張時(shí)雨，周　陽，張圓美,劉佳瀅

(東北電力大學(xué) 電氣工程學(xué)院，吉林 吉林 132012)

?

含分布式電源的配電網(wǎng)絡(luò)重構(gòu)

張時(shí)雨，周陽，張圓美,劉佳瀅

(東北電力大學(xué) 電氣工程學(xué)院，吉林 吉林 132012)

隨著分布式電源(Distributed Generation，DG)的廣泛應(yīng)用，其對(duì)配電網(wǎng)重構(gòu)也有著巨大的影響。提出育種算法和二進(jìn)制粒子群算法相結(jié)合，采用一種交互機(jī)制，在兩種算法每次分別迭代后的最優(yōu)解中，擇出最優(yōu)，提高了最優(yōu)解的有效性。通過對(duì)IEEE33節(jié)點(diǎn)系統(tǒng)的算例進(jìn)行仿真，驗(yàn)證了算法能在減少迭代次數(shù)的同時(shí)，提高計(jì)算效率和計(jì)算速度，對(duì)于含有DG的配電網(wǎng)絡(luò)重構(gòu)是一種有效的算法。

配電網(wǎng)重構(gòu)；分布式電源；育種算法；二進(jìn)制粒子群算法

分布式電源(Distributed Generation，DG)是指小型模塊式的(容量小于50 MW)，且與環(huán)境兼容的獨(dú)立電源[1]。DG作為新興的發(fā)電方式其具有高環(huán)保性、高可靠性、高經(jīng)濟(jì)性等特點(diǎn)[2]。隨著DG大量接入配電網(wǎng)，其對(duì)電力系統(tǒng)的影響也不容忽視。其中配電網(wǎng)絡(luò)重構(gòu)是優(yōu)化配電系統(tǒng)運(yùn)行的重要手段，是通過改變配電網(wǎng)線路的分段開關(guān)和聯(lián)絡(luò)開關(guān)狀態(tài)來改變配電網(wǎng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，以達(dá)到各饋線的負(fù)荷平衡，降低網(wǎng)損，消除過載，從而能夠確保配電網(wǎng)絡(luò)安全經(jīng)濟(jì)運(yùn)行[3]。

配電網(wǎng)中存在著許多的分段開關(guān)和聯(lián)絡(luò)開關(guān)，從數(shù)學(xué)的角度來講，配電網(wǎng)絡(luò)重構(gòu)是一個(gè)十分復(fù)雜并且具有多個(gè)非線性目標(biāo)數(shù)學(xué)組合優(yōu)化問題。目前配電網(wǎng)絡(luò)重構(gòu)方法有很多，人工神經(jīng)網(wǎng)絡(luò)算法和開關(guān)交換法的實(shí)現(xiàn)比較簡(jiǎn)單，且優(yōu)化速度較快，但系統(tǒng)的初始結(jié)構(gòu)容易影響到優(yōu)化結(jié)果，并不能保證結(jié)果收斂到最優(yōu)解[4-7]。而人工智能算法比較適合于去尋找全局的最優(yōu)解，但計(jì)算效率和收斂速度一般[8-9]。

通過分析引入分布式電源對(duì)配電網(wǎng)網(wǎng)絡(luò)重構(gòu)的影響及現(xiàn)有重構(gòu)算法的不足，本文提出將育種算法和二進(jìn)制粒子群算法融合，將最優(yōu)解的選擇深入化并對(duì)接入DG的配電網(wǎng)絡(luò)進(jìn)行重構(gòu)。算例結(jié)果表明，該結(jié)合算法可優(yōu)化最優(yōu)解的選擇；DG的接入提高了對(duì)網(wǎng)絡(luò)運(yùn)行的經(jīng)濟(jì)性和電壓的穩(wěn)定性，驗(yàn)證了此算法的可行性。

1　配電網(wǎng)重構(gòu)數(shù)學(xué)模型

1.1目標(biāo)函數(shù)

配電網(wǎng)重構(gòu)的目標(biāo)多為降低網(wǎng)損、平衡負(fù)荷、提高節(jié)點(diǎn)電壓質(zhì)量等[10-12]，本文以網(wǎng)損最小為目標(biāo)函數(shù)，表達(dá)式為：

(1)

式中：L為支路總數(shù)；ki=1為i支路的閉合；ki=0為i支路斷開；Pi為i支路末端流過的有功，Qi為無功功率；Ri為i支路電阻；Ui為i支路末端節(jié)點(diǎn)電壓。

1.1約束條件

配電網(wǎng)重構(gòu)過程中還需考慮節(jié)點(diǎn)電壓、節(jié)點(diǎn)電流、饋線容量以及網(wǎng)絡(luò)結(jié)構(gòu)的約束等等因素[13-15]。

