基于改進(jìn)啟發(fā)式算法的配電網(wǎng)隨機(jī)潮流重構(gòu)研究

鄧鵬，劉敏，曹鵬，陳名揚(yáng)

基于改進(jìn)啟發(fā)式算法的配電網(wǎng)隨機(jī)潮流重構(gòu)研究

鄧鵬，劉敏，曹鵬，陳名揚(yáng)

（貴州大學(xué) 電氣工程學(xué)院，貴州 貴陽(yáng) 550025）

配電網(wǎng)重構(gòu)（distribution network reconfiguration，DNR）是確定配電網(wǎng)最優(yōu)拓?fù)浼皽p少網(wǎng)絡(luò)損耗的有效措施。由于分布式電源（distributed generation，DG）和電動(dòng)汽車（electric vehicle，EV）的大量接入導(dǎo)致了配電網(wǎng)潮流具有隨機(jī)性，傳統(tǒng)的重構(gòu)方法已不能快速準(zhǔn)確地得到隨機(jī)潮流的重構(gòu)最優(yōu)解。提出一種考慮分布式電源和電動(dòng)汽車的隨機(jī)性和不確定性，以減少網(wǎng)絡(luò)損耗和提高電壓質(zhì)量為目標(biāo)的配電網(wǎng)重構(gòu)模型，并采用啟發(fā)式算法中的最優(yōu)模式法（optimal power flow，OPF）和支路交換法（branch exchange method，BEM）加快重構(gòu)速度。通過IEEE136測(cè)試系統(tǒng)驗(yàn)證該算法的有效性和正確性，結(jié)果表明：該算法實(shí)現(xiàn)了深度優(yōu)化，能有效地解決隨機(jī)潮流動(dòng)態(tài)重構(gòu)問題。

配電網(wǎng)重構(gòu)；隨機(jī)潮流；改進(jìn)啟發(fā)式算法；OPF；BEM

0 引言

電力行業(yè)的發(fā)展與其他各行業(yè)的發(fā)展緊密相關(guān)，可持續(xù)發(fā)展政策對(duì)電力行業(yè)的要求越來越高[1]。隨著大量的分布式電源和電動(dòng)汽車接入到電網(wǎng)中，分布式電源和電動(dòng)汽車的不確定性和隨機(jī)性會(huì)引起配電網(wǎng)潮流發(fā)生改變，從而導(dǎo)致配電網(wǎng)電壓大幅波動(dòng)和電壓越限等問題[2]。配電網(wǎng)重構(gòu)作為解決智能電網(wǎng)諸多問題的有效措施之一，越來越受關(guān)注。配電網(wǎng)重構(gòu)可以高效利用可再生能源，實(shí)現(xiàn)雙向潮流的靈活控制[3]。因此，對(duì)于含隨機(jī)潮流的配電網(wǎng)重構(gòu)方案的研究是智能電網(wǎng)首要解決的問題。

配電網(wǎng)重構(gòu)是通過改變開關(guān)的狀態(tài)獲得最優(yōu)拓?fù)?，從而提高系統(tǒng)性能[4]。現(xiàn)有的重構(gòu)方法包括數(shù)學(xué)優(yōu)化算法[5]、進(jìn)化算法[6]和啟發(fā)式算法[7-8]。文獻(xiàn)[5]提出了一種新穎的混合整數(shù)非線性規(guī)劃模型，通過把混合整數(shù)非線性規(guī)劃模型等效為兩個(gè)線性化模型來提高收斂性，并采用增加約束條件的方法減少該算法的計(jì)算量。由于每個(gè)支路都有兩種狀態(tài)，隨著支路的增加，解空間將會(huì)發(fā)生組合爆炸，因此不適用于大系統(tǒng)。文獻(xiàn)[6]采用十進(jìn)制對(duì)拓?fù)渲械拈_關(guān)進(jìn)行編碼以減少編碼空間，從而降低搜索空間并減少不可行解，同時(shí)采用無重復(fù)生成樹的算法，生成進(jìn)化算法的初始種群。但該算法只適用于小系統(tǒng)，在大系統(tǒng)中收斂慢，針對(duì)相同的運(yùn)行方式可能會(huì)得到不同的結(jié)果。文獻(xiàn)[7]對(duì)生成樹法進(jìn)行重構(gòu)，在滿足開關(guān)閉合規(guī)則的前提下，大幅度降低生成樹數(shù)量。最優(yōu)流模式收斂性好，不足是速度慢、全局最優(yōu)解搜索困難。文獻(xiàn)[8]提出了基于靈敏分析的支路交換法，通過分析值確定配電網(wǎng)變換前后潮流狀態(tài)，得出最佳拓?fù)浣Y(jié)構(gòu)。支路交換法雖可增加可行解，但卻降低了收斂速度且增加全局最優(yōu)解搜索難度。

