王金玉， 張志明， 孔德健， 胡明哲

(1.東北石油大學(xué) 電氣信息工程學(xué)院，黑龍江 大慶 163318；2.國(guó)網(wǎng)冀北電力有限公司檢修分公司，北京 102488)

廣泛學(xué)習(xí)量子進(jìn)化的含分布式電源配電網(wǎng)重構(gòu)

王金玉1， 張志明1， 孔德健2， 胡明哲1

(1.東北石油大學(xué) 電氣信息工程學(xué)院，黑龍江 大慶 163318；2.國(guó)網(wǎng)冀北電力有限公司檢修分公司，北京 102488)

在分布式發(fā)電條件下對(duì)配電網(wǎng)重構(gòu)問(wèn)題進(jìn)行研究，可進(jìn)一步提高系統(tǒng)供電的安全性與可靠性，同時(shí)有效地減小線路損耗，這對(duì)實(shí)現(xiàn)配電自動(dòng)化，建設(shè)智能配電網(wǎng)有著重大作用和意義。通過(guò)對(duì)量子進(jìn)化算法基本理論進(jìn)行介紹并將其與廣泛學(xué)習(xí)的思想相結(jié)合，提出基于廣泛學(xué)習(xí)的量子進(jìn)化算法，并應(yīng)用于配電網(wǎng)優(yōu)化重構(gòu)。以IEEE33節(jié)點(diǎn)系統(tǒng)為例，通過(guò)仿真實(shí)驗(yàn)分析不同數(shù)量的DG接入電網(wǎng)中，系統(tǒng)的網(wǎng)損和電壓變化情況。MATLAB仿真結(jié)果驗(yàn)證了方法的有效性。

電力系統(tǒng)； 分布式發(fā)電； 配電網(wǎng)重構(gòu)優(yōu)化；廣泛學(xué)習(xí)量子進(jìn)化算法； 仿真驗(yàn)證

0 引 言

作為當(dāng)今世界電力系統(tǒng)發(fā)展變革的主流趨勢(shì)，智能電網(wǎng)在兼容傳統(tǒng)大型集中的發(fā)電廠的同時(shí)也應(yīng)兼容不斷增多的分布式發(fā)電(Distributed Generation, DG)。分布式發(fā)電多指在比較靠近終端負(fù)載的地方、以及低壓電網(wǎng)中配置的小型發(fā)電設(shè)備[1]。雖然DG的發(fā)電功率較小，一般從幾千瓦到幾十兆瓦不等，但其靈活高效的發(fā)電形式使DG在現(xiàn)代電力系統(tǒng)中扮演著重要的角色[2]。由于DG并網(wǎng)后將在一定程度上對(duì)配電網(wǎng)的運(yùn)行與控制產(chǎn)生影響，因此進(jìn)行配電網(wǎng)重構(gòu)(Distribution Network Reconfiguration, DNR)具有重要意義，通過(guò)配電網(wǎng)優(yōu)化重構(gòu)能夠?qū)崿F(xiàn)負(fù)荷轉(zhuǎn)移，進(jìn)而對(duì)饋線的負(fù)荷進(jìn)行調(diào)節(jié)，達(dá)到消除過(guò)載的目的，同時(shí)對(duì)電壓質(zhì)量進(jìn)行改善。

1 廣泛學(xué)習(xí)基本原理

圖1 廣泛學(xué)習(xí)流程

廣泛學(xué)習(xí)思想的提出是為了提升粒子群算法全局搜索的能力，以更好地解決多模態(tài)函數(shù)優(yōu)化問(wèn)題[3]。廣泛學(xué)習(xí)思想的引入擴(kuò)大了粒子的學(xué)習(xí)范圍：使其不僅能學(xué)習(xí)自身的最優(yōu)解，還可以對(duì)其他粒子的最優(yōu)解進(jìn)行學(xué)習(xí)[4]，因此廣泛學(xué)習(xí)使粒子具有更廣的信息更新范圍。粒子個(gè)體廣泛學(xué)習(xí)的流程如圖1所示。其中，Ps——種群大小；M——染色體長(zhǎng)度；i——第i個(gè)體；j——第i個(gè)體的第j位；Pc——學(xué)習(xí)概率；k1，k2——兩個(gè)隨機(jī)選擇的個(gè)體；f(·)——適應(yīng)度值；[ ]——取整運(yùn)算。

