基于單環(huán)尋優(yōu)策略的有源配網(wǎng)重構方法

于艾清，丁麗青，王育飛，李 豪

基于單環(huán)尋優(yōu)策略的有源配網(wǎng)重構方法

于艾清，丁麗青，王育飛，李 豪

(上海電力大學電氣工程學院，上海 200090)

配網(wǎng)DG接入導致智能優(yōu)化算法在重構求解時易陷入局部收斂且尋優(yōu)率較低?？紤]配網(wǎng)拓撲特性與算法的關系，將兩者深度結合，提出基于單環(huán)尋優(yōu)策略的有源配網(wǎng)重構方法。首先引入萊維飛行對量子粒子群算法進行改進，建立了萊維系數(shù)量子粒子群算法。其次提出自適應環(huán)壓有序環(huán)矩陣作為算法的解空間。最后根據(jù)配網(wǎng)拓撲與算法全局最優(yōu)解之間的對應關系提出單環(huán)尋優(yōu)策略，與算法深度結合進行求解。通過改進算法、優(yōu)化解空間、配網(wǎng)拓撲與算法深度結合三個角度提高算法全局搜索能力和尋優(yōu)效率。通過對多個電力系統(tǒng)進行仿真分析，驗證所提算法和策略的有效性和適用性。

有源配網(wǎng)重構；改進算法；配網(wǎng)結構；優(yōu)化解空間；單環(huán)尋優(yōu)策略

0 引言

配網(wǎng)重構可使配電網(wǎng)在最優(yōu)拓撲結構下運行，實現(xiàn)降低網(wǎng)損、提高配網(wǎng)運行經(jīng)濟性、提高供電穩(wěn)定性和可靠性等目標[1]。而多樣化的分布式電源(Distributed Generation, DG)接入配網(wǎng)后改變了配網(wǎng)運行的電氣特性[2-4]，提高了配網(wǎng)運行復雜度和重構求解難度，優(yōu)化拓撲可提高DG消納[5]。

有源配網(wǎng)重構的主要研究方向為優(yōu)化求解方法和優(yōu)化求解對象兩個角度。求解方法主要有數(shù)學規(guī)劃[6-8]、啟發(fā)式方法[9]和智能算法[10-14]。數(shù)學規(guī)劃主要是基于配網(wǎng)運行約束條件，將重構問題轉化為凸規(guī)劃問題，降低DG不確定性對配網(wǎng)的影響[6]，實現(xiàn)配網(wǎng)協(xié)調、經(jīng)濟運行[7]，在求解速度和準確性上具有一定優(yōu)勢。啟發(fā)式方法是基于對配網(wǎng)中電壓和潮流的數(shù)學分析得到的求解方法[9]，潮流計算次數(shù)較少，求解速度較快，但其著重配網(wǎng)局部特性，依賴配電網(wǎng)拓撲結構，當DG接入導致結構復雜時較難得到最優(yōu)解。應用較為廣泛的是智能算法，如離散學習優(yōu)化算法[10]、粒子群算法(Particle Swarm Optimization, PSO)、改進螢火蟲算法[11]、細菌覓食優(yōu)化算法[12]和教與學優(yōu)化算法[13]等，由于是在解空間內(nèi)全局、隨機、盲目性搜索，無法保證全局最優(yōu)，易出現(xiàn)早熟問題。因此有學者研究混合算法，如多個智能算法的混合以及啟發(fā)式方法和智能算法的結合[14]，并取得研究成果。算法的求解空間是基于配網(wǎng)拓撲生成，即求解對象是配網(wǎng)，解的質量將直接影響算法的尋優(yōu)效率，因此優(yōu)化解空間是提高算法尋優(yōu)率和收斂速度的方式之一，優(yōu)化結果優(yōu)于對算法自身的改進。文獻[15-18]通過劃分、壓縮、分塊重組及分環(huán)替代等方式縮小解空間規(guī)模，使算法在可行解范圍內(nèi)進行搜索，提高尋優(yōu)率，但其僅從解空間分析，并未考慮DG對配網(wǎng)的影響，因此算法仍易陷入局部收斂。

