配電網(wǎng)故障恢復(fù)算法研究概述

文/趙巍文 龍 燕 李燦良

隨著中國電力市場化發(fā)展和整個社會的電氣化程度不斷提高，電網(wǎng)建設(shè)逐步加強(qiáng)，尤其在配網(wǎng)處，網(wǎng)絡(luò)結(jié)構(gòu)愈加龐大復(fù)雜，一旦發(fā)生故障，導(dǎo)致用戶停電的幾率越來越大。研究正確、快速的配電網(wǎng)故障恢復(fù)算法，能夠幫助調(diào)度員在發(fā)生事故后采取正確有效的措施，盡可能減少停電范圍，縮短停電時間，減小停電損失等。這對于提高整個電網(wǎng)的供電可靠性，具有重要的現(xiàn)實意義。

目前，對配電網(wǎng)故障恢復(fù)的處理大體經(jīng)歷了以下3種模式：早期模式，配電自動化的故障處理模式(簡稱DA模式)及配電管理系統(tǒng)的故障處理模式(簡稱DMS模式)。前兩種模式不需要通訊手段的支持，投資較低，尤其是DA模式，在我國配電網(wǎng)中仍被廣泛應(yīng)用。但隨著多電源、多分支的復(fù)雜電網(wǎng)日趨增多，前兩種模式已很難滿足故障恢復(fù)的要求。而DMS模式自動化水平高，能在較短的時間內(nèi)幫助調(diào)度員準(zhǔn)確確定故障位置，隔離故障區(qū)域，恢復(fù)非故障區(qū)域的供電，很適合用于復(fù)雜結(jié)構(gòu)的配電網(wǎng)。

1.配電網(wǎng)故障恢復(fù)算法

配電網(wǎng)的故障恢復(fù)問題實際上是一個多目標(biāo)組合的非線性約束問題。迄今為止，國內(nèi)外文獻(xiàn)提出的算法主要有數(shù)學(xué)優(yōu)化方法、啟發(fā)式方法和人工智能方法。

1.1 數(shù)學(xué)優(yōu)化方法

數(shù)學(xué)優(yōu)化方法是直接利用現(xiàn)有的數(shù)學(xué)優(yōu)化原理進(jìn)行配電網(wǎng)絡(luò)重構(gòu)的方法，供電恢復(fù)問題是個組合優(yōu)化問題，用于供電恢復(fù)的數(shù)學(xué)優(yōu)化方法主要有分支定界法[1,3]和混合整數(shù)優(yōu)化法[2,4]。數(shù)學(xué)優(yōu)化方法能夠準(zhǔn)確地建立供電恢復(fù)的數(shù)學(xué)模型，理論上可以找到最優(yōu)解。但實際上供電恢復(fù)問題非常復(fù)雜，建立的數(shù)學(xué)模型不能考慮到所有方面，而且領(lǐng)域知識難以融入求解過程中，由于這些算法的收斂性，得到的解往往只是次優(yōu)解。因此，這一類方法也是與啟發(fā)式方法或人工智能法結(jié)合使用的。

文獻(xiàn)[2]采用啟發(fā)式方法和混合整數(shù)規(guī)劃法相結(jié)合的方法，通過分層的思想來轉(zhuǎn)移非故障失電區(qū)負(fù)荷，具體到每一層中應(yīng)選取哪個元件來承擔(dān)轉(zhuǎn)移的任務(wù)，則采用0-1混合整數(shù)規(guī)劃法。文獻(xiàn)[3]采用的算法則為專家系統(tǒng)法和分支定界法的結(jié)合，先用專家系統(tǒng)法將整個供電恢復(fù)問題分解為一個個的子問題，然后用分支定界法決定每個供電恢復(fù)子問題的恢復(fù)路徑或需要切除的負(fù)荷。文獻(xiàn)[4]融合了啟發(fā)式規(guī)則和混合整數(shù)規(guī)劃，該方法面向支路，能夠完全反映出供電恢復(fù)問題的本質(zhì)。