(1)容量

Si

(2)

式中：Si為i支路上的傳輸功率；Simax為在支路i上的傳輸功率的最大傳輸功率。

(2)電壓

Uimin≤Ui≤Uimax，i=1，2…，n ，

(3)

式中：Ui為i節(jié)點(diǎn)的節(jié)點(diǎn)電壓；Uimax為i節(jié)點(diǎn)電壓的上極限；Uimin為i節(jié)點(diǎn)電壓的下極限。

(3)電流

Ii≤Iimax，i=1，2…，n ，

(4)

式中：Ii為饋線上的電流；Iimax為饋線上所能允許的電流的最大電流。

2　二進(jìn)制粒子群算法和育種算法

2.1二進(jìn)制粒子群算法(Binary Partille Swarm Optimization,BPSO)

首先，使種群初始化。抽取M個(gè)粒子。在這個(gè)初始化的過程中，其中每個(gè)粒子的狀態(tài)(包括移動(dòng)速度和當(dāng)前位置),都可以用兩個(gè)N維向量來加以表示，它們分別標(biāo)記為：X1=(X11，X12，…，X1M)和V1=(V11，V12，…，V1M)。X1是粒子個(gè)體到已知現(xiàn)在的時(shí)間點(diǎn)所經(jīng)歷的途徑的最佳位置，能夠充分體現(xiàn)表示粒子所存在的自身搜索經(jīng)驗(yàn)，也就是個(gè)體極值Pk1，可以記為 P1=(P11，P12，…，P1M)。V1是目前的所有運(yùn)動(dòng)粒子的最佳運(yùn)動(dòng)位置，也就是其他粒子的個(gè)體搜索經(jīng)驗(yàn)，也就是全局極值Pk，記為P1=(P1，P2，…，PM)。所有的粒子都必須要檢索到這兩個(gè)極值才能更新搜索的速度和進(jìn)程，進(jìn)而能夠準(zhǔn)確的刷新粒子自身的定位點(diǎn)，直到可以檢測(cè)搜索到全局最優(yōu)的位置和速度。下面是由Kennedy和Eberhart最初所提出的標(biāo)準(zhǔn)粒子群優(yōu)化算法[16]的數(shù)學(xué)公式描述：

(5)

(6)

w=(wmax-wmin)(tmax-t)/tmax+wmin，

(7)

2.2育種算法(breeding algorithm，BA)

育種算法是通過農(nóng)民孕育種子的方法得到啟發(fā)而提出的觀點(diǎn)。農(nóng)業(yè)中的種子往往是從上一年收成最好的地里的作物中選取，把選取的種子進(jìn)行培育，下一代種子都由上一代的這個(gè)最優(yōu)秀的種子培育而來，再進(jìn)行播種。然后再在收成最好的地理的作物中選取下一代的種子，再培育，再播種。由此可見，育種算法實(shí)際上是由遺傳算法改良而來的一種算法，從遺傳算法的不足入手，提高了種群的進(jìn)化速度，縮短了尋優(yōu)所需的時(shí)間，避免了遺傳算法的退化現(xiàn)象，從根本上降低了收斂于局部解的可能[17-20]。

3　兩種算法的結(jié)合

對(duì)于含有分布式電源的配電網(wǎng)重構(gòu)，二進(jìn)制粒子群算法在尋求最優(yōu)解時(shí)，初期最優(yōu)解的收斂速度很快，但隨著迭代次數(shù)增加，容易陷入局部最優(yōu)，導(dǎo)致全局搜索能力弱，而出現(xiàn)“早熟”的特點(diǎn)。若將二進(jìn)制粒子群算法和育種算法結(jié)合，即當(dāng)二進(jìn)制粒子群算法在迭代過程中陷入局部最優(yōu)時(shí)，通過育種算法的變異機(jī)制使粒子跳出局部最優(yōu)，避免BPSO的缺陷，從而找到全局最優(yōu)解。如圖1所示。

圖1　 BPSO和育種算法的混合算法

本算法的程序流程如下：

步驟1：確定算法參數(shù)，隨機(jī)的初始化種群A，種群數(shù)目為2M，學(xué)習(xí)因子為C1、C2，最大的進(jìn)化代數(shù)為T-max，慣性權(quán)重因子w，初始化粒子種群；