以上文獻研究結果說明算法性能和解空間特性均影響重構計算結果的優(yōu)劣，但均未考慮有源配網(wǎng)結構特性與算法之間的關系。由于算法得到的全局最優(yōu)解與配網(wǎng)結構之間具有對應關系，此時可利用拓撲結構的特性對算法尋優(yōu)過程進行指導。基于此，本文首先對量子粒子群算法(Quantum Particle Swarm Optimization, QPSO)進行改進，建立了萊維系數(shù)量子粒子群算法(Levy Coefficient Quantum Particle Swarm Optimization, LCQPSO)，使粒子增加了萊維突跳特性；其次提出自適應環(huán)壓有序環(huán)矩陣作為算法的解空間；最后根據(jù)配網(wǎng)拓撲與算法全局最優(yōu)解之間的對應關系提出單環(huán)尋優(yōu)策略(Single Loop Optimization, SLO)，與算法動態(tài)融合實現(xiàn)局部搜索與全局尋優(yōu)相互配合。通過改進算法、優(yōu)化解空間、配網(wǎng)拓撲與算法深度結合三個角度共同提高算法全局搜索能力和尋優(yōu)效率。

1 配電網(wǎng)重構模型

以系統(tǒng)網(wǎng)損最小為目標函數(shù)，為

電網(wǎng)運行約束條件包括潮流約束、配網(wǎng)輻射結構約束、節(jié)點電壓約束和支路容量約束，如式(2)—式(5)。

1) 功率平衡約束

2) 配網(wǎng)輻射約束

式中：為當前配電網(wǎng)運行結構；為配電網(wǎng)所有輻射狀結構的集合。

3) 節(jié)點電壓約束

4) 支路容量約束

2 萊維系數(shù)量子粒子群算法

QPSO算法是對粒子群算法進行改進，提高了全局搜索能力和粒子協(xié)同搜索能力[19]。公式為

QPSO算法的全局搜索能力較強，在尋優(yōu)中后期算法收斂速度較慢且易陷入局部收斂，因此引入萊維飛行對QPSO算法進行改進以提高收斂速度并改善早熟現(xiàn)象。萊維飛行是一種符合萊維分布的隨機步長。步長計算公式為

參數(shù)的方差公式為

圖1 突跳能力對比

Fig. 1 Comparison of jumping ability

由圖1看出，萊維系數(shù)的突跳幅值明顯高于QPSO突跳系數(shù)，對促進算法跳出局部收斂更有效，因此用萊維系數(shù)替代QPSO突跳系數(shù)，可得到具有萊維系數(shù)的QPSO算法，為

步長控制系數(shù)采用式(10)進行更新。

3 自適應環(huán)壓有序環(huán)矩陣與環(huán)路編碼

提出自適應環(huán)壓有序環(huán)矩陣作為算法的解空間，基于環(huán)路對開關進行編碼。

3.1自適應環(huán)壓有序環(huán)矩陣

3.1.1基本環(huán)

在輻射電網(wǎng)中，閉合一條聯(lián)絡開關，網(wǎng)絡中出現(xiàn)一條環(huán)網(wǎng)，由環(huán)內(nèi)一條聯(lián)絡開關和所有分段開關組成的回路稱為基本環(huán)，基本環(huán)的數(shù)量與環(huán)網(wǎng)數(shù)相等。以圖2所示的IEEE33節(jié)點系統(tǒng)為例，開關編號為括號內(nèi)序號，配網(wǎng)中含有5個聯(lián)絡開關，因此可形成5個環(huán)網(wǎng)，如圖2中所示5個基本環(huán)。

圖2 IEEE33節(jié)點配網(wǎng)

3.1.2基本環(huán)矩陣

由所有基本環(huán)構成的矩陣定義為基本環(huán)矩陣0，因此0中每一行均表示一個基本環(huán)，行數(shù)為環(huán)網(wǎng)數(shù)。由圖2得到的0[20]為式(11)。

3.1.3有序環(huán)矩陣

由0看出，每個基本環(huán)內(nèi)非零開關一般是按編號從小到大排列，并未考慮配網(wǎng)結構的特點，此矩陣作為算法的解空間會使算法搜索效率低且易早熟。文獻[14]建立有序環(huán)矩陣，方法為：在每個基本環(huán)內(nèi)，將功率流入節(jié)點相鄰的一條支路放在基本環(huán)的第一位，另一邊相鄰的支路放在末位，不計0元素，其余開關根據(jù)連接關系依次排序，將排序后的基本環(huán)定義為有序基本環(huán)，由所有有序基本環(huán)構成有序環(huán)矩陣，為式(12)。

有序環(huán)矩陣可提高算法尋優(yōu)效率，但也存在早熟現(xiàn)象，這是由于雖然考慮了配網(wǎng)結構的特點，但并未考慮配網(wǎng)結構與算法間的關系。