1.2 啟發(fā)式方法

一般說來，啟發(fā)式方法的首要目標(biāo)都是盡可能多地恢復(fù)非故障停電區(qū)域供電，以減少停電帶來的損失，同時優(yōu)先向重要用戶供電。文獻(xiàn)[5]采用二叉搜索樹及深度優(yōu)先的搜索策略進(jìn)行求解，這種方法的搜索空間十分龐大，求解速度較為緩慢。文獻(xiàn)[6]提出了基于啟發(fā)式規(guī)則的最優(yōu)搜索樹的方法。文獻(xiàn)[7]采用基于評估函數(shù)和啟發(fā)式規(guī)則的搜索策略進(jìn)行問題的求解，通過運(yùn)用啟發(fā)式規(guī)則指導(dǎo)搜索，減少了求解空間。文獻(xiàn)[8]以恢復(fù)最多的重要用戶的供電和最多的負(fù)荷的供電，以及開關(guān)操作數(shù)最少作為目標(biāo)，選擇了一些指標(biāo)，利用這些指標(biāo)指導(dǎo)故障恢復(fù)，這一算法具有與窮舉搜索法相同的求解質(zhì)量。此外，文獻(xiàn)[9]以開關(guān)操作次數(shù)最少為目標(biāo)，采用啟發(fā)式規(guī)則指導(dǎo)下的廣度優(yōu)先搜索策略，進(jìn)行供電恢復(fù)。文獻(xiàn)[10]提出了待恢復(fù)樹的概念，充分利用失電區(qū)的網(wǎng)絡(luò)呈輻射狀的特點，把問題轉(zhuǎn)化為待恢復(fù)樹切割問題，大大降低了問題的復(fù)雜度。該方法具有并行性，特別適合用于發(fā)生多重故障時的系統(tǒng)恢復(fù)供電。文獻(xiàn)［11］從實時應(yīng)用的角度出發(fā)，提出了一種快速的配電網(wǎng)重構(gòu)的啟發(fā)式算法。該算法不需計算網(wǎng)絡(luò)潮流，不受網(wǎng)絡(luò)初始結(jié)構(gòu)的影響，只需根據(jù)網(wǎng)絡(luò)和負(fù)荷參數(shù)經(jīng)過簡單計算即可得到重構(gòu)結(jié)果。

啟發(fā)式算法是建立在對配電網(wǎng)的特性有比較清楚的了解的基礎(chǔ)上的，這使得供電恢復(fù)問題的搜索空間大大減少，能夠迅速得出恢復(fù)方案。但是由于它是建立在啟發(fā)式規(guī)則的基礎(chǔ)上的，所以一般都只能求得次優(yōu)解，而無法求得全局最優(yōu)解。而且對于復(fù)雜網(wǎng)絡(luò)在多故障情況下的恢復(fù)，啟發(fā)式規(guī)則將會比較難總結(jié)，啟發(fā)式搜索的搜索樹也會變得過于龐大，更難找到最優(yōu)解。

1.3 人工智能方法

用于供電恢復(fù)的人工智能方法主要有模糊算法、遺傳算法、專家系統(tǒng)法和Petri算法等。

1.3.1 模糊算法 模糊算法主要思想是先用常規(guī)的方法得到多個可行解，然后對這些可行解按照一定的目標(biāo)進(jìn)行模糊化處理，得出一個模糊評價值，選取評價值最大的恢復(fù)方案作為供電恢復(fù)方案。文獻(xiàn)[12]對開關(guān)操作數(shù)和電流進(jìn)行了模糊化處理，在負(fù)荷高峰期允許支路和分支部分過載。文獻(xiàn)[13]采用啟發(fā)式算法得出一定的供電恢復(fù)方案，然后對開關(guān)操作數(shù)、負(fù)荷轉(zhuǎn)移量和緊急備用容量進(jìn)行模糊化處理，得出最優(yōu)方案。

模糊算法的優(yōu)點是能夠解除其他算法的死約束，如絕對不允許過載等，還能夠針對多個目標(biāo)選取相對最優(yōu)的方案。其缺點在于各指標(biāo)的模糊化處理和各目標(biāo)的配合中的各參數(shù)選取非常困難，很難根據(jù)實際的需要選取出。

1.3.2 遺傳算法 遺傳算法(GA)源于達(dá)爾文進(jìn)化理論的一種全新的尋優(yōu)方法，使用模擬的人工染色體來表示某一優(yōu)化問題的可行解，用隨機(jī)方法產(chǎn)生一個可行解的集合，通過選擇、交叉和變異等操作，使群體不斷優(yōu)化，最終找到最優(yōu)解。文獻(xiàn)[14]采用并行遺傳算法進(jìn)行供電恢復(fù)問題求解，最終得到能夠恢復(fù)對大多數(shù)用戶的供電。文獻(xiàn)[15]采用遺傳算法來解決大規(guī)模失電區(qū)域和多故障等復(fù)雜情況下的故障恢復(fù)，以求獲得全局最優(yōu)解。文獻(xiàn)[16]將故障恢復(fù)分成由一條支持饋線供電、兩條支持饋線供電、三條支持饋線供電、轉(zhuǎn)移負(fù)荷四種情況，對后三種情況分別進(jìn)行編碼，用遺傳算法求得結(jié)果。文獻(xiàn)[17]在編碼、適應(yīng)度函數(shù)等方面改進(jìn)了傳統(tǒng)的遺傳算法，并且引入一個特殊的基因?qū)ふ易顑?yōu)的切負(fù)荷操作，算例驗證了該方法的可行性。