考慮分布式電源和電動(dòng)汽車加入配電網(wǎng)時(shí)，重構(gòu)必須要解決非線性交流潮流計(jì)算和網(wǎng)絡(luò)輻射狀運(yùn)行這兩個(gè)復(fù)雜問題[9]。本文主要是考慮配電網(wǎng)如何進(jìn)行輻射狀運(yùn)行的問題?，F(xiàn)有確保配電網(wǎng)輻射狀運(yùn)行的主要方案有：基于回路[10]、基于路徑[11]和基于節(jié)點(diǎn)[12-13]這3種方法，前兩種方案主要是采用進(jìn)化算法?；诠?jié)點(diǎn)的一個(gè)方案是生成樹方法[12]，主要思想是網(wǎng)絡(luò)中除電源節(jié)點(diǎn)外其他的節(jié)點(diǎn)只有一個(gè)父節(jié)點(diǎn)；另一個(gè)方案[13]是依據(jù)輻射狀拓?fù)渲兄窋?shù)比節(jié)點(diǎn)數(shù)少一個(gè)，并且每個(gè)節(jié)點(diǎn)到電源節(jié)點(diǎn)的路徑都是連通的?；诠?jié)點(diǎn)的方案主要是采用數(shù)學(xué)優(yōu)化算法和啟發(fā)式算法[14]。由于數(shù)學(xué)優(yōu)化算法無法應(yīng)用于大系統(tǒng)，故通常采用啟發(fā)式算法，啟發(fā)式算法主要包括最優(yōu)流模式法和支路交換法，但僅僅使用其中一種方法不能快速得到最優(yōu)解。

因此，為了提高隨機(jī)潮流重構(gòu)的快速性，本文結(jié)合啟發(fā)式算法中最優(yōu)流模式法和支路交換法這兩種方案，提出了一種基于改進(jìn)啟發(fā)式算法的配電網(wǎng)隨機(jī)潮流重構(gòu)方法。該方法包括3個(gè)步驟：首先，從網(wǎng)絡(luò)中的封閉環(huán)路開始，依次打開開關(guān)，直到所有的環(huán)路都打開并獲得輻射狀拓?fù)?；然后，分別用第二步和第三步對(duì)第一步所得的初始拓?fù)溥M(jìn)行修正，進(jìn)一步得到更好的拓?fù)浣Y(jié)構(gòu)。采用IEEE136大型測(cè)試系統(tǒng)來驗(yàn)證該方法的有效性和正確性；最后，和其他啟發(fā)式算法進(jìn)行對(duì)比以驗(yàn)證其快速性和準(zhǔn)確性。

1 不確定性參量建模

對(duì)不確定性參量進(jìn)行建模，基本模型包括風(fēng)力發(fā)電功率模型、光伏發(fā)電功率模型和電動(dòng)汽車充電功率不確定性模型。

1.1 DG發(fā)電功率不確定性

由于分布式電源（distributed generation，DG）發(fā)電功率受風(fēng)速和光照強(qiáng)度的影響較大，在建模時(shí)不能將DG的出力功率簡(jiǎn)單看成恒定的某一類節(jié)點(diǎn)。經(jīng)大量研究數(shù)據(jù)可知，風(fēng)速的變化最接近Weibull概率分布模型[15]，因此可以用該模型對(duì)風(fēng)力發(fā)電出力進(jìn)行預(yù)測(cè)，其公式如下：

式中：()為風(fēng)速概率；表示風(fēng)速；為形狀參數(shù)；為尺度參數(shù)。再由風(fēng)速和發(fā)電功率之間的關(guān)系可以得到出力功率，具體如下：

式中：ci為切入風(fēng)速；r為額定風(fēng)速；co為切出功率；wind為風(fēng)力發(fā)電的輸出功率；r為風(fēng)力發(fā)電最大額定功率。

光照強(qiáng)度是影響光伏發(fā)電的主要因素，目前主要是用Beta分布對(duì)其不確定性進(jìn)行建模[15]，因此光伏發(fā)電功率預(yù)測(cè)如下：