3.1.4自適應環(huán)壓有序環(huán)矩陣的建立

圖2中環(huán)1和環(huán)3之間存在公共開關2至開關7和開關18至開關20，環(huán)2和環(huán)4之間存在公共開關9至開關14，因此通過刪除環(huán)3和環(huán)4中的公共開關簡化有序環(huán)矩陣。其次，單環(huán)內(nèi)使網(wǎng)損最小時斷開的支路一般在環(huán)內(nèi)最低電壓節(jié)點附近[9]?；诖?，本文依據(jù)環(huán)網(wǎng)內(nèi)節(jié)點電壓對簡化后的有序環(huán)矩陣中每個有序基本環(huán)內(nèi)的開關進行重新排序。首先閉合所有聯(lián)絡開關，通過潮流計算得到各個環(huán)網(wǎng)內(nèi)最高電壓節(jié)點為{2,9,21,6,3}，將最高電壓節(jié)點兩邊鄰接的開關其中一個放在有序基本環(huán)的第一位，另一邊相鄰的開關放在末位，不計0元素，其余開關根據(jù)連接關系依次排序，將排序后的有序基本環(huán)定義為環(huán)壓有序基本環(huán)，由所有環(huán)壓有序基本環(huán)構成環(huán)壓有序環(huán)矩陣V，為

當負荷變化或DG使最高電壓節(jié)點發(fā)生變化，V隨之變化，因此V為自適應環(huán)壓有序環(huán)矩陣。

3.2 環(huán)路編碼

表1 環(huán)內(nèi)支路編碼信息

4 單環(huán)尋優(yōu)策略

基于配網(wǎng)拓撲與算法間的關系提出單環(huán)尋優(yōu)策略，并與算法深度結合。

4.1 配網(wǎng)拓撲與算法間的關系

4.2 遞進有序環(huán)矩陣

圖3 IEEE33配網(wǎng)某一拓撲結構

4.3 含DG的單環(huán)網(wǎng)特性

文獻[9]從電壓降和潮流計算的角度得出結論：斷開環(huán)路中電壓最低點兩側的某個開關解開環(huán)網(wǎng)后的網(wǎng)損增量最小，當斷開的支路依次向源點移動時，產(chǎn)生的網(wǎng)損增量單調增大。而分布式電源可改變節(jié)點電壓和支路中的功率流向[21-22]，單環(huán)網(wǎng)內(nèi)的節(jié)點電壓和網(wǎng)損變化趨勢會發(fā)生改變。

在圖3電力系統(tǒng)的節(jié)點16和節(jié)點30處分別接入功率因數(shù)均為0.9、容量分別為500 kW和800 kW的DG，取中第4維的環(huán)網(wǎng)，如圖3中環(huán)虛線，環(huán)內(nèi)節(jié)點電壓和依次單獨斷開環(huán)內(nèi)開關造成的網(wǎng)損變化趨勢如圖4所示。

由圖4看出：節(jié)點16接入的DG使此節(jié)點電壓高于兩邊的節(jié)點電壓，節(jié)點30附近電壓下降趨勢減緩；而網(wǎng)損變化出現(xiàn)了波峰波谷現(xiàn)象。經(jīng)仿真發(fā)現(xiàn)整個環(huán)網(wǎng)內(nèi)電壓最低節(jié)點附近的支路斷開后不一定使網(wǎng)損最小，這與環(huán)網(wǎng)結構、節(jié)點負荷以及DG的數(shù)量、容量和位置有關。在環(huán)壓有序基本環(huán)中，按環(huán)內(nèi)節(jié)點電壓將環(huán)內(nèi)支路排序后，在保持支路有序的基礎上可減少網(wǎng)損變化趨勢中的波谷數(shù)量，降低算法陷入局部最優(yōu)的概率。

4.4單環(huán)尋優(yōu)策略的建立

在中的一個單環(huán)內(nèi)尋找斷開后使網(wǎng)損最小的開關，不宜通過節(jié)點電壓或依次斷開環(huán)內(nèi)開關得到，因此對環(huán)進行分區(qū)。以DG接入節(jié)點和功率流入節(jié)點為邊界將此環(huán)網(wǎng)進行區(qū)域劃分，如圖4中，以接入DG的節(jié)點16、節(jié)點30以及功率流入節(jié)點2為邊界將此環(huán)網(wǎng)分成3個區(qū)域，為區(qū)域Ⅰ至區(qū)域Ⅲ，若環(huán)內(nèi)節(jié)點均未接DG(即未包含節(jié)點16和節(jié)點30)，此環(huán)網(wǎng)只劃分成一個區(qū)域。在環(huán)內(nèi)通過節(jié)點電壓找到區(qū)域內(nèi)最低電壓節(jié)點和次最低電壓節(jié)點之間的支路，以此支路為鄰域搜索算法的鄰域中心，通過潮流計算得到每個區(qū)域內(nèi)使網(wǎng)損最小的支路，其中最小網(wǎng)損對應的支路為環(huán)內(nèi)最優(yōu)解，這個尋優(yōu)過程定義為單環(huán)尋優(yōu)策略(SLO策略)。主要步驟如下：

