配电网动态重构算法及时段划分研究综述

配电网重构是配电系统降损最基本、最有效的方法之一,动态重构更是贴近工程实际应用。文章阐述配电网动态重构模型及约束条件,着重描述配电网动态重构算法,对各类算法优缺点进行综述,并得出混合算法可作为配网重构的研究方向;总结了配电网动态重构时段的划分方法,将重构时段按照负荷特性和电价特性两种方式进行划分;指出当前配电网动态重构文献所存在的缺点并对此进行展望。     

基于隶属度时段划分的配电网动态重构

为更好地实现配电网优化运行,提出一种基于隶属度时段划分的配电网动态重构方法。以配电网整个时段内综合运行费用最小为目标函数,建立配电网动态重构数学模型。将系统各时段有功网损与电压偏差之比作为系统运行指标,计算指标峰谷隶属度及变化率对时段进行划分。为增强二进制粒子群算法(BPSO)摆脱局部最优解的能力,将模拟退火算法(SA)中基于Mertropolis准则的新粒子接收机制引入BPSO中,克服二进制粒子群算法易陷入早熟收敛的局限性。算例结果验证了所提方法的有效性。     

基于时段划分的主动配电网动态重构

对主动配电网动态网络重构策略进行研究,首先考虑分布式光伏和系统柔性负荷的波动性,根据其概率模型建立基于时段划分的多目标动态重构模型,采用层次分析法降低多目标决策的复杂度;然后对不同时段进行合并,并引入多智能体思想对蚁群算法进行改进,构建动态协同优化重构算法,规避算法搜索的盲目性,提高算法的灵活性和可靠性,进而实现配电网的动态重构.     

基于马氏DTW时段划分和FCPSOGSA算法的配电网动态重构

针对配电网重构过程中由于用户侧负荷时变性导致难以划分重构时段的问题,选取马氏DTW距离作为度量指标,构建了减小线路总体损耗、减小电压偏移的多目标优化数学模型。从提高算法收敛效率的角度,对传统粒子群算法进行了改进,运用分数阶微积分的数学方法,提出了一种更快速求解配电网重构的改进粒子群算法（Fractional Calculus PSOGSA）,旨在提升算法的收敛特性和所有过去事件的记忆效应。在IEEE33节点系统的基础上构建了1天的负荷数据并进行重构求解,验证了所提方法的有效性。     

基于混合优化算法的配电网动态重构研究

本文提出了一种混合了混沌粒子群与教学优化的算法来解决配电网动态重构问题。建立以网络损耗最小,开关操作次数最少的运行费用模型。将配电网络的损耗和电压偏差这两个指标通过归一化处理形成一个综合指标,并设定最大标准差及系统最大重构次数,确定重构时段。所提出的方法结合了混合粒子群优化算法和教学优化算法的特点成为了一种更有效率的全局优化算法。为了在配电网动态重构中可以动态调整惯性参数,在一般的粒子群算法中引入了混沌理论,同时具有教学优化的混合算法可以保证初始种群的多样性和防止过早收敛,提高了算法寻优的能力。最后使用了IEEE 33节点配电网测试系统证明了所提算法的合理性与有效性。     

考虑负荷变化的配电网动态分时段重构

针对负荷是动态随时间变化而我国负荷峰谷差大,提出了一种配电网动态分时段重构方法以满足实际要求。该方法将整个时区分成若干个连续的时间间隔,以网损最小为目标函数,分别进行各时间间隔静态重构,得到最优网损曲线以获得各时间间隔开关操作引起的网损下降量,再据此客观指导时段长度的划分,并通过分析不同时段数与网损下降量的关系,确定最优时段数,得出整个时区内比较理想的重构时段长度和数目,从而得到比较理想的可行解。最后通过IEEE经典算例的验证,结果表明所提方法的有效性。     

基于双层动态时段划分的配电网重构

动态网络重构能有效降低配电网的网络损耗以及分布式电源的弃风弃光量,为此提出了基于双层动态时段划分的配电网重构方法。上层优化中以网损成本与弃风弃光惩罚费用之和最小为优化目标,决策变量为主动管理元素的出力;下层优化中则以网损最小为目标函数来确定各时段开关状态量。为了减小模型的规模与复杂度,提出了将割集法作为辐射状约束的表示方法。同时,将该模型转化为混合整数二阶锥规划模型,并结合和声搜索算法对其进行求解。通过改进IEEE 33节点系统进行仿真,验证了所提方法的实用性和有效性。     

计及可靠性含M-V-U的配电网动态重构

大量新能源及新型负荷的接入,传统基于时间断面的配电网静态重构将难以适用于新型配电网络。提出了含电动汽车充电设施微电网(M-V-U)的新型配电网可靠性最优化方法。首先,建立了含电动汽车充电设施的微电网结构模型,并对其运营策略进行分析。选取了系统平均停电频率指标、系统供电不足率指标和系统有功网损指标,并建立各指标的满意度评价函数,使各指标量纲统一。在此基础上,建立了含M-V-U的配电网可靠性最优化模型,并在四种典型场景下对模型进行优化,仿真结果验证了文章所提方法及模型的有效性及正确性。     