式中：()表示光照強(qiáng)度概率；為光照強(qiáng)度；、表示Beta分布的參數(shù)；為伽馬函數(shù)。

通過下式可以得出光伏發(fā)電出力功率：

式中：pv為光伏發(fā)電輸出功率；A為第塊光伏板面積；η為光電轉(zhuǎn)換效率。

1.2 EV負(fù)荷不確定性

影響EV負(fù)荷特性不確定性的主要有汽車行駛路程、充電起始時(shí)刻和充電時(shí)長(zhǎng)3個(gè)因素[16]，經(jīng)研究表明，汽車行駛路程和充電起始時(shí)刻都是近似服從正態(tài)分布函數(shù)，充電時(shí)長(zhǎng)與行駛路程呈線性關(guān)系。汽車行駛路程：

式中：()表示行駛路程概率；為行駛路程；δ表示行駛路程的期望值；μ表示行駛路程的標(biāo)準(zhǔn)差。

充電起始時(shí)刻：

式中：()表示充電起始時(shí)刻概率；為充電起始時(shí)刻；δ表示行駛路程的期望值；μ表示行駛路程的標(biāo)準(zhǔn)差。

充電時(shí)長(zhǎng)：

式中：為充電時(shí)長(zhǎng)；每百km耗油量；c為恒定充電功率；充電效率。

電動(dòng)汽車電池的初始值：

式中：()表示電池初始值的概率；為電動(dòng)汽車電池的初始值；為充滿電時(shí)的行駛路程。由此可以得到電動(dòng)汽車(>)時(shí)刻的功率需求期望值，即：

式中：為電動(dòng)汽車的數(shù)量；()為時(shí)刻單臺(tái)電動(dòng)汽車充電的有功功率，則：

2 隨機(jī)配電網(wǎng)重構(gòu)模型

2.1 目標(biāo)函數(shù)

本文從配電網(wǎng)運(yùn)行的經(jīng)濟(jì)角度考慮，以配電網(wǎng)運(yùn)行的損耗最低建立如下目標(biāo)函數(shù)：

2.2 約束條件

（1）有功功率約束

設(shè)有功功率約束為：

（2）無功功率約束

設(shè)無功功率約束為：

（3）支路最大容量約束

設(shè)支路最大容量為：

（4）節(jié)點(diǎn)電壓約束

設(shè)節(jié)點(diǎn)電壓為：

（5）分布式發(fā)電輸出有功功率約束

設(shè)分布式發(fā)電輸出有功功率為：

（6）分布式發(fā)電輸出無功功率約束

設(shè)分布式發(fā)電輸出無功功率為：

2.3 輻射狀和連通性處理

根據(jù)圖論中網(wǎng)絡(luò)輻射狀的必要條件為節(jié)點(diǎn)數(shù)等于支路數(shù)加1，可用式（18）判斷網(wǎng)絡(luò)是否為輻射狀。

式中：b為節(jié)點(diǎn)數(shù)；l為支路數(shù)。

連通性可以根據(jù)節(jié)點(diǎn)到電源節(jié)點(diǎn)之間的距離來判斷。當(dāng)聯(lián)通時(shí)，該距離有限，即：

3 改進(jìn)啟發(fā)式重構(gòu)方法

改進(jìn)啟發(fā)式重構(gòu)方法分為3個(gè)階段，即最優(yōu)流模式法、支路交換法和基于第二類開關(guān)支路交換法。其中第二階段和第三階段是在第一階段基礎(chǔ)上進(jìn)行的，第三階段是對(duì)第二階段的完善補(bǔ)充。下面將分別介紹各部分的詳細(xì)流程，在執(zhí)行改進(jìn)啟發(fā)式重構(gòu)方法之前，關(guān)閉網(wǎng)絡(luò)中的每一個(gè)開關(guān)，使網(wǎng)絡(luò)具有環(huán)路。

3.1 最優(yōu)流模式法

最優(yōu)流模式法[1]是在不形成孤島的情況下打開環(huán)路，其迭代次數(shù)等于初始網(wǎng)絡(luò)環(huán)路中的環(huán)路數(shù)，每次迭代選擇并打開一個(gè)位于環(huán)路內(nèi)的聯(lián)絡(luò)開關(guān)，遍歷環(huán)路中的每一個(gè)開關(guān)，并打開對(duì)應(yīng)損耗最小的分段開關(guān)，直到獲得輻射狀的初始拓?fù)洹?/p>