(2) 在中取第環(huán)網(wǎng)，根據(jù)接入DG的節(jié)點位置和數(shù)量進行區(qū)域劃分。

(3) 采用鄰域搜索算法，分別以每個區(qū)域內(nèi)最低電壓節(jié)點和次最低電壓節(jié)點之間的支路為領域中心，找到每個區(qū)域內(nèi)使網(wǎng)損最小的支路，記為區(qū)域最優(yōu)解。

SLO策略流程圖如圖5所示。

4.5 SLO策略與LCQPSO算法結合

SLO策略與LCQPSO算法結合主要步驟如下：

(1) 輸入配網(wǎng)拓撲信息和算法參數(shù)，LCQPSO開始迭代計算。

(5) 當檢測到算法再次陷入局部收斂時，再次實行SLO策略，即重復步驟(2)至步驟(4)。當算法達到最大迭代次數(shù)時停止并輸出結果。

圖5 SLO策略流程圖

5 算例仿真

5.1 經(jīng)典配網(wǎng)中算法性能分析

采用IEEE33節(jié)點、PG&E69節(jié)點和119節(jié)點電力系統(tǒng)[23]驗證LCQPSO算法、V和SLO策略的性能和適用性，每種情況均重復運行100次。

5.1.1 自適應環(huán)壓有序環(huán)矩陣性能分析

分別將0、和V作為算法的解空間，用PSO、QPSO和LCQPSO算法對IEEE33系統(tǒng)求解，種群數(shù)量和最大迭代次數(shù)均為30，結果如表2所示，其中平均迭代次數(shù)為算法找到全局最優(yōu)解的所有運算次數(shù)中的平均迭代次數(shù)；為衡量算法收斂性能，定義局部收斂程度：若算法連續(xù)3次及以上迭代得到的全局最優(yōu)值未改變則認為算法陷入局部收斂，其中3次至5次迭代為輕度局部收斂，6次至10次迭代為中度局部收斂，10次以上為重度局部收斂。

由表2看出，解空間由0、s到V變化過程中，三種算法的尋優(yōu)率均明顯提高，可見優(yōu)化解空間可在一定程度上提升算法的尋優(yōu)效率，PSO算法的平均迭代次數(shù)和平均收斂時間均是增加的，這是由尋優(yōu)率的大幅提高引起的，而局部收斂程度中，重度收斂次數(shù)減少，輕度收斂次數(shù)增加，說明收斂程度由重度向輕度偏移，表明算法跳出局部收斂的能力提高。QPSO算法和LCQPSO算法的平均迭代次數(shù)和三種不同程度的局部收斂總體均是下降的，而LCQPSO算法的平均收斂時間有所下降，也反映出算法尋優(yōu)效率和性能的提升。在同一解空間的三種算法中，LCQPSO算法性能均是最優(yōu)的，表明算法全局搜索能力較高。

表2 結果對比

5.1.2 萊維系數(shù)量子粒子群算法性能分析

設定不同種群數(shù)量后再次進行計算，解空間均采用V，結果如表3所示。

表3 不同種群數(shù)量的運算結果

由表3看出，隨著種群數(shù)量增加，PSO算法的尋優(yōu)率均逐漸增加，平均迭代次數(shù)均逐漸降低；QPSO算法的尋優(yōu)率和平均迭代次數(shù)均優(yōu)于PSO算法，且當種群數(shù)量為30時，尋優(yōu)率達到100%；而LCQPSO算法在種群數(shù)量為10時尋優(yōu)率達到85%，隨著種群數(shù)量增加，尋優(yōu)率保持100%，平均迭代次數(shù)少，表明算法尋優(yōu)性能高效穩(wěn)定，體現(xiàn)出改進策略的有效性。萊維系數(shù)的引入提高了粒子突跳能力，減少了粒子群聚集現(xiàn)象，從而增強算法的全局搜索能力。其次，種群數(shù)量較少時，算法的尋優(yōu)率都相對較高，也反映出V作為解空間有利于提高算法尋優(yōu)效率。

5.1.3 單環(huán)尋優(yōu)策略性能分析

將SLO策略分別與PSO、QPSO和LCQPSO算法結合后對IEEE33節(jié)點系統(tǒng)和PG&E69節(jié)點電力系統(tǒng)進行仿真驗證，均采用V作為算法的解空間，種群數(shù)量從10到50變化，結果如表4所示。

