu)相對應(yīng)，并將配電網(wǎng)輻射型的運(yùn)行狀態(tài)與之相符合，有這些作為前提條件，只需正確的估算出支路交換引發(fā)的網(wǎng)損變化程度，有利于配電網(wǎng)可以存在一種無需重新計(jì)算潮流或者是計(jì)算量較少的優(yōu)點(diǎn)；然而，最終收斂性依舊是取決于網(wǎng)絡(luò)初始結(jié)構(gòu)，這項(xiàng)弊端的存在難以有效保證全局的最優(yōu)化，因此，并不適用于大規(guī)模配電網(wǎng)的網(wǎng)絡(luò)重構(gòu)。

3 人工智能算法

與傳統(tǒng)優(yōu)化方法相比，人工智能算法相較于具有復(fù)雜性的非線性規(guī)劃的問題求解占有較大的利處，不僅可以改正傳統(tǒng)的配電網(wǎng)重構(gòu)的優(yōu)化技術(shù)一味地依附于數(shù)學(xué)運(yùn)算的弊端，還可以完善的解決某些運(yùn)用傳統(tǒng)的數(shù)學(xué)運(yùn)算方法所不得解的問題，而人工智能算法主要包含神經(jīng)網(wǎng)絡(luò)法與遺傳法、蟻群算法與模擬退火算法等運(yùn)算方法。

3.1 神經(jīng)網(wǎng)絡(luò)法

一種善于模擬人類神經(jīng)系統(tǒng)傳輸、處理信息過程的人工智能技術(shù)，將其稱之為神經(jīng)網(wǎng)絡(luò)法。而將人工的神經(jīng)網(wǎng)絡(luò)法用于配電網(wǎng)重構(gòu)中，可較為直接地反映配電網(wǎng)中所存在的負(fù)荷模式，與配電網(wǎng)中的最優(yōu)結(jié)構(gòu)二者之間高度的非線性的關(guān)系。

3.2 遺傳法

遺傳算法是一種適應(yīng)性搜索方法，其以自然基因選擇機(jī)理為基礎(chǔ)理論，進(jìn)而求解優(yōu)化問題。在配電網(wǎng)重構(gòu)過程中，該算法將遺傳過程和目標(biāo)函數(shù)過程完整的相結(jié)合，轉(zhuǎn)變?nèi)旧w編碼，并將其改為直接采用支路算法的一種開關(guān)狀態(tài)；而后，將由系統(tǒng)的網(wǎng)損所構(gòu)成的適應(yīng)度函數(shù)，在對生物進(jìn)化的繁殖、交叉、變異的過程中，對其進(jìn)行模擬操作，并將各開關(guān)的狀態(tài)嘗試著進(jìn)行改變，從中尋找出網(wǎng)損最小的最優(yōu)化的網(wǎng)絡(luò)結(jié)構(gòu)。

如若直接從該算法的理論上分析，遺傳算法存在許多優(yōu)點(diǎn)，不僅具備著以概率1的點(diǎn)收斂到全局最優(yōu)點(diǎn)的收斂性，還對其初始條件以及目標(biāo)函數(shù)沒有任何過度的要求。但其存在計(jì)算速度較慢、尋優(yōu)時(shí)間過長的確定。

3.3 蟻群算法

蟻群算法是受到蟻群搜索食物過程的啟發(fā)而提出的一種新型模擬進(jìn)化算法。具有不依賴于各種初始參數(shù)、正反饋、分布式計(jì)算、易與其它算法相結(jié)合以及富于建設(shè)性貪婪啟發(fā)式搜索的主要特點(diǎn)，特別適合組合優(yōu)化問題。但也存在搜索時(shí)間長、易陷入最優(yōu)解的局部算法或是較早的結(jié)束運(yùn)算等問題。

3.4 模擬退火算法

模擬退火法是由優(yōu)化過程與融熔金屬的物理退火過程的相似性而推導(dǎo)出來的。該算法的要點(diǎn)是：在合適的全局冷卻的設(shè)計(jì)的過程中，需要通過交換支路法所形成的一種網(wǎng)絡(luò)結(jié)構(gòu)，計(jì)算出潮流以及網(wǎng)損的變化程度，如若有新的網(wǎng)絡(luò)結(jié)構(gòu)存在較小的網(wǎng)損，就需要將這種網(wǎng)絡(luò)結(jié)構(gòu)完整的保留下來，不然將會(huì)按照一定的概率接收新的網(wǎng)絡(luò)結(jié)構(gòu)。