第一階段的詳細(xì)流程如下：

步驟a：獲取系統(tǒng)的電源、負(fù)載和拓?fù)湫畔?，并找到回路中的所有開關(guān)。

步驟b：打開環(huán)路中的一個(gè)開關(guān)，然后通過式（19）檢查系統(tǒng)的連通性。如果每個(gè)節(jié)點(diǎn)與電源節(jié)點(diǎn)都是連通的，則求解網(wǎng)損值保存在1中；否則，給目標(biāo)值賦一個(gè)較大的正數(shù)將其保存在1中，關(guān)閉開關(guān)。

步驟c：重復(fù)步驟a、b，至到遍歷環(huán)路中所有開關(guān)。

步驟d：根據(jù)步驟b和c找到環(huán)路1中最小的目標(biāo)函數(shù)，并打開相對(duì)應(yīng)的開關(guān)。

步驟e：重復(fù)步驟b～d至滿足式（18），此時(shí)得到的拓?fù)錇檩椛錉睢?/p>

在第一階段中獲得的拓?fù)浼礊槌跏纪負(fù)?，第二階段和第三階段都將在初始拓?fù)涞幕A(chǔ)上進(jìn)行。

步驟b是對(duì)固定網(wǎng)絡(luò)拓?fù)淝蠼忪o態(tài)重構(gòu)等效于每個(gè)時(shí)段的每種場(chǎng)景下的隨機(jī)潮流，靜態(tài)重構(gòu)費(fèi)時(shí)少。但是，在第一階段中獲得的初始拓?fù)洳⒉唤咏罴淹負(fù)洌ㄖg的相對(duì)誤差高達(dá)5%）。為了在第一階段中獲得的初始拓?fù)浠A(chǔ)上得到更準(zhǔn)確的拓?fù)浣Y(jié)構(gòu)，將采用第二階段對(duì)初始拓?fù)溥M(jìn)行優(yōu)化。

3.2 支路交換法

由于每條支路只含有一個(gè)分段開關(guān)或聯(lián)絡(luò)開關(guān)，根據(jù)式（18）輻射狀拓?fù)渲兄窋?shù)量比節(jié)點(diǎn)數(shù)少一個(gè)。由此可以把初始拓?fù)溆靡唤M開關(guān)來表示，以下操作都是針對(duì)開關(guān)進(jìn)行。

3.2.1 排除初始拓?fù)渲械牟糠珠_關(guān)

第二階段首先將初始拓?fù)渲械姆侄伍_關(guān)更換為聯(lián)絡(luò)開關(guān)，并執(zhí)行第一階段得到不同的拓?fù)?，然后從不同拓?fù)渲姓业阶罴训耐負(fù)洹５?，第二階段中需要執(zhí)行第一階段的次數(shù)由初始拓?fù)渲蟹侄伍_關(guān)的個(gè)數(shù)決定；因此，如果系統(tǒng)中的節(jié)點(diǎn)數(shù)越大，執(zhí)行第二階段花費(fèi)的時(shí)間越長(zhǎng)。考慮到排除一部分容易確定狀態(tài)的分段開關(guān)可以減少第二階段的耗時(shí)。因此，下面給出了排除開關(guān)的原因并對(duì)其進(jìn)行分類。

第一類：在形成輻射狀拓?fù)涞倪^程中，必須保證電源節(jié)點(diǎn)與各節(jié)點(diǎn)之間的連通性，電源附近的開關(guān)一般都是閉合的，即不需要更換電源附近的開關(guān)狀態(tài)。其距離電源的位置可以通過設(shè)置參數(shù)1來控制。

第二類：為了在結(jié)束節(jié)點(diǎn)附近不產(chǎn)生孤島現(xiàn)象，結(jié)束節(jié)點(diǎn)上游的分段開關(guān)也需要閉合，即不需要更換結(jié)束節(jié)點(diǎn)附近的開關(guān)狀態(tài)，其距離結(jié)束節(jié)點(diǎn)的位置通過設(shè)置參數(shù)2來控制。

第三類：不屬于任何環(huán)路的分段開關(guān)，也需要閉合，即容易確定其開閉狀態(tài)。

3.2.2 第二階段的詳細(xì)流程

第二階段的詳細(xì)流程如下：

步驟a：初始拓?fù)渲械乃蟹侄伍_關(guān)用集合2來表示。

步驟b：把第一類、第二類和第三類開關(guān)從集合2中排除。

步驟c：將2中的分段開關(guān)強(qiáng)制更改為聯(lián)絡(luò)開關(guān)，并關(guān)閉所有其他開關(guān)。然后執(zhí)行第一階段以獲取輻射狀拓?fù)浣Y(jié)構(gòu)，通過式（11）計(jì)算目標(biāo)函數(shù)，保存該拓?fù)渌鶎?duì)應(yīng)的損耗值。