基于融合熵时段划分的三相配电网动态重构

针对大规模电动汽车接入配电网带来的三相不平衡程度加剧问题,提出一种基于融合熵时段划分的三相配电网动态重构方法。在Fisher-最优分割的基础上,融合曲线的信息熵,对蒙特卡洛模拟得到的等效日负荷曲线进行更加精准合理的时段划分;将动态重构策略引入三相配电网中,以三相不平衡度最低为目标建立配电网重构模型;改进传统的帝国主义竞争算法,在殖民地革命环节中引入复合型微分进化思想,并提出自适应帝国合并机制以提高算法的收敛速度和精度。IEEE 33节点系统仿真结果表明,所提方法能对曲线进行合理的分段重构,并且有效解决了配电网中的三相不平衡问题。     

基于时间区间的实用配电网重构方法

目前,基于时间区间的配网动态重构还没有很好的解决办法。为把重构技术引入配网的实际运行中,提出一种基于时间区间的实用重构方法,它能快速、有效地求解二次以内的重构问题。首先,文章通过对基于时间区间的配网一次重构进行分析,得出了关于最佳一次重构时间的推论,并用算例对其进行了验证。根据此推论,对二次重构进行了求解。由于不用考虑两次重构时间之间的组合问题,大大地提高了求解的速度。最后文章对实用法所能节省的网损进行了分析,进而讨论了多次动态重构的必要性。     

基于改进粒子群动态搜索算法的配电网络重构研究

提出一种基于改进粒子群动态搜索算法的网络重构方法,算法把初始粒子群按照适应度的大小分为两个互不交叉,且具有不同分工的子群,并进行动态搜索.通过引入了交叉和禁忌思想,减少了解陷入局部最优的可能性.与遗传、禁忌搜索算法重构的结果进行比较,表明本文算法具有更高的搜索效率,更容易找到全局最优解.     

基于改进粒子群动态搜索算法的配电网络重构研究

提出一种基于改进粒子群动态搜索算法的网络重构方法,算法把初始粒子群按照适应度的大小分为两个互不交叉,且具有不同分工的子群,并进行动态搜索。通过引入了交叉和禁忌思想,减少了解陷入局部最优的可能性。与遗传、禁忌搜索算法重构的结果进行比较,表明本文算法具有更高的搜索效率,更容易找到全局最优解。     

基于时间分段的配电网络重构

在分析了只针对单个时间断面研究配电网络重构算法的不足的基础上,提出了基于时间分段的配电网络重构方法。利用负荷变化幅度对重构时间进行初步分段,并考虑重构中开关动作对配电网络造成的不利影响对其进行修正。同时,在比较目前研究的各种主流重构算法的基础上,根据配电网的运行特征对网络重构的遗传算法进行了改进。仿真算例表明,提出的这种基于时间分段的配电网络重构方法可以明显地减少重构后的网损,又不致增加操作费用,适于工程实际应用。     

基于混合粒子群智能遗传算法的配电网络重构优化研究

将二进制粒子群优化算法的惯性因子进行了动态化自适应改进,设计了区别于标准遗传操作的高频交叉算子和随机自回馈变异算子,基于此提出了一种新算法——混合粒子群智能遗传算法(PGA)应用与配网的重构。在新型编码方案下,PGA应用两个遗传算子使种群保持多样性,避免陷入局部最优,同时结合PSO的快速群体智能寻优指导染色体的进化方向,能够使种群信息共享的同时提高算法的收敛速度,算例结果验证了新算法的可行性。     

基于改进双层聚类多目标优化的配电网动态重构

随着配电网的高速发展,电力用户对供电可靠性的要求越来越高。针对现有配电网动态重构中开关次数难以约束,系统节点功率变化对配电网潮流分布的影响以及单一聚类算法负荷识别不足的问题,提出基于形态与幅值的双层聚类。外层以皮尔逊为相似度量进行形态相似聚类,内层以欧氏距离为相似度量进行幅值相近聚类。建立减小网损、提高电压稳定性、均衡馈线负荷、减少开关操作次数的多目标优化数学模型,采用改进粒子群算法完成配电网多目标动态重构。仿真结果表明,较静态重构开关操作次数降低了54.76%,减小电能15 575.4 kW·h,降低了39.28%,较重构前电压偏移指数降低49.1%,负荷均衡度改善41.9%。该研究所提改进的双层负荷聚类相比FCM聚类,准确度提高了11%,聚类效果更加接近原始数据。该动态重构方案可提高配电网运行的可靠性。     

基于图解蚂蚁系统的配电网动态重构

为了提高配电网运行的经济性,提出一种基于图解蚂蚁系统的配电网动态重构问题的求解方法。求解过程分为离线和在线两个阶段。离线阶段完成拓扑分析,形成同时包含配电网拓扑结构和时段长度两部分的可行解解集,用构造图表示。在线阶段通过模拟蚁群在构造图中的行走过程完成搜索寻优。离线阶段仅需完成一次拓扑分析即可支持在线阶段各时段拓扑结构的求解。在线阶段通过时段延伸方法将搜索空间由可行解解集缩小为较优解解集。仿真算例验证了提出的算法可以有效缩小搜索范围,找到最优解。     

基于量子编码的离散粒子群算法配电网重构

阐述了配电网重构数学模型、二进制粒子群算法、量子编码的基本理论,对量子粒子群算法配电网重构进行了研究,将量子编码应用到离散粒子群算法中,用量子比特概率表示离散粒子的状态,根据二进制粒子群速度更新公式更新粒子的状态,改变开关开合状态进行网络重构.量子比特概率能够表征丰富的信息量,保证粒子的多样性和全局搜索能力.通过2个算...