表4 SLO策略性能對比

由表4看出，兩個電力系統(tǒng)中，三種算法分別與SLO策略結合后，尋優(yōu)率均達到100%，相比于表3中未結合SLO策略的情況，平均迭代次數(shù)均大幅下降，主要是因為SLO策略是基于配網(wǎng)結構和環(huán)網(wǎng)特性建立的，可在算法生成的局部最優(yōu)解基礎上準確得到更優(yōu)解，指導粒子群向更優(yōu)解靠近，促使算法跳出局部收斂。

對于IEEE33節(jié)點系統(tǒng)，經(jīng)多次實驗，設置所述算法最大迭代次數(shù)為15次，種群數(shù)為10，依然可達到尋優(yōu)效果，將結果與文獻[14-17]進行對比，結果如表5所示。

表5 IEEE33節(jié)點系統(tǒng)結果比較

由表5看出，最優(yōu)解和公認最優(yōu)解相同，網(wǎng)損不同是由于采用不同的潮流計算方法。本文方法調用SLO策略，可保證算法在較少種群數(shù)和較少迭代次數(shù)下的尋優(yōu)率達到100%。

采用119節(jié)點測試系統(tǒng)求解，計算結果如表6所示。重構后斷開開關為｛23-24，26-27，35-36，41-42，44-45，53-54，51-65，61-62，74-75，77-78，86-113，89-110，95-100，101-102，114-115｝。

表6 119節(jié)點系統(tǒng)優(yōu)化結果

由表6看出，重構后系統(tǒng)網(wǎng)損降低至869.73 kW，最低電壓提升到0.932 3，電能質量改善明顯。相比于PSO和QPSO算法，LCQPSO算法尋優(yōu)率明顯提高，而結合SLO策略后，尋優(yōu)率進一步提高到83%，說明所提算法和策略依然適用較大規(guī)模系統(tǒng)。

選取文獻[15-16]中的方法與SLO策略結合，對IEEE33節(jié)點系統(tǒng)進行重構，驗證SLO策略與其他方法結合后的效果，結果如表7所示。

表7 優(yōu)化結果

由表7看出，SLO策略與兩個文獻的方法結合后，平均迭代次數(shù)均有不同程度下降，尋優(yōu)率均提升到了100%，說明所提策略的搜索方法具有針對性，可在局部最優(yōu)解的基礎上搜索到更優(yōu)解，其次SLO策略獨立于算法，與算法之間僅通過局部最優(yōu)解進行信息傳遞，因此可與多種算法結合。從平均收斂時間看，SLO策略不會顯著增加算法運行時間。文獻[15]中算法在很少次迭代后找到最優(yōu)解，因此多數(shù)時候達不到調用SLO策略的條件。

5.2 實際配網(wǎng)中算法性能分析

采用實際電力系統(tǒng)Taipower84(TP84)再次進行仿真驗證，該配電網(wǎng)有2個供電電源，包含11條饋線和13條聯(lián)絡開關，總有功負荷為28.35 MW，總無功負荷為20.7 Mvar，系統(tǒng)結構及詳細參數(shù)可見文獻[24-25]。種群數(shù)量和最大迭代次數(shù)均為50，每種情況算法均重復運行100次，統(tǒng)計結果如表8所示。

表8 TP84配網(wǎng)優(yōu)化結果

由表8看出，在多電源實際配網(wǎng)的重構求解中，本文算法的尋優(yōu)率增加，說明改進方法合理有效。本文算法與所提策略結合后，尋優(yōu)率達到100%，三種局部收斂程度和平均迭代次數(shù)均極大降低，反映出SLO策略的高效性以及在多電源系統(tǒng)中具有很好的適用性。

從以上結果來看，SLO策略對尋優(yōu)率的提升效果與所結合的算法性能和求解的配網(wǎng)規(guī)模有關，尋優(yōu)性能好的算法結合所提策略后可進一步提高尋優(yōu)率并降低平均迭代次數(shù)，而配網(wǎng)拓撲結構越復雜，所提策略的提升效果有所下降，但依然可進一步提高尋優(yōu)率。其次，可僅用SLO策略進行重構計算，但會陷入局部收斂，是因為SLO策略是局部尋優(yōu)策略，需與智能算法結合，實現(xiàn)全局搜索與局部尋優(yōu)的實時結合。

5.3 有源配網(wǎng)中算法性能分析

以IEEE33節(jié)點初始系統(tǒng)為基礎設置以下情景，進一步驗證所提方法的性能和適用性，均采用V作為算法的解空間，本文方法為LCQPSO算法和SLO策略結合。各情景內(nèi)容如表9所示，優(yōu)化結果如表10所示。其中DG1-DG3分別是在節(jié)點10、16、30加入功率因數(shù)均為0.9，容量分別為50 kW、100 kW和50 kW的分布式電源。