步驟d：將聯(lián)絡(luò)開關(guān)關(guān)閉，切換回分段開關(guān)。

步驟e：對(duì)2中的每個(gè)開關(guān)重復(fù)步驟c～d，最終得到不同的拓?fù)洹?/p>

在第二階段中獲得的每個(gè)輻射狀拓?fù)涠紝⒆鳛榈谌A段的輸入。

3.3 基于第二類開關(guān)支路交換法

在第二階段中，假設(shè)了第二類開關(guān)的狀態(tài)不變；第三階段作為第二階段的補(bǔ)充，考慮了初始拓?fù)渲械诙愰_關(guān)的狀態(tài)，在第三階段中對(duì)第二類開關(guān)進(jìn)行更換可以減少耗時(shí)。即通過第二階段和第三階段就可以遍歷除第一和三類之外的所有分段開關(guān)。在第三階段中，主要是通過打開一個(gè)第二類的分段開關(guān)并關(guān)閉另一個(gè)聯(lián)絡(luò)開關(guān)來更改結(jié)束節(jié)點(diǎn)附近開關(guān)的狀態(tài)。當(dāng)閉合的開關(guān)斷開時(shí)，為確保網(wǎng)絡(luò)的連通性，只需要把斷開開關(guān)中的下游節(jié)點(diǎn)連接到網(wǎng)絡(luò)中的其他節(jié)點(diǎn)上。

第三階段的詳細(xì)流程如下：

步驟a：根據(jù)第二階段中得到的拓?fù)?，設(shè)3為僅包括所有第二類開關(guān)的集合。

步驟b：在不改變拓?fù)涞妮椛湫院瓦B通性的情況下，把3中的分段開關(guān)更換成聯(lián)絡(luò)開關(guān)并關(guān)閉一個(gè)聯(lián)絡(luò)開關(guān)，保存新形成的拓?fù)湓诩现小?/p>

步驟c：重復(fù)步驟“3.2支路交換法”找到集合，對(duì)中的每個(gè)元素按式（11）求解，然后記錄目標(biāo)函數(shù)，并找出能減少目標(biāo)函數(shù)的開閉開關(guān)組合操作。

步驟d：對(duì)3中的不同開關(guān)重復(fù)步驟b～c。

步驟e：組合中任意兩個(gè)或多個(gè)使得目標(biāo)函數(shù)減少的開關(guān)動(dòng)作，并重復(fù)步驟b～d。

步驟f：對(duì)于第一階段和第三階段中獲得的不同輻射狀拓?fù)浣Y(jié)構(gòu)，重復(fù)步驟a～e。

4 算例仿真

為驗(yàn)證本文所提方法的正確性和有效性，通過夏季典型日以每小時(shí)進(jìn)行重構(gòu)，考慮到風(fēng)電、光伏發(fā)電和充電汽車不確定性的影響，并分析每一次重構(gòu)消耗時(shí)間得出該方法的快速性，該仿真在IEEE136測(cè)試系統(tǒng)[17]上進(jìn)行，測(cè)試系統(tǒng)包括136個(gè)節(jié)點(diǎn)和135條支路，由135個(gè)分段開關(guān)和21個(gè)聯(lián)絡(luò)開關(guān)組成，其基準(zhǔn)電壓為13.8 kV，基準(zhǔn)功率為10 MVA，總負(fù)荷為45.288+i48.008 MVA，系統(tǒng)閉合時(shí)其總的損耗為271.85 kW。風(fēng)電光伏發(fā)電和電動(dòng)汽車負(fù)荷選取夏季典型代表日，具體數(shù)據(jù)參考文獻(xiàn)[16]和[17]。分別在89、107、135節(jié)點(diǎn)處加入相同型號(hào)的風(fēng)電發(fā)電WT1、WT2、WT3，在96、15、52節(jié)點(diǎn)處加入相同型號(hào)的光伏發(fā)電PV1、PV2、PV3，在132、25、83節(jié)點(diǎn)處接入相同型號(hào)的電動(dòng)汽車群EV1、EV2、EV3。本文算法涉及到的參數(shù)為：=1.75，=5.92，ci=4 m/s，r=14 m/s，co=24 m/s，r=1 MV，1=4，2=5，光伏發(fā)電機(jī)組共50×20組，A=2.16 m2，η=13.44%，=0.49，=5.13；電動(dòng)汽車100輛為一組，=15 kW，c=3.6 kW。圖1為初始拓?fù)漭椛錉罱泳€，其網(wǎng)絡(luò)損耗為295.97 kW。