步驟2：將初始種群均分為兩部分：BPSO種群、育種算法種群；

步驟3：如果迭代計(jì)數(shù)器T>T-max，則結(jié)束，否則轉(zhuǎn)入步驟4；

步驟4：更新BPSO種群的個(gè)體進(jìn)行速度和位置，對(duì)個(gè)體最優(yōu)和全局最優(yōu)位置更新；

步驟5：對(duì)育種算法種群個(gè)體進(jìn)行特殊變異操作，對(duì)個(gè)體最優(yōu)和全局粒子的最優(yōu)位置更新；

步驟6：選出BPSO種群中的最佳個(gè)體。

圖2　接入DG的IEEE 33節(jié)點(diǎn)配電網(wǎng)示意圖

4　接入DG的配電網(wǎng)重構(gòu)算例分析

本文系統(tǒng)如圖2所示，將分布式電源以負(fù)電荷的形式接入分布式電源的IEEE 33 節(jié)點(diǎn)配電網(wǎng)系統(tǒng)。其網(wǎng)絡(luò)額定電壓為12.66 kV，網(wǎng)絡(luò)總負(fù)荷為3 715.0 kW+j2 300.0 kVar。將分布式電源接在該系統(tǒng)7、17、19、29節(jié)點(diǎn)上，如表1所示系統(tǒng)的具體數(shù)據(jù)。重構(gòu)前，支路7-20、8-14、11-21、17-32、24-28斷開。

表1　含DG的IEEE 33節(jié)點(diǎn)配電網(wǎng)系統(tǒng)的數(shù)據(jù)

當(dāng)DG接入配電網(wǎng)時(shí)，支路17-36、29-35、7-33、19-34上的電抗與電阻忽略，幾乎認(rèn)為是零，其根本原因是由于支路節(jié)點(diǎn)的負(fù)荷距離DG很近；DG的輸入功率則按照負(fù)荷的輸入功率來進(jìn)行計(jì)算。重構(gòu)后的結(jié)果如表2所示。

表2　接入分布式電源的IEEE 33節(jié)點(diǎn)配電網(wǎng)重構(gòu)結(jié)果

圖3　四種情況節(jié)點(diǎn)電壓值的比較

對(duì)配電網(wǎng)進(jìn)行重構(gòu)后，當(dāng)打開開關(guān)13-14，8-9，24-28，6-7，31-32能得到的網(wǎng)損最小的重構(gòu)結(jié)果。由表2所示，配電系統(tǒng)在不接入DG時(shí)候的網(wǎng)絡(luò)損耗是203.56 kW，在接入DG以后系統(tǒng)的網(wǎng)絡(luò)損耗相比于重構(gòu)前減少了54%，降低到了91.99 kW，可見，加入DG能夠有效地降低網(wǎng)絡(luò)損耗，提高運(yùn)行的經(jīng)濟(jì)性。

從表2我們可以看出，最低電壓節(jié)點(diǎn)的電壓原始網(wǎng)絡(luò)時(shí)為0.902 8 p.u.接入DG優(yōu)化網(wǎng)絡(luò)后增加到了0.952 7 p.u.。同時(shí)，觀察圖3中每種情況各節(jié)點(diǎn)電壓值的變化曲線可知，含有DG的網(wǎng)絡(luò)中各點(diǎn)電壓浮動(dòng)降低，進(jìn)行網(wǎng)絡(luò)優(yōu)化后，提高了節(jié)點(diǎn)電壓，配電網(wǎng)電能質(zhì)量和網(wǎng)絡(luò)電壓都能達(dá)到最佳狀態(tài)。

5　結(jié)　　論

本文在傳統(tǒng)網(wǎng)絡(luò)重構(gòu)的研究中接入了DG，并把育種算法和二進(jìn)制粒子群算法相融合，采用一種交互機(jī)制，在兩種算法每次分別迭代后的最優(yōu)解中，擇出最優(yōu)，克服 “早熟”現(xiàn)象，并提高最優(yōu)解有效性。結(jié)果表明，DG接入的配電網(wǎng)重構(gòu)對(duì)系統(tǒng)運(yùn)行的可靠性和經(jīng)濟(jì)性有著重要的作用，并且該混合算法的具有可行性。

[1]黃偉，孫昶輝，吳子平,等.含分布式的配電網(wǎng)重構(gòu)[D].天津：天津大學(xué)，2009.

[2]梁鐘輝.基于多目標(biāo)理論的輸電網(wǎng)絡(luò)規(guī)劃方法及北通道輸電規(guī)劃研究：[D].北京：北京交通大學(xué)，2009：20-30.

[3]王鶴，趙建軍，金一.基于逆變型分布式電源的電能質(zhì)量管理研究[J].東北電力大學(xué)學(xué)報(bào)，2014，34(6)：37-40.

[4]劉健，畢鵬翔，董海鵬.復(fù)雜配點(diǎn)網(wǎng)絡(luò)重構(gòu)的研究[M].北京：中國電力出版社，2002.