遺傳算法從多個初始點開始，沿多條線路搜索，可能得到全局最優(yōu)解，而且魯棒性好，對目標(biāo)函數(shù)要求較少，既不要求可微，又不要求連續(xù)，可方便地處理像故障恢復(fù)這種離散非線性優(yōu)化問題。但是遺傳算法的計算速度過慢，必須有效地結(jié)合問題的特點，才能更好地發(fā)揮其優(yōu)越性。

1.3.3 專家系統(tǒng) 專家系統(tǒng)是一個具有大量專門知識與經(jīng)驗的程序系統(tǒng)，它根據(jù)某個領(lǐng)域中的專家提供的知識和經(jīng)驗進(jìn)行推理和判斷，模擬專家的決策過程，以解決那些需要專家解決的復(fù)雜問題。文獻(xiàn)[18]的專家系統(tǒng)知識庫中的規(guī)則分為兩部分，分別用于解決變壓器、饋線過載和電壓越限。文獻(xiàn)[19]為解決負(fù)荷平衡、減少網(wǎng)損和供電恢復(fù)的重構(gòu)問題，建立了知識庫KB1, KB2和KB3。KB1中的專家知識用于處理各種越限情況，KB2中的知識用于重構(gòu)后保護(hù)設(shè)備協(xié)調(diào)，而KB3中的知識用于建立一個不允許操作的開關(guān)對表，以減少重構(gòu)的搜索范圍。文獻(xiàn)[20]歸納了供電恢復(fù)的算法集，并在此基礎(chǔ)上提出了一個完整的用于供電恢復(fù)的綜合智能模糊專家系統(tǒng)。該系統(tǒng)包括用于故障恢復(fù)的算法集、配電管理系統(tǒng)的軟模型、故障模式的識別和自學(xué)習(xí)的模糊恢復(fù)專家系統(tǒng)。整個系統(tǒng)通過推理機(jī)實現(xiàn)方案的自動選取，并可將所得的可行方案和對應(yīng)的故障模式作為一條新的記錄存入知識庫進(jìn)行自學(xué)習(xí)。

1.3.4 Petri網(wǎng)算法 Petri網(wǎng)是由德國C．A．Petri于1962年提出的一種系統(tǒng)建模工具，它由庫、變遷和連接這兩類點的有向線段組成，主要用于描述和研究信息處理系統(tǒng)。文獻(xiàn)[21]將Petri網(wǎng)應(yīng)用于故障恢復(fù)，他將配網(wǎng)的開關(guān)狀態(tài)和供電區(qū)域的帶電狀態(tài)用Petri網(wǎng)的庫表示，開關(guān)的拉閘操作和合閘操作用變遷表示，還分別構(gòu)造了一個目標(biāo)庫和目標(biāo)變遷用來檢驗?zāi)繕?biāo)是否實現(xiàn)。Petri網(wǎng)優(yōu)點是在初始狀態(tài)中往往存在多個令牌，且某些遷移點有可能被同時激活，所以令牌可能同時在不同的路徑下傳送。這類似于并行推理過程，可同時得到數(shù)個求解路徑。因此Petri網(wǎng)適用于求解多故障、網(wǎng)絡(luò)備用容量不足條件下的恢復(fù)供電。該算法的缺點是與網(wǎng)絡(luò)的結(jié)構(gòu)關(guān)系緊密，一旦網(wǎng)絡(luò)結(jié)構(gòu)發(fā)生變化算法必須重新修改。類似于文獻(xiàn)[21]，文獻(xiàn)[22]提出了用于負(fù)荷平衡和供電恢復(fù)的一種推理方法。

1.3.5 其他算法 其他方法包括人工神經(jīng)網(wǎng)絡(luò)法、粒子群優(yōu)化算法(PSO)，模擬退火法(SA)、禁忌搜索法(TS)及蟻群算法等。這些優(yōu)化算法被廣泛應(yīng)用于各類組合優(yōu)化問題，在配電網(wǎng)故障恢復(fù)中得到了廣泛的關(guān)注與應(yīng)用。

