摘 要：配電網(wǎng)重構(gòu)是配電網(wǎng)絡降低網(wǎng)損、平衡負荷、實現(xiàn)最佳運行方式的主要措施。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用化方面有待考驗，同時存在計算時間過長的問題。因此，對配電網(wǎng)絡進行有效優(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)的各種算法進行了簡要闡述，并分析各算法的特點及存在的問題，為該研究領(lǐng)域的進一步發(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)濟性，就需要運用到配電網(wǎng)重構(gòu)這一必要手段。配電網(wǎng)重構(gòu)作為配電網(wǎng)絡降低網(wǎng)損、平衡負荷、實現(xiàn)最佳運行方式的主要措施，可以提高電壓的質(zhì)量，使負荷達到平衡值，將網(wǎng)損降至最低，以便于達到最優(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)注的一項研究項目。

1 為了更好的提高整個電網(wǎng)系統(tǒng)的安全性和經(jīng)濟性

配電網(wǎng)絡重構(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，具有實用化潛力，但需進行多次潮流計算，對于如何得到全局最優(yōu)解，仍是一個值得探討的問題，而人工智能算法能以較大的概率保證收斂到全局最優(yōu)，但計算量較大，計算時間較長，難以實時應用。

隨著配電網(wǎng)絡的大型化、復雜化和供電企業(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用性和經(jīng)濟性的最優(yōu)方法，全面的解決存在于數(shù)值運算的速度、尋求最優(yōu)化的效果的問題上。由此可見，當前形勢下對配網(wǎng)重構(gòu)算法進行綜合分析，找出各算法的優(yōu)缺點對促進配電網(wǎng)重構(gòu)的進一步發(fā)展擁有著最為重要的現(xiàn)實的意義。

2 最優(yōu)的傳統(tǒng)方式

數(shù)學優(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)學優(yōu)化理論法

數(shù)學優(yōu)化理論法是指直接而非間接地運用現(xiàn)階段的最優(yōu)化的數(shù)學原理，對電力系統(tǒng)進行配網(wǎng)重構(gòu)的一種傳統(tǒng)的優(yōu)化方法，其中，數(shù)學優(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)學方法組合而成。

對于數(shù)學優(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，但存在計算時間較長以及在實際應用中存在的嚴重問題是：維數(shù)的逐步增加，會促使“組合爆炸”的現(xiàn)象提前發(fā)生，從這點可以看出，數(shù)學優(yōu)化理論法不適于復雜的大規(guī)模的電力系統(tǒng)的處理，同時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雜的問題，其將開關(guān)組合問題轉(zhuǎn)化為優(yōu)化潮流的計算問題，由于重構(gòu)結(jié)構(gòu)與初始網(wǎng)絡狀態(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，就共同存在著多個環(huán)網(wǎng)，這種情況會在求解最優(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，對于配電潮流進行數(shù)次計算，以確保正確的開關(guān)順序，以及不至于擴展成為多目標函數(shù)。

2.3 支路交換法

在采用支路交換這種優(yōu)化方法時，因為總是將每次運算的結(jié)果與輻射型的拓撲結(jié)構(gòu)相對應，并將配電網(wǎng)輻射型的運行狀態(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算潮流或者是計算量較少的優(yōu)點；然而，最終收斂性依舊是取決于網(wǎng)絡初始結(jié)構(gòu)，這項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)學運算的弊端，還可以完善的解決某些運用傳統(tǒng)的數(shù)學運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)絡法與遺傳法、蟻群算法與模擬退火算法等運算方法。

3.1 神經(jīng)網(wǎng)絡法

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)絡法。而將人工的神經(jīng)網(wǎng)絡法用于配電網(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性搜索方法，其以自然基因選擇機理為基礎(chǔ)理論，進而求解優(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)成的適應度函數(shù)，在對生物進化的繁殖、交叉、變異的過程中，對其進行模擬操作，并將各開關(guān)的狀態(tài)嘗試著進行改變，從中尋找出網(wǎng)損最小的最優(yōu)化的網(wǎng)絡結(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，不僅具備著以概率1的點收斂到全局最優(yōu)點的收斂性，還對其初始條件以及目標函數(shù)沒有任何過度的要求。但其存在計算速度較慢、尋優(yōu)時間過長的確定。

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化算法。具有不依賴于各種初始參數(shù)、正反饋、分布式計算、易與其它算法相結(jié)合以及富于建設性貪婪啟發(fā)式搜索的主要特點，特別適合組合優(yōu)化問題。但也存在搜索時間長、易陷入最優(yōu)解的局部算法或是較早的結(jié)束運算等問題。

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出來的。該算法的要點是：在合適的全局冷卻的設計的過程中，需要通過交換支路法所形成的一種網(wǎng)絡結(jié)構(gòu)，計算出潮流以及網(wǎng)損的變化程度，如若有新的網(wǎng)絡結(jié)構(gòu)存在較小的網(wǎng)損，就需要將這種網(wǎng)絡結(jié)構(gòu)完整的保留下來，不然將會按照一定的概率接收新的網(wǎng)絡結(jié)構(gòu)。

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

除了人工智能算法外，其它的智能算法也會被廣泛的應用于配電網(wǎng)絡重構(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，近年應運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間，從而很好的克服了單個算法自身存在的固有缺點，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)學模型仍需進行深入的研究；同時，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，在進行配電網(wǎng)重構(gòu)時必須考慮分布式電源的影響，需要綜合運用現(xiàn)有算法或探索新算法，尋找更為優(yōu)化的方法，以此來達到各目標的需求。

5 結(jié)論

傳統(tǒng)優(yōu)化算法計算量小，計算速度快，但配電網(wǎng)的初始結(jié)構(gòu)將會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，譬如對于運算所計算的時間過長，不易于將其應用于實際方法中；且配電網(wǎng)重構(gòu)時的算法形式過于單一，這將會造成很大的局限性，因此，應于配電網(wǎng)重構(gòu)建設時所反映的實際情況相結(jié)合，并將傳統(tǒng)優(yōu)化方法與人工智能算法二者有機地結(jié)合起來，推動配電網(wǎng)重構(gòu)向更好的方向發(fā)展。

參考文獻：

[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.配電網(wǎng)絡重構(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)絡重構(gòu)中的應用[J].中國電機工程學報，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)的蜜蜂進化型遺傳算法[J].電力系統(tǒng)控制與保護，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。