圖1 改進(jìn)的IEEE136測(cè)試系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)

通過模型公式和相關(guān)的計(jì)算，得到了風(fēng)電、光伏和電動(dòng)汽車負(fù)荷一天中每個(gè)小時(shí)的功率和負(fù)荷出力期望值，如圖2所示。為了驗(yàn)證所提方法每一步的有效性，分別用所提方法的第一階段（方法1）、第一階段和第二階段（方法2）、第一階段和第三階段（方法3）、以及第一～三階段（方法4）進(jìn)行對(duì)比重構(gòu)，通過MATLAB仿真平臺(tái)對(duì)IEEE136測(cè)試系統(tǒng)進(jìn)行仿真驗(yàn)證，其重構(gòu)結(jié)果如表1所示。

圖2 風(fēng)電光伏功率和電動(dòng)汽車負(fù)荷曲線

表1 12點(diǎn)時(shí)4種不同步驟重構(gòu)的結(jié)果

表1顯示了4種方法的仿真結(jié)果，分別以斷開開關(guān)、算法耗時(shí)、功率損耗、節(jié)點(diǎn)最低電壓偏差和損耗相對(duì)誤差為比較指標(biāo)，對(duì)所提方法的每一階段進(jìn)行評(píng)價(jià)分析。由表1可以看出，每種算法都可以得到重構(gòu)最優(yōu)解，僅有第一階段參加重構(gòu)時(shí)，算法耗時(shí)最小為8.3 s。對(duì)比方法2和3可知，第三階段比第二階段耗時(shí)少3.8 s，由此可以說明把第二類開關(guān)放到第三階段中處理可以提高重構(gòu)速度；以方法4重構(gòu)結(jié)果為基準(zhǔn)，得出每種方法的損耗相對(duì)誤差。由表1的最后一欄可以看出，在第一階段的基礎(chǔ)上，加入第二階段比第三階段減少的損耗多0.54%，即在第一階段所得初始拓?fù)涞幕A(chǔ)上，運(yùn)用第二階段和第三階段都可以提高初始拓?fù)涞臏?zhǔn)確性，而第二階段得到的拓?fù)涓鼮榫_。

圖3和表1中第3列說明了該算法可以提高節(jié)點(diǎn)最低電壓。由于節(jié)點(diǎn)電壓主要受第二類分段開關(guān)的影響較大，方法3比方法2提高的電壓偏差多0.023 6；1.05為電壓越界上限。由圖3可以看出，在26、27、56節(jié)點(diǎn)和87到120節(jié)點(diǎn)處的越界節(jié)點(diǎn)電壓較多，而方法4較其他方法顯著地降低了越界的電壓，使各個(gè)節(jié)點(diǎn)處的電壓曲線平穩(wěn)，從而提高了電壓質(zhì)量。方法4重構(gòu)所得的各項(xiàng)指標(biāo)中，耗時(shí)16.5 s相對(duì)較多，但這個(gè)耗時(shí)在實(shí)際工程中可以接受，因此方法4更具有實(shí)用性。

圖3 12點(diǎn)時(shí)系統(tǒng)中各個(gè)節(jié)點(diǎn)處的電壓分布圖

表2是本文方法與文獻(xiàn)[18]方法對(duì)比情況，開關(guān)動(dòng)作只有3個(gè)不同，損耗較低，精度較高，最低節(jié)點(diǎn)電壓明顯提高，重構(gòu)速度提高了45.5倍，其原因?yàn)榕潆娋W(wǎng)中每條支路的初始狀態(tài)設(shè)置為關(guān)閉，并且網(wǎng)絡(luò)中存在環(huán)路。為了實(shí)現(xiàn)放射狀網(wǎng)絡(luò)，需要改變一些常閉的分段開關(guān)作為聯(lián)絡(luò)開關(guān)。文獻(xiàn)[18]是以不同維度進(jìn)行同時(shí)優(yōu)化所有開關(guān)，即在一次迭代中需要同時(shí)改變所有開關(guān)的狀態(tài)，對(duì)于大型系統(tǒng)的重構(gòu)這會(huì)非常耗時(shí)。相反，最優(yōu)流模式法和支路交換法的第一階段使用最優(yōu)流模式法來確定重構(gòu)方案的不同維度，即只有一個(gè)開關(guān)可以在一次迭代中更改其狀態(tài)。因此，本文方法可以有效地提高網(wǎng)絡(luò)重構(gòu)的效率。