廣泛學(xué)習(xí)方法具體過(guò)程為：首先設(shè)定初始觀測(cè)值作為學(xué)習(xí)的最優(yōu)解，同時(shí)令Pci為各個(gè)體的學(xué)習(xí)概率，Pci∈[0,1]。對(duì)于不同個(gè)體i的第j位量子比特產(chǎn)生介于0和1之間的隨機(jī)數(shù)rand，若條件rand

2 廣泛學(xué)習(xí)量子進(jìn)化算法

圖2 CLQIEA算法流程框圖

將廣泛學(xué)習(xí)的思想與量子進(jìn)化算法結(jié)合，提出廣泛學(xué)習(xí)量子進(jìn)化算法[5](Comprehensive Learning Quantum-inspired Evolutionary Algorithm，CLQIEA)，該算法原理流程圖如圖2所示。

廣泛學(xué)習(xí)量子進(jìn)化算法(CLQEA)采取廣泛學(xué)習(xí)策略對(duì)種群Q(t)進(jìn)行廣泛學(xué)習(xí)[6]，通過(guò)廣泛學(xué)習(xí)的結(jié)果進(jìn)一步引導(dǎo)更新的個(gè)體，第i個(gè)個(gè)體初值Δθi的計(jì)算公式如式(1)所示。量子旋轉(zhuǎn)角的方向可以通過(guò)量子比特值和適應(yīng)度值進(jìn)行快速而準(zhǔn)確的確定并用量子門(mén)對(duì)種群Q(t)進(jìn)行更新。同時(shí)增加迭代次數(shù)t，直至滿足終止條件。

Δθi=sign[(xi-bi)×fi(b)]×Δθ

(1)

式中xi—所觀測(cè)的第i個(gè)量子比特位；bi—第i個(gè)量子比特位的學(xué)習(xí)目標(biāo)；sign—符號(hào)函數(shù)；fi(·)—第i個(gè)量子比特位學(xué)習(xí)目標(biāo)的適應(yīng)度值；Δθ—設(shè)定的初值。

3 含分布式發(fā)電的配電網(wǎng)重構(gòu)方法

3.1 含分布式發(fā)電的配電網(wǎng)重構(gòu)優(yōu)化模型

當(dāng)配電網(wǎng)系統(tǒng)沒(méi)有故障時(shí)，配電網(wǎng)絡(luò)重構(gòu)僅對(duì)線路損耗產(chǎn)生影響[7]，因此有功功率損耗最小的目標(biāo)函數(shù)可用式(2)表示，式中：Nb為總支路數(shù)，Ri、Pi、Qi、Ui分別代表第i條支路的電阻、有功、無(wú)功和節(jié)點(diǎn)電壓。

(2)

由于配電網(wǎng)的潮流分布是隨時(shí)間不斷變化的，因此常選擇系統(tǒng)最大負(fù)荷等具有代表性的狀態(tài)點(diǎn)對(duì)網(wǎng)絡(luò)進(jìn)行重構(gòu)優(yōu)化[8]。此時(shí)同樣應(yīng)滿足的相應(yīng)的約束條件：

(1)配電網(wǎng)的潮流約束條件

(3)

式中Pi、Qi—節(jié)點(diǎn)i輸入的有功、無(wú)功功率；PDGi、QDGi—DG注入節(jié)點(diǎn)i的有功、無(wú)功功率；PDi、QDi—節(jié)點(diǎn)i處負(fù)荷的有功、無(wú)功功率；Ui—節(jié)點(diǎn)i的電壓；Uj—節(jié)點(diǎn)j的電壓；Gij、Bij、δij和θij—分別表示節(jié)點(diǎn)i、j的電導(dǎo)、電納和相角差。

(2)容量約束：

PDG,min≤PDGi≤PDG,max
QDG,min≤QDGi≤QDG,max

(4)

式中PDGi、QDGi分別表示第i個(gè)DG的有功、無(wú)功功率；PDG,min、PDG,max、QDG,min、QDG,max分別表示接入系統(tǒng)的最小、最大有功、無(wú)功功率。

(3)網(wǎng)絡(luò)結(jié)構(gòu)拓?fù)浼s束：配電網(wǎng)重構(gòu)時(shí)應(yīng)保證網(wǎng)絡(luò)節(jié)點(diǎn)的連通，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)應(yīng)呈輻射狀，避免形成孤島、環(huán)網(wǎng)。