[5]畢鵬翔，劉健，張文元等.配電網(wǎng)重構(gòu)的研究[J].電力系統(tǒng)自動(dòng)化，2001，25(4)：54-60.

[6]吳本悅，趙登福，劉云,等一種新的配電網(wǎng)絡(luò)重構(gòu)最優(yōu)流模式算法[J].西安交通大學(xué)學(xué)報(bào)，2009，33(4)：21-24.

[7]Borozan V，Rajakovie N.Application assessments of distribution network minimum loss reconfiguration[J].IEEE Trans on Power Delivery，2013，12(4)：1786-1792.

[8]李海鋒，張堯，錢國基，黃健.配電網(wǎng)故障恢復(fù)重構(gòu)算法的研究[J].電力系統(tǒng)自動(dòng)化，2001，25(8)：53-55.

[9]王秀麗，吳宏曉，別朝紅，王錫凡.以提高系統(tǒng)可靠性為目標(biāo)的配電網(wǎng)絡(luò)重構(gòu)[J].中國電力，2001，34(9)：40-43.

[10] 陳根軍，唐國慶.基于禁忌搜索與蟻群最優(yōu)結(jié)合算法的配電網(wǎng)規(guī)劃[J].電網(wǎng)技術(shù)，2005，29(2)：23-17.

[11] 袁曉輝，王乘，張勇傳,等.粒子群優(yōu)化算法在電力系統(tǒng)中的應(yīng)用[J].電網(wǎng)技術(shù)，2004，28(19)：14-19.

[12] Mareos A.N.GuimarZles，JorgeE C.Lorenzeti，Carlos A.Castro.Reconfiguration of disrtibution systems for stability mgarin enhnnaeement using tabu seareh[C]，2004 Intemational Conefrence on Power System Teehnology.(SingPaore.November 21-23，2004).

[13] 顧潔.粒子群優(yōu)化算法在配電網(wǎng)網(wǎng)架優(yōu)化規(guī)劃中的應(yīng)用[J].繼電器，2006，34(6)：29-33.

[14] 袁曉輝，王乘，袁艷斌,等.一種求解機(jī)組組合問題的新型改進(jìn)粒子群方法[J].電力系統(tǒng)自動(dòng)化，2005，29(1)：34-35.

[15] 劉自發(fā)，葛少云，余貽鑫.一種混合智能算法在配電網(wǎng)絡(luò)重構(gòu)中的應(yīng)用[J].中國電機(jī)工程學(xué)報(bào)，2005，25(15)：73-78.

[16] Kashem M A，Jasmon G B.A New Approach of Distribution System Reconfiguration for Loss Minimization[J].Electric Power and Energy Systems，2010，22：269-276.

[17] Baran M E，WU F F.Network reconfiguration in distribution systems for loss reduction and load balancing[J].IEEE Trans On Power Delivery，2012，4(2)：1401-1407.

[18] 余健明，蔡利敏，楊文宇.基于提高系統(tǒng)可靠性降低網(wǎng)損配電網(wǎng)絡(luò)重構(gòu)[J].電工技術(shù)學(xué)報(bào)，2009，19(10)：70-73.

[19] Goswami S K，Basu S K.A New Algorithm for the Reconfiguration of Distribution Feeders for Loss Minimization[J].IEEE Trans on Power Delivery，2012，7(3)：1484-1491.

[20] 鄧佑滿，張伯明，相年德.配電網(wǎng)絡(luò)重構(gòu)的改進(jìn)最優(yōu)流模式算法[J].電網(wǎng)技術(shù)，1995，19(7)：47-50.

The Reconfiguration of Distribution Network with Distributed Generation

ZHANG Shi-yu，ZHOU Yang，ZHANG Yuan-mei，LIU Jia-ying

(Electrical Engineering College，Northeast Dianli University，Jilin Jilin 132012)

As Distributed Generation(DG) enters wide application，it has made great difference to restructuring power distribution.In this context，it proposes that the breeding algorithm should be integrated with the binary particle swam through an interactive mechanism to produce optimal solutions.Among them，we select the best resolve to make it more effective.We simulate the calculating process of IEEE33 power distribution system，which proves that the working process makes computing more efficient and fast while cutting iterations.The calculating method remains effective for readjusting power distribution network with DG.

Distribution network reconfiguration；Distributed，Generation；Breeding algorithm；Binary particle swarm optimization algorithm

2016-04-12

張時(shí)雨(1991-)，男，遼寧省昌圖縣人，東北電力大學(xué)電氣工程學(xué)院在讀碩士研究生，主要研究方向：電力電子.

1005-2992(2016)04-0007-05

TM733

A