表2 不同方法對(duì)比

5 結(jié)論

由于分布式電源和電動(dòng)汽車的大量接入，配電網(wǎng)的潮流已經(jīng)由單向變?yōu)殡S機(jī)潮流。本文針對(duì)隨機(jī)潮流的配電網(wǎng)重構(gòu)，提出了一種精確且快速的改進(jìn)啟發(fā)式重構(gòu)算法，該算法包括3個(gè)階段：第一階段是通過打開環(huán)路獲得輻射狀的初始拓?fù)?；為了提高拓?fù)渚龋诙A段通過強(qiáng)制打開初始拓?fù)渲械姆侄伍_關(guān)以獲得更精準(zhǔn)的拓?fù)?；第三階段在第一階段和第二階段的基礎(chǔ)上，采用支路交換法控制第二類型分段開關(guān)的動(dòng)作，從而加快重構(gòu)的速度。第二階段和第三階段分別對(duì)重構(gòu)的精度和速度進(jìn)行了改進(jìn)，并通過仿真與其他啟發(fā)式算法對(duì)比，驗(yàn)證了該方法的準(zhǔn)確性和快速性。該方法還可以應(yīng)用于微電網(wǎng)的規(guī)劃、重構(gòu)等領(lǐng)域。

[1] 譚文勇, 劉敏, 羅永平, 等. 配電網(wǎng)動(dòng)態(tài)重構(gòu)算法及時(shí)段劃分研究綜述[J]. 電測(cè)與儀表, 2020, 57(11): 63-67.

TAN WENYONG, LIU MIN, LUO YONGPING, et al. Review of research on algorithm and time division of dynamic reconfiguration of distribution network[J]. Electrical Measurement and Instrumentation, 2020, 57(11): 63-67(in Chinese).

[2] 葛少云, 張有為, 劉洪, 等. 考慮網(wǎng)架動(dòng)態(tài)重構(gòu)的主動(dòng)配電網(wǎng)雙層擴(kuò)展規(guī)劃[J]. 電網(wǎng)技術(shù), 2018, 42(5): 1526-1533.

GE SHAOYUN, ZHANG YOUWEI, LIU HONG, et al. Bi-layer expansion programming method for active distribution network considering dynamic grid reconfiguration[J]. Power System Technology, 2018, 42(5): 1526-1533(in Chinese).

[3] 潘本仁, 王和春, 張妍, 等. 含分布式電源的主動(dòng)配電網(wǎng)重構(gòu)策略研究[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(15): 102-107.

PAN BENREN, WANG HECHUN, ZHANG YAN, et al. Study on an active distribution network reconstruction strategy with distributed power supply[J]. Power System Protection and Control, 2020, 48(15): 102-107(in Chinese).

[4] 李揚(yáng), 韋鋼, 馬鈺, 等. 含電動(dòng)汽車和分布式電源的主動(dòng)配電網(wǎng)動(dòng)態(tài)重構(gòu)[J]. 電力系統(tǒng)自動(dòng)化, 2018, 42(5): 102-110.

LI YANG, WEI GANG, MA YU, et al. Dynamic reconfiguration of active distribution network considering electric vehicles and distributed generations[J]. Automation of Electric Power Systems, 2018, 42(5): 102-110(in Chinese).

[5] BORGES M C O, FRANCO J F, RIDER M J. Optimal reconfiguration of electrical distribution systems using mathematical programming[J]. Journal of Control, Automation & Electrical Systems, 2014, 25: 103-111(in Chinese).

[6] 陽(yáng)曉明, 呂紅芳, 朱輝. 基于改進(jìn)人工魚群算法的配電網(wǎng)絡(luò)重構(gòu)[J]. 電測(cè)與儀表, 2020, 57(17): 72-78.

YANG XIAOMING, LV HONGFANG, ZHU HUI. Reconfiguration of distribution network based on improved artificial fish swarm algorithm[J]. Electrical Measurement & Instrumentation, 2020, 57(17): 72-78(in Chinese).

[7] 王威, 韓學(xué)山, 王勇, 等. 一種減少生成樹數(shù)量的配電網(wǎng)最優(yōu)重構(gòu)算法[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2008, 28(16): 34-38.

WANG WEI, HAN XUESHAN, WANG YONG, et al. A distribution network optimal reconfiguration algorithm of reducing the number of spinning trees[J]. Proceedings of the CSEE, 2008, 28(16): 34-38(in Chinese).