3.2 含分布式發(fā)電的配電網(wǎng)重構(gòu)優(yōu)化

含分布式發(fā)電的配電網(wǎng)重構(gòu)優(yōu)化問(wèn)題實(shí)現(xiàn)步驟如下：

Step1 錄入配電網(wǎng)的初始信息，對(duì)各參數(shù)變量做初始化處理，并根據(jù)配電網(wǎng)系統(tǒng)參數(shù)進(jìn)行信息矩陣的生成；

Step2 進(jìn)化代數(shù)t為0時(shí)，根據(jù)環(huán)網(wǎng)的數(shù)量產(chǎn)生初始種群，并觀測(cè)初始種群；

Step3 對(duì)初始種群的可行解進(jìn)行判斷，若是非可行解，需修復(fù)個(gè)體使所有個(gè)體均為可行解；

Step4 利用拓?fù)浞治鰧?duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行識(shí)別，并進(jìn)行電網(wǎng)的潮流計(jì)算；

Step5 求解式(2)所示的目標(biāo)函數(shù)，并評(píng)估適應(yīng)度；

Step6 將最優(yōu)個(gè)體及其有關(guān)信息進(jìn)行存儲(chǔ)存貯；

Step7 判斷是否達(dá)到最大進(jìn)化代數(shù)這一終止條件，若達(dá)到最大進(jìn)化代數(shù)則終止計(jì)算，否則使迭代次數(shù)加1；

Step8 通過(guò)廣泛學(xué)習(xí)，更新種群；并返回step3。

4 IEEE33節(jié)點(diǎn)系統(tǒng)實(shí)驗(yàn)分析

圖3為IEEE33節(jié)點(diǎn)系統(tǒng)示意圖，由圖可知該系統(tǒng)包括33個(gè)節(jié)點(diǎn)、5個(gè)環(huán)網(wǎng)以及5個(gè)聯(lián)絡(luò)開(kāi)關(guān)。設(shè)定初始聯(lián)絡(luò)開(kāi)關(guān)為33、34、35、36和37，系統(tǒng)總功率為3 715 kW+j2 300 kVar，額定電壓為Pc=0.85。運(yùn)用廣泛學(xué)習(xí)量子進(jìn)化算法進(jìn)行配電網(wǎng)重構(gòu)前需要對(duì)參數(shù)進(jìn)行設(shè)定，其中設(shè)定種群大小為30，染色體長(zhǎng)度為5，迭代次數(shù)為200，學(xué)習(xí)概率Pc=0.85，令量子旋轉(zhuǎn)角的初始值為0.015π，潮流計(jì)算的收斂精度為10-8。

圖3 IEEE33節(jié)點(diǎn)系統(tǒng)示意圖

圖5 接入兩臺(tái)DG系統(tǒng)各節(jié)點(diǎn)電壓值變化

圖6 接入三臺(tái)DG系統(tǒng)各節(jié)點(diǎn)電壓值變化

圖7 不同DG數(shù)量下各節(jié)點(diǎn)電壓的變化

經(jīng)廣泛學(xué)習(xí)量子進(jìn)化算法對(duì)配電網(wǎng)重構(gòu)優(yōu)化后，分析實(shí)驗(yàn)結(jié)果表1可知未接入DG的配電網(wǎng)損耗為190.99 kW，接入一個(gè)DG的損耗降低了43.08 kW，比初始系統(tǒng)降低了22.6%。接入兩個(gè)DG的損耗降低了81.29 kW，比初始系統(tǒng)降低了42.6%，接入三個(gè)DG的損耗降低了110.12 kW可見(jiàn)DG的不同數(shù)量影響電網(wǎng)功率的損耗，且能在很大程度上減少電網(wǎng)損耗。同時(shí)計(jì)算了系統(tǒng)各點(diǎn)的電壓值，并進(jìn)行分析比對(duì)，如圖4、5、6、7所示。由圖4～7可知各節(jié)點(diǎn)電壓在接入不同數(shù)量的分布式電源后，發(fā)生了一定變化，加入DG后的電壓值更加趨于穩(wěn)定。

表1 不同數(shù)量DG的重構(gòu)優(yōu)化后系統(tǒng)的參數(shù)分析

5 結(jié)束語(yǔ)