1.4 混合算法

配電網(wǎng)的故障恢復(fù)是一個考慮約束情況下的分階段、多目標(biāo)的組合優(yōu)化問題?，F(xiàn)有的文獻(xiàn)往往都是使用一種算法對其進(jìn)行處理，這往往不能克服各種算法本身的缺點。如果根據(jù)故障恢復(fù)各階段的不同特點采用不同的算法，盡量避免各種算法的不足發(fā)揮其優(yōu)點，將會更好地解決故障恢復(fù)問題。目前已出現(xiàn)了多種算法相結(jié)合的趨勢，融合了常用方法的混合恢復(fù)策略已顯示出優(yōu)越性。文獻(xiàn)[23]提出了啟發(fā)式遺傳算法進(jìn)行故障恢復(fù)，改進(jìn)了算法的編碼方案，選擇了合適的遺傳操作算子，用擴(kuò)展矩陣法進(jìn)行求解運(yùn)算，大大提高了求解效率。文獻(xiàn)[24]將克隆遺傳算法(CGA)和禁忌搜索算法(TS)相結(jié)合，在CGA中克隆遺傳算子的基礎(chǔ)上增加了修正算子，減小了搜索范圍，提高了搜索效率；并把禁忌搜索算法中的禁忌表、禁忌表處理和藐視準(zhǔn)則融入到克隆遺傳算法中，顯著提高了收斂速度。文獻(xiàn)[25]提出了一種將遺傳算法融入到蟻群算法的新策略，利用遺傳算法的交叉操作產(chǎn)生蟻群算法的新的旅行路徑，以此提高蟻群算法的全局搜索能力，有效地提高了故障恢復(fù)的速度和精度。

2.有待深入研究的問題

近幾年，與新能源緊密相關(guān)的分布式發(fā)電技術(shù)以其規(guī)模小、建設(shè)周期短、占地少、運(yùn)行維護(hù)容易及高效、經(jīng)濟(jì)可靠、污染少等一系列優(yōu)點，引起了廣泛關(guān)注。分布式電源的引入，將使配電網(wǎng)的規(guī)劃、運(yùn)行方式、繼電保護(hù)等發(fā)生徹底改變。當(dāng)發(fā)生故障時，這種新型配電網(wǎng)的建模方式與恢復(fù)規(guī)則等也都將發(fā)生變化。如何處理這種帶有分布式電源的配電網(wǎng)故障恢復(fù)將是一個全新的富有挑戰(zhàn)性的課題之一。此外，為了進(jìn)一步提高恢復(fù)效率，縮短恢復(fù)時間，如何采用并行式處理手段，開發(fā)出更加全面可靠的綜合智能技術(shù)也將是新的研究方向。

3.結(jié)語

針對配電網(wǎng)故障恢復(fù)的特點及其研究現(xiàn)狀，本文較全面地評述了各種算法的優(yōu)缺點。隨著電網(wǎng)建設(shè)的迅猛發(fā)展，電纜網(wǎng)和多電源供電網(wǎng)絡(luò)的逐漸增多，以及用戶對電能質(zhì)量和供電可靠性的要求越來越高，結(jié)合實際配電網(wǎng)結(jié)構(gòu)和不斷發(fā)展，適應(yīng)用戶的需求，研究一套合理的適應(yīng)性的配電網(wǎng)故障恢復(fù)算法具有重大意義。

[1] J.Nahman, G.Strbac. A new algorithm for service restoration in large～scale urban distribution system. Electric Power Systems Research, 1994, 29: 181～192.

[2] K.Aoki, T. Satoh, H.itohetal. Voltage drop constrained restoration of supply by switch operation in distribution systems. IEEE Trans on Power Delivery,1988,Vol.3,No.3:1267～1274.

[3] T.Nagata. H.Sasaki, R.Yoloyama.Power system restoration by joint usage of expert system and mathematical programming approach.IEEE Trans on Power System, 1995, Vol.10,No.3:1473～1479.

[4] R.M.Ciric, D.S. Popovic.Multi～objective distribution network restoration using heuristic approach and mix integer programming method. Electrical Power and Energy Systems,22(2000): 497～505.