由表10看出，不同情景下重構結果不同，所提算法均可求得最優(yōu)解，實現(xiàn)降低網(wǎng)損和提高節(jié)點電壓的目標，說明所提方法求解具有可行性。其次可以看出，加入DG可改善電力系統(tǒng)運行經(jīng)濟性和穩(wěn)定性。

表9 各情景內(nèi)容

表10不同情景下的優(yōu)化結果

除情景0，其他每種情景中算法均重復運行100次，結果如表11所示。

表11 不同情景下的算法尋優(yōu)性能

由表11看出，由于均采用V作為算法的解空間，每種情景下PSO和QPSO算法的尋優(yōu)率都較高，反映出優(yōu)化解空間可提高算法的尋優(yōu)效率，而本文方法的尋優(yōu)率均達到100%，說明其在復雜有源配網(wǎng)中也具有很高的尋優(yōu)性能；其次本文方法可有效降低平均迭代次數(shù)，加快收斂速度。

各種情景下算法的局部收斂程度如表12所示。

表12 不同情景下算法的局部收斂程度

由表12看出，每種情景下，本文方法均最優(yōu)，反映出所提算法和策略的結合在有源配網(wǎng)重構計算中的適用性和高效性。

6 結論

本文從改進算法、優(yōu)化解空間、配網(wǎng)拓撲與算法深度結合三個角度共同提高重構計算尋優(yōu)效率。得到如下結論：

1) 所提算法引入了萊維強凸跳特性，增強了全算法的全局搜索能力和跳出局部收斂的能力，具有有效性。

2) 所提自適應環(huán)壓有序環(huán)矩陣優(yōu)化了算法解空間，提高了種群質量，加快了算法收斂速度，進一步提高了尋優(yōu)效率。

3) 所提單環(huán)尋優(yōu)策略可與多種算法實時結合，實現(xiàn)全局搜索與局部尋優(yōu)相互配合，有效改善算法早熟現(xiàn)象，在多電源實際配網(wǎng)和有源配網(wǎng)中也具有很好的適用性。

后續(xù)可進一步驗證所提方法在動態(tài)或多目標重構中的應用。

[1] 李超, 苗世洪, 盛萬興, 等. 考慮動態(tài)網(wǎng)絡重構的主動配電網(wǎng)優(yōu)化運行策略[J]. 電工技術學報, 2019, 34(18): 3909-3919.

LI Chao, MIAO Shihong, SHENG Wanxing, et al. Optimization operation strategy of active distribution network considering dynamic network reconfiguration[J]. Transactions of China Electrotechnical Society, 2019, 34(18): 3909-3919.

[2] 郭清元, 莫超, 吳杰康, 等. 分布式電源接入的配電系統(tǒng)多類型無功源出力優(yōu)化方法[J]. 電力工程技術, 2020, 39(5): 211-219.

GUO Qingyuan, MO Chao, WU Jiekang, et al. Multi-type reactive power output optimization method of distribution system with distributed generations[J]. Electric Power Engineering Technology, 2020, 39(5): 211-219.

[3] ZHANG Delong, LI Jianlin, HUI Dong. Coordinated control for voltage regulation of distribution network voltage regulation by distributed energy storage systems[J]. Protection and Control of Modern Power Systems, 2018, 3(3): 35-42.

[4] LI Ruisheng, WONG Peter, WANG Kun, et al. Power quality enhancement and engineering application with high permeability distributed photovoltaic access to low-voltage distribution networks in Australia[J]. Protection and Control of Modern Power Systems, 2020, 5(3): 1-7.

[5] 黃河, 朱磊, 高松, 等. 提升分布式電源消納的配網(wǎng)快速遍歷重構方法[J]. 電力科學與技術學報, 2019, 34(3): 166-172.

HUANG He, ZHU Lei, GAO Song, et al. Reconfiguration method of distribution system for increasing the penetration of distributed generation[J]. Journal of Electric Power Science and Technology, 2019, 34(3): 166-172.

[6] TAMI Y, SEBAA K, LAHDEB M, et al. Mixed-integer quadratic constrained programming versus quadratic programming methods for distribution network reconfiguration[C] // 2019 International Conference on Advanced Electrical Engineering (ICAEE), November 19-21, 2019, Algiers, Algeria: 1-5.

[7] 陳永進. 基于混合整數(shù)凸規(guī)劃的有源配電網(wǎng)重構與無功電壓協(xié)調優(yōu)化[J]. 電力電容器與無功補償, 2020, 41(6): 21-29.

CHEN Yongjin. A coordinated optimization for active distribution network reconfiguration and volt/var optimization based on mixed integer convex programming[J]. Power Capacitor & Reactive Power Compensation, 2020, 41(6): 21-29.