隨著DG數(shù)量的增加，配電網(wǎng)重構(gòu)在配電網(wǎng)的經(jīng)濟(jì)運(yùn)行方面起到至關(guān)重要的作用。本文在分布式發(fā)電條件下，以降低網(wǎng)絡(luò)損耗為出發(fā)點(diǎn)，通過(guò)對(duì)廣泛學(xué)習(xí)量子進(jìn)化算法的運(yùn)用解決含分布式發(fā)電的配電網(wǎng)的重構(gòu)優(yōu)化問(wèn)題。并利用IEEE33節(jié)點(diǎn)系統(tǒng)對(duì)接入不同數(shù)量DG進(jìn)行仿真分析，從仿真結(jié)果可以看出廣泛學(xué)習(xí)量子進(jìn)化算法的運(yùn)用不但有效地減少了系統(tǒng)的網(wǎng)損還使系統(tǒng)的電壓穩(wěn)定性得到明顯提升，充分證明了該方法的可行性與有效性。

[1] 陳樹(shù)恒,黨曉強(qiáng),李興源．基于廣義注入電流節(jié)點(diǎn)模型的配電網(wǎng)潮流計(jì)算[J].電力系統(tǒng)保護(hù)與控制,2013,41(6):19-24.

[2] 邱生敏.配電網(wǎng)可靠性評(píng)估方法研究[D].廣州:華南理工大學(xué),2012.

[3] 周殊,潘煒,羅斌,等.一種基于粒子群優(yōu)化方法的改進(jìn)量子遺傳算法及應(yīng)用[J].電子學(xué)報(bào),2006,34(5): 897-901.

[4] 張葛祥,李娜,金煒東,等.一種新量子遺傳算法及其應(yīng)用明[J].電子學(xué)報(bào),2004,32(3):476-479.

[5] 陳輝,張家樹(shù),張超.實(shí)數(shù)編碼混沌量子遺傳算法[J].控制與決策,2005,20(11):1300-1303.

[6] 楊青,鐘守楠,丁圣超.簡(jiǎn)單量子進(jìn)化算法及其在數(shù)值優(yōu)化中的應(yīng)用[J].武漢大學(xué)學(xué)報(bào)(理學(xué)版),2006,52(1):21-24.

[7] 侯云鶴,魯麗娟,熊信良,等.量子進(jìn)化算法在輸電網(wǎng)擴(kuò)展規(guī)劃中的應(yīng)用[J].電網(wǎng)技術(shù),2004,28(17):19-22.

[8] 沈曉東,劉俊勇,劉彥．基于節(jié)點(diǎn)不平衡功率的粒子群潮流轉(zhuǎn)移控制算法[J].電力系統(tǒng)自動(dòng)化,2012,36(7)：1-5.

DG Power Distribution Network ReconfigurationBased on Extensive Learning Quantum-inspired Evolutionary Algorithm

Wang Jinyu1, Zhang Zhiming1, Kong Dejian2, Hu Mingzhe1

(1.College of Electrical and Information Engineering, Northeast Petroleum University,Daqing Heilongjiang 163318, China;2. State Grid Jibei Power Co. Ltd. Maintenance Branch, Beijing 102488, China)

Research on distribution network reconfiguration under DG (distributed generation) condition may improve the safety and reliability of system power supply and effectively reduce line loss. That is of vital importance for the construction of smart distribution networks. By introducing the basic theory of quantum-inspired evolutionary algorithm and combining it with the idea of comprehensive learning, this paper presents the comprehensive learning quantum-inspired evolutionary algorithm (CLQEA), and applies it for distribution network reconfiguration optimization. Taking IEEE33 node system as example, it uses simulation tests to analyze network loss and voltage variation which occur when different quantities of DGs are connected to the grid. MATLAB simulation results verify the effectiveness of this approach.

power system; distributed generation; distribution network reconfiguration optimization; comprehensive learning quantum-inspired evolutionary algorithm; simulation verification

10.3969/j.issn.1000-3886.2017.04.020

TM7

A

1000-3886(2017)04-0068-03

定稿日期: 2016-10-27

東北石油大學(xué)研究生創(chuàng)新科研項(xiàng)目(YJSCX2016-029NEPU)

王金玉(1972- )，男，黑龍江大慶人，副教授，研究方向?yàn)槔^電系統(tǒng)保護(hù)。 張志明(1990- )，男，內(nèi)蒙古通遼人，碩士生，研究方向?yàn)榕潆娋W(wǎng)重構(gòu)優(yōu)化。 孔德健(1989- )，男，河北滄州人，碩士，研究方向?yàn)殡娏ο到y(tǒng)故障診斷。 胡明哲(1993- )，男，黑龍江大慶人，碩士生，研究方向?yàn)殡娏ο到y(tǒng)繼電保護(hù)。