[8] GONZALEZ A, ECHAVARREN F M, ROUCO L, et al. A sensitivities computation method for reconfiguration of radial networks[J]. IEEE Transactions on Power Systems, 2012, 27(3): 1294-1301.

[9] ZHAN J, LIU W, CHUNG C Y, et al. Switch opening and exchange method for stochastic distribution network reconfiguration[J]. IEEE Transactions on Smart Grid, 2020, 11(4): 2995-3007.

[10] ASRARI A, WU T, LOTFIFARD S. The impacts of distributed energy sources on distribution network reconfiguration[J]. IEEE Transactions on Energy Conversion, 2016, 31(2): 606-613.

[11] RAMOS E R, EXPOSITO A G, SANTOS J R, et al. Path-based distribution network modeling: application to reconfiguration for loss reduction[J]. IEEE transactions on power systems, 2005, 20(2): 556-564.

[12] LAVORATO M, FRANCO J F, RIDER M J, et al. Imposing radiality constraints in distribution system optimization problems[J]. IEEE Transactions on Power Systems, 2012, 27(1): 172-180.

[13] FRANCO J F, RIDER M J, LAVORATO M, et al. A mixed-integer LP model for the reconfiguration of radial electric distribution systems considering distributed generation[J]. Electric Power Systems Research, 2013, 97(4): 51-60.

[14] MISHRA S, DAS D, PAUL S. A comprehensive review on power distribution network reconfiguration[J]. Energy Systems, 2017, 8(2): 227-284.

[15] 謝琳宇, 唐忠, 黃星宇, 等. 考慮分布式電源和電動(dòng)汽車不確定性的雙層動(dòng)態(tài)配網(wǎng)重構(gòu)[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(10): 1-11.

XIE LINYU, TANG ZHONG, HUANG XINGYU, et al. Bi-layer dynamic reconfiguration of a distribution network considering the uncertainty of distributed generation and electric vehicles[J]. Power System Protection and Control, 2020, 48(10): 1-11(in Chinese).

[16] 閆紅強(qiáng). 含分布式電源及電動(dòng)汽車充電負(fù)荷電力系統(tǒng)的概率潮流計(jì)算方法研究[D]. 蘭州: 蘭州理工大學(xué), 2017.

[17] AHMADI H, MARTí J R. Minimum-loss network reconfiguration: a minimum spanning tree problem[J]. Sustainable Energy, Grids and Networks, 2015, 1: 1-9.

[18] UNESP-FEIS electrical energy systems planning laboratory homepage[EB/OL]. [2021-04-02]. http:// www.dee.feis.unesp.br/lapsee/.

Research on Probabilistic Power Flow Reconfiguration of Distribution Network Based on Improved Heuristic Algorithm

DENG Peng, LIU Min, CAO Peng, CHEN Mingyang

(The Electrical Engineering College, Guizhou University, Guiyang 550025, China)

Distribution Network Reconfiguration (DNR) is an effective measure to determine the optimal topology of the distribution network and reduce network losses. Due to the massive access of distributed generation (DG) and electric vehicles (EV), the power flow of the distribution network is probabilistic. The traditional reconstruction method can no longer quickly and accurately obtain the reconstruction optimal solution of probabilistic power flow. Proposes a reconstruction model that considers the randomness and uncertainty of distributed generation and electric vehicles, aims to reduce network losses and improve voltage quality, and adopts optimal power flow (OPF) and branch exchange method (BEM) in the heuristic algorithm to speed up reconstruction. The validity and correctness of the algorithm are verified by the IEEE136 test system. The results show that this algorithm achieves deep optimization and can effectively solve the problem of dynamic reconstruction of probabilistic power flow.

distribution network reconfiguration; probabilistic power flow; improved heuristic algorithm; OPF; BEM

10.3969/j.ISSN.1672-0792.2021.08.005

TM721

A

1672-0792(2021)08-0033-08

2021-01-29

鄧 鵬（1992—），男，碩士研究生，研究方向?yàn)殡娏ο到y(tǒng)及其自動(dòng)化；

劉 敏（1972—)，女，教授，主要研究方向?yàn)殡娏ο到y(tǒng)分析、電力市場(chǎng)、電力系統(tǒng)優(yōu)化；

曹 鵬（1997—），男，碩士研究生，研究方向?yàn)殡娏ν顿Y規(guī)劃、電力市場(chǎng)；

陳名揚(yáng)（1995—），男，碩士研究生，研究方向?yàn)殡娋W(wǎng)優(yōu)化調(diào)度、智能配電網(wǎng)。

劉 敏