[8] 邵華, 賀春光, 安佳坤, 等. 基于線性約束的有源配電網(wǎng)規(guī)劃研究[J]. 電力科學與技術學報, 2020, 35(5): 66-74.

SHAO Hua, HE Chunguang, AN Jiakun, et al. Active distribution network planning model based on linearized constraints[J]. Journal of Electric Power Science and Technology, 2020, 35(5): 66-74.

[9] 董家讀, 黃慶, 黃彥全, 等. 輻射型配電網(wǎng)重構的功率矩法[J]. 電力系統(tǒng)保護與控制, 2010, 38(6): 22-25.

DONG Jiadu, HUANG Qing, HUANG Yanquan, et al. The power moment method for radial distribution network reconfiguration[J]. Power System Protection and Control, 2010, 38(6): 22-25.

[10] 田書欣, 劉浪, 魏書榮, 等. 基于改進灰狼優(yōu)化算法的配電網(wǎng)動態(tài)重構[J]. 電力系統(tǒng)保護與控制, 2021, 49(16): 1-11.

TIAN Shuxin, LIU Lang, WEI Shurong, et al. Dynamic reconfiguration of a distribution network based on an improved grey Wolf optimization algorithm[J]. Power System Protection and Control, 2021, 49(16): 1-11.

[11] 徐小琴, 王博, 趙紅生, 等. 基于布谷鳥搜索和模擬退火算法的兩電壓等級配網(wǎng)重構方法[J]. 電力系統(tǒng)保護與控制, 2020, 48(11): 84-91.

XU Xiaoqin, WANG Bo, ZHAO Hongsheng, et al. Reconfiguration of two-voltage distribution network based on cuckoo search and simulated annealing algorithm[J]. Power System Protection and Control, 2020, 48(11): 84-91.

[12] NAVEEN S, KUMAR K S, RAJALAKSHMI K. Distribution system reconfiguration for loss minimization using modified bacterial foraging optimization algorithm[J]. International Journal of Electrical Power and Energy Systems, 2015, 69: 90-97.

[13] 潘本仁, 王和春, 張妍, 等. 含分布式電源的主動配電網(wǎng)重構策略研究[J]. 電力系統(tǒng)保護與控制, 2020, 48(15): 102-107.

PAN Benren, WANG Hechun, ZHANG Yan, et al. Study on an active distribution network reconstruction strategy with distributed power supply[J]. Power System Protection and Control, 2020, 48(15): 102-107.

[14] 榮秀婷, 王承民, 葉斌, 等. 基于方向矩陣的PSO算法在配網(wǎng)重構中的應用[J]. 電測與儀表, 2019, 56(9): 63-68.

RONG Xiuting, WANG Chengmin, YE Bin, et al. Application of PSO algorithm based on direction matrix in distribution network reconfiguration[J]. Electrical Measurement & Instrumentation, 2019, 56(9): 63-68.

[15] 薛毓強, 吳小雁, 魏文新. 基于環(huán)路組搜索方式及分環(huán)替代策略相結合的配電網(wǎng)重構[J]. 電網(wǎng)技術, 2016, 40(1): 263-269.

XUE Yuqiang, WU Xiaoyan, WEI Wenxin. Distribution network reconfiguration with BPSO based on combination of loop group search and individual loop replacement[J]. Power System Technology, 2016, 40(1): 263-269.

[16] 陳鑫, 周步祥, 袁岳, 等. 基于環(huán)路矩陣分塊重組策略的配電網(wǎng)重構[J]. 電測與儀表, 2020, 57(6): 30-37.

CHEN Xin, ZHOU Buxiang, YUAN Yue, et al. Reconfiguration of distribution network based on loop matrix block-recombination strategy[J]. Electrical Measurement & Instrumentation, 2020, 57(6): 30-37.

[17] 肖軒怡, 汪沨, 陳春, 等. 基于自適應負荷調整網(wǎng)絡矩陣的配電網(wǎng)重構[J]. 電工技術學報, 2018, 33(10): 2217-2226.

XIAO Xuanyi, WANG Feng, CHEN Chun, et al. A network reconfiguration method based on adaptive load regulation matrix[J]. Transactions of China Electrotechnical Society, 2018, 33(10): 2217-2226.

[18] SILVA L I, BELATI E A, GEREZ C, et al. Reduced search space combined with particle swarm optimization for distribution system reconfiguration[J]. Electrical Engineering, 2020: 1-13.

[19] 李星辰, 袁旭峰, 李沛然, 等. 基于改進QPSO算法的主動配電網(wǎng)削峰填谷策略研究[J/OL]. 電測與儀表: 1-7[2021-02-20]. http://kns.cnki.net/kcms/detail/23.1202.TH.20200601.1034.012.html.