[5]A．L．Morelato，A．Monticelli．Heuristic Search Appmach to Distribution System Restoration．IEEE Ttans．on PWRD，1989，4(4)：2235～2241

[6]Talor T，Lnbkeman D．Implemention of Heuristic Search Strategies for Distribution Feeder Reconfiguration．IEEE Trans．on PWRD，1990，5(1)：239～246

[7]J．S．Wu，KL．TomsoVic，C．S．Chen． A Heuristic Search Approach to Feeder Switching Operations for Overload，F(xiàn)aults，Unbalanced Flow and Mainteance．IEEE Trans．on PwRD，1991，6(4)：1579～1585

[8]Kafen Nan Miu，Hsia0一Dong Chiang Bentao 1man，etc．Fast SeⅣice Restoration for

Large—Scale Distribution Systems with Priority Customers and Constraints． IEEE Trans．on PWRS，1998，13(3)：789～795

[9]VS．Deni，D．P．Sen Gupta，GAnandalingam．OptimaLl Restoration of Power Supply in Lafge Distribution Systems in DeVeloping Countries． IEEE Trans. on PWRD，1995，10(1)： 430～438

[10] 吳文傳,張伯明.基于待恢復(fù)樹切割的配電網(wǎng)故障恢復(fù)實時算法[J].電力系統(tǒng)自動化,2003, 27（12）: 50～53.

[11] 董家讀. 配電網(wǎng)重構(gòu)的啟發(fā)式算法研究［D］.西南交通大學(xué).2010

[12]Yuan～Yih Hsu．Han～Ching Ku0．A heuristic Based Fuzzy Reasoning Approach for Distribution System Seryice Restoration．IEEE Trans．on PWRD，1994，9(2)：948～953

[13]顏萍，顧錦汶，張廣．一種快速高效的配電網(wǎng)供電恢復(fù)算法．電力系統(tǒng)自動化[J]，2000，24(4)： 52～56

[14]Y．Fukuyama，H．K．Chiang，K．N．Miu．Parallel Genelic Algorithm for SerVice Restoration of Distribution systems.IEEE Trans．on PWRS，1998，3(2)：20～25

[15]N．GBrctas，A．C．B．Delbem，A．de Carvalho．Optimal Energy Restoration for General Distribution System by Genetic～gorithms．Intemational Conference on Power System Technology，1998，1：43～47

[16]Kyeong Jun Mun，J．H．Park，Hyung～Su Kim，etc． DeVelopment of Real～Time～Service Restoration System for Distribution Automation System．IEEE Illternational Symposium on lndustrial Electronics 2001，3：1514～1519

[17] M.R.Irving, W.P.Luan,J.S.Danial.Supply restoration in distribution networks using a genetic algorithm. Electrical Power and Energy Systems 24(2002)447～457.

[18] Kyung～Hee Jung, Hoyong Kim,Yunseok Ko. Network reconfiguration algorithm for automated distribution systems based on artificial intelligence approach. IEEE Trans on Power Delivery, 1993, Vol.8, No.4:1933～1941.

[19] M.S.Tsai, C.C. Liu, V.N.Mesaetal.IOPADS(Intelligent operational planning aid for distribution systems). IEEE Trans on Power Delivery, 1993,Vol.8, No.3: 1562～1569.

[20] 葛朝強(qiáng),唐國慶,王磊. 綜合智能式的故障恢復(fù)專家系統(tǒng)電力系統(tǒng)自動化[J],2000, Jan25,17～21.

[21] Jaw～Shyang Wu A Petri net algorithm multiple contingencies of distribution system operation.IEEE Trans Power Systems,1998,Vol.13, No.3: 1164～1171.

[22] Yu～Lung Ke. Distribution feeder reconfiguration for load balancing and service restoration by using G～Nets inference mechanism. IEEE Trans on Power Delivery.2004, Vol.19, No.3:1426～1433

[23] 劉兆林，張 彬，張振剛．基于啟發(fā)式遺傳算法的多目標(biāo)配電網(wǎng)故障恢復(fù)[J]．管理觀察，2009，22： 328～329

[24] 張利民，馬強(qiáng)，李振坤，劉皓明．基于禁忌克隆遺傳算法的配電網(wǎng)故障恢復(fù)重構(gòu)[J]．電力系統(tǒng)及其自動化學(xué)報，2010，22(1)：60～64

[25]祝洪博，姜瀚書，張富剛．基于融合遺傳原理的蟻群算法在配電網(wǎng)故障恢復(fù)中的應(yīng)用[J]．東北電力大學(xué)學(xué)報，2010，30(2)：22～25