在一般的情況下，運(yùn)用模擬退火算法時(shí)，通過較大的算法計(jì)算量，可得到全局最優(yōu)解或全局次優(yōu)解，然而，當(dāng)該算法存在對參數(shù)和退火方案具有較大的依賴性時(shí)，需要進(jìn)行多次潮流計(jì)算及網(wǎng)損估計(jì)及多層次、多領(lǐng)域大量的采用開關(guān)交換，只有這樣時(shí)才能將該算法更好的運(yùn)用于配電網(wǎng)重構(gòu)。

除了人工智能算法外，其它的智能算法也會(huì)被廣泛的應(yīng)用于配電網(wǎng)絡(luò)重構(gòu)問題的研究中，譬如模糊算法、專家系統(tǒng)、粒子群優(yōu)化算法、禁忌算法等，這些算法在配電網(wǎng)重構(gòu)中都取得了不錯(cuò)的效果。

4 各種算法之間的比較

配電網(wǎng)重構(gòu)問題，是一種屬于NP難問題，它包含著具有較大規(guī)模、混合整數(shù)以及非線性的組合等優(yōu)化問題。為了解決上述問題，近年應(yīng)運(yùn)而生了混合算法這種將多種算法相結(jié)合的新的思路?；旌纤惴ú捎貌坏梢郧笕「玫闹貥?gòu)方案，而且有效的縮短了形成方案的時(shí)間，從而很好的克服了單個(gè)算法自身存在的固有缺點(diǎn)，對于現(xiàn)有各種重構(gòu)算法，如何有效解決配電網(wǎng)重構(gòu)的組合優(yōu)化問題，建立合理的數(shù)學(xué)模型仍需進(jìn)行深入的研究；同時(shí)，隨著分布式電源的入網(wǎng)，配電網(wǎng)發(fā)生了根本性的改變。因此，在進(jìn)行配電網(wǎng)重構(gòu)時(shí)必須考慮分布式電源的影響，需要綜合運(yùn)用現(xiàn)有算法或探索新算法，尋找更為優(yōu)化的方法，以此來達(dá)到各目標(biāo)的需求。

5 結(jié)論

傳統(tǒng)優(yōu)化算法計(jì)算量小，計(jì)算速度快，但配電網(wǎng)的初始結(jié)構(gòu)將會(huì)對直接影響給出的配電網(wǎng)重構(gòu)結(jié)果，無法做到全局最優(yōu)，人工智能算法相比傳統(tǒng)算法雖然可以取得更優(yōu)的解，但人工智能算法依舊存在著些許弊端，譬如對于運(yùn)算所計(jì)算的時(shí)間過長，不易于將其應(yīng)用于實(shí)際方法中；且配電網(wǎng)重構(gòu)時(shí)的算法形式過于單一，這將會(huì)造成很大的局限性，因此，應(yīng)于配電網(wǎng)重構(gòu)建設(shè)時(shí)所反映的實(shí)際情況相結(jié)合，并將傳統(tǒng)優(yōu)化方法與人工智能算法二者有機(jī)地結(jié)合起來，推動(dòng)配電網(wǎng)重構(gòu)向更好的方向發(fā)展。

參考文獻(xiàn)：

[1] A distribution short circuit analysis approach using hybrid compensation method[J]. IEEE Trans on Power Systems， X.Zhang， F.Soudi， D.Shirmohammadi， C.S..Cheng. 1995，10（6）：2053-2059.

[2]張棟，張劉春，傅正財(cái).配電網(wǎng)絡(luò)重構(gòu)的快速交換支路算法[J].電網(wǎng)技術(shù)，2005，29（09）：82-85.

[3]雷健生，鄧佑滿，張伯明.綜合潮流模式及其在配電系統(tǒng)網(wǎng)絡(luò)重構(gòu)中的應(yīng)用[J].中國電機(jī)工程學(xué)報(bào)，2001，21（01）：57-62.

[4] Artificial Neural-Network Based Feeder Reconfiguration for Loss Reduction in Distribution Systems. IEEE Trans on Power Delivery， Kin H， Ko Y， Jung K H. 1993，8（3）：1356～1366.

[5]王韶，馬晶晶，周鑫等.配電網(wǎng)重構(gòu)的蜜蜂進(jìn)化型遺傳算法[J].電力系統(tǒng)控制與保護(hù)，2010，38（16）：62-67.

作者簡介：楊美（1988-），女，滿族，助理工程師，主要從事：電力工作。