LI Xingchen, YUAN Xufeng, LI Peiran, et al. Research on peak load shifting in active distribution network based on improved QPSD algorithm[J/OL]. Electrical Measurement & Instrumentation: 1-7[2021-02-20]. http://kns.cnki.net/kcms/detail/23.1202.TH.20200601.1034.012.html.

[20] 陳春, 汪沨, 劉蓓, 等. 基于基本環(huán)矩陣與改進和聲搜索算法的配電網(wǎng)重構[J]. 電力系統(tǒng)自動化, 2014, 38(6): 55-60.

CHEN Chun, WANG Feng, LIU Bei, et al. Network reconfiguration based on basic ring matrix and improved harmony search algorithm[J]. Automation of Electric Power Systems, 2014, 38(6): 55-60.

[21] 邢曉敏, 張萌, 商國敬, 等. 分布式發(fā)電系統(tǒng)接入對配電網(wǎng)電壓分布的影響分析[J]. 東北電力大學學報, 2018, 38(2): 9-14.

XING Xiaomin, ZHANG Meng, SHANG Guojing, et al. Analysing the influence of distributed generation system on the voltage of distribution network[J]. Journal of Northeast Electric Power University, 2018, 38(2): 9-14.

[22] 許鳴吉, 沈磊, 李勝, 等. 計及綜合因素的光伏接入配電網(wǎng)優(yōu)選研究[J]. 電力工程技術, 2021, 40(2): 46-52.

XU Mingji, SHEN Lei, LI Sheng, et al. Optimization of photovoltaic access distribution network considering comperhensive factors[J]. Electric Power Engineering Technology, 2021, 40(2): 46-52.

[23] ZHANG D, FU Z, ZHANG L. An improved TS algorithm for loss-minimum reconfiguration in large-scale distribution systems[J]. Electric Power Systems Research, 2007, 77(5): 685-694.

[24] 張逸. 主動配電網(wǎng)多目標網(wǎng)絡重構研究[J]. 電工電能新技術, 2017, 36(9): 29-35.

ZHANG Yi. Active distribution network multi-objective reconfiguration research[J]. Advanced Technology of Electrical Engineering and Energy, 2017, 36(9): 29-35.

[25] SU C T, CHANG C F, CHIOU J P. Distribution network reconfiguration for loss reduction by ant colony search algorithm[J]. Electric Power Systems Research, 2005, 75(2): 190-199.

Active distribution network reconfiguration based on single loop optimization strategy

YU Aiqing, DING Liqing, WANG Yufei, LI Hao

(College of Power Engineering, Shanghai University of Electric Power, Shanghai 200090, China)

DG access in a distribution network leads to an intelligent optimization algorithm which can easily fall into local convergence and low optimization rate in the reconstruction. Considering the relationship between the distribution network topological characteristics and the algorithm, an active distribution network reconstruction method based on single loop optimization strategy is proposed by deeply combining the two. First, Levy flight is introduced into the quantum particle swarm optimization algorithm to establish the Levy coefficient quantum particle swarm optimization (LCQPSO) algorithm. Secondly, the adaptive ordered ring matrix based on node voltage in a ring network is proposed as the solution space of the algorithm. Finally, from the corresponding relationship between the distribution network topology and the global optimal solution of the algorithm, a single loop optimization strategy is established. This is dynamically combined with the algorithm. By improving the algorithm, optimizing the solution space, and combining the distribution network topology with the algorithm depth, the global search ability and optimization efficiency of the algorithm is improved. The effectiveness and applicability of the proposed algorithm and strategy are verified by simulation analysis of several power systems.

active distribution network reconfiguration; improving the algorithm; distribution network topology; optimizing the solution space; single loop optimization strategy

10.19783/j.cnki.pspc.210323

國家自然科學基金項目資助(51907116)；上海市科技創(chuàng)新行動計劃項目資助(20DZ2205500)；上海綠色能源并網(wǎng)工程技術研究中心項目資助(13DZ2251900)

This work is supported by the National Natural Science Foundation of China (No. 51907116).

2021-03-26；

2021-06-18

于艾清(1981—)，女，通信作者，博士，副教授，研究方向為新型電力系統(tǒng)規(guī)劃與調度、智能優(yōu)化算法；E-mail: yuaiqing@shiep.edu.cn

丁麗青(1994—)，男，碩士研究生，研究方向為配電網(wǎng)故障搶修與恢復、智能優(yōu)化算法；Email: dlqcrystal@qq.com

王育飛(1974—)，男，博士，教授，研究方向為電動汽車有序充電、電力儲能應用技術和電能質量分析與控制。E-mail: wangyufei@shiep.edu.cn

(編輯 葛艷娜)