配电网络重构及智能优化算法在其中的探究

李辰雷

(河海大学可再生能源发电技术教育部工程研究中心，南京，210098)

0 引言

配电网络在电力工程中属于最后的支撑性环节，整个电力网络的运行离不开良好的配电网络，良好的配电网络能够对整个系统起到支撑和保护的作用。对整体配电系统进行控制和调整，最主要的手段就是进行网络重构，同时这也和配电管理系统的正常运行密切相关。运行方式就是通过对网络的开关运行状态进行改变，以此来对供电拓扑结构进行转换，转移各种变电站或者馈线之间的负荷，这样就能够达到降低电力损耗的作用，同时也可以起到保证电压稳定，确保负载平衡的目的。由于我国目前在电量供应方面依旧存在相对紧张的问题，所以，通过对供电网络进行重构，就可以有效减轻电量供应紧张的局面，这样对于我国的经济建设以及社会发展都有很大好处。摘要中已经提到过，进行配电网络重构，是一个非常复杂的工程，同时涉及到了网络损耗、供电可靠性、平衡负荷等方面。其主要的手段就是通过降维的方式来对线路进行优化，工作原理就是以某一个函数作为目标函数，对其他标量或者目标进行优化和约束。因为重构配电网络时具有非线性的特点，所以，在进行优化的过程中，每次都要计算配电网潮流，所以这是一个非常耗费时间的过程。为了能够保证计算速度的提高，并且可以得到最优的结果，所以很多研究者在研究各种方式来对电网重构问题进行解决。最早尝试的传统手段以及现代运用的近全局寻优方式，再到目前使用的计算机智能算法，各种方式都进行了尝试，总的来说，每种方法都有其优点，同时也有不足之处。。

1 配电网重构的概述

1975年，Back 提出了配电网重构的概念，其主要目的就是通过改变电网中的拓扑结构，使得电网在输送电过程中能够稳定良好运行。由于运行条件不断变化，进行配电网络重构的目的也在改变，如果系统运行正常，则重构的目的就是为了降低能量损耗；如果系统无法正常运行，重构的目的就是为了将故障区域隔离起来，消除相关的过载，通过对开关的控制来保证不给隔离区域供电，这种重构的方法称为恢复重构。

所以，配电网络重构具有多重目的：第一，能够尽快恢复故障，损失降低；第二，使得电力系统运行稳定；第三，降低系统运行过程中的损耗；第四，消除相关过载，保证馈线之间的平衡；第五，对各种组合目标进行优化，也就是对以上的目标进行多个考虑。

对配电网络进行重构需要有以下条件的约束：第一，配电网的潮流约束；第二，母线中的最大电流约束；第三，馈线有一定的容量；第四，母线电压约束；第五，保证具有辐射状态的网络结构。

2 智能优化算法

在重构配电网络系统的过程中，一般会结合运用多种智能算法，主要的有人工神经网络算法、专家系统方面的算法、禁忌搜索算法、遗传算法、退火算法等等。

3.1 模拟退火算法（SA）。这种算法是在重构供电网络过程中，最早采用的。其原理在于和物理固定的退火过程一样，通过退火的方式，使得各个物质之间进行紧密地联系。这种算法是以一定温度为初温，随着温度的下降，根据概率具有突跳的特点，根据最有可能的概率找到最好的解决方案，并且最终得到的解决方案与初始解决方案不同。在文献中，对于这种算法，其提出了一种比较可行的改进方案。这种改进使得这个算法对参数不具有很高的依赖性，同时也在很大程度上减少了计算量。文献则是通过SA 算法来提高重构配电网络的供电可靠性，在对目标函数进行评价的过程中，通过采用分布处理的方法，就能够很好地节约时间成本。

通过对SA 算法进行运用，我们可以在得到一个较好的全局最优解，然而算法缺点在于非常依赖于退火方案以及参数，在重构配电网络的运用过程中，要通过个各种开关的不断交换，来形成一定的效果，需要动用非常大量的计算，来估计网损和潮流。

3.2 遗传算法(GA)。以生物进化论为基础，采用的一种非常随机的计算方式，就是我们熟知的GA 法。这种方法是通过对遗传过程以及目标方面的函数进行结合，在重构配电网络的同时，对开关进行编码，并且对于问题本身的性质，没有需要特别运用限制。在进行遗传操作的计算时会出现很多无效的不可行解，这样就大大降低了运行的效率。目前主要的改进方法就是对免疫机制进行运用，对于遗传算法在局部寻找最优解的能力进行提高，同时以染色体的形式来对网络开关的开合状态编码，来保证全局都能够得到最优或者次优解 。算法的优点是可导性以及目标函数的连续性等条件对于算法限制不大，通过多点并行的方式搜索解的空间，对于离散状态的优化问题可以进行有效处理，可以在很短时间内到达全局收敛。同样，遗传算法一些弊端，很容易导致早熟收敛的产生，如果最开始的基因编码不同，则结果也会不一样。

3.3 禁忌搜索法(TS)。TS 算法就是对领域进行拓展的寻优方式，是一种在全局逐渐对最优进行寻找的方式，是完全模拟人类智力的过程。这种方法的原理就是通过一种非常完好的“记忆”方式，对于已经完毕的优化情况进行选择和记录，对于之后的搜索方位进行指定。文献采用禁忌搜索算法为优化手段，提高系统的稳定性。文献以最小网损为目标，通过改进禁忌搜索策略来来重构的供电网络。

3.4 人工神经网络法(ANN)。ANN 是一种以生物神经为模拟对象的优化算法，这种算法将实际问题与生物稳定的神经系统联系起来，进而得到将实际问题进行神经化分析的过程。这种算法不需要有很多潮流方面的数据，能够节约重构网络的时间，然而，优化结果质量的高低在于训练样本的质量。

3.5 专家系统法。这种方法主要的运用领域在于建立相关模型，而需要根据一定的实际经验来解决的问题。这种方法的缺点在于对专业人员的依赖度非常高，并且，由于是经验解决问题，所以，无法形成完善的理论系统。

3 配电网络重构要注意的问题

4.1 重构配电网络，最为基础的方向就是系统负荷的影响。同时，这个方向也必将成为以后研究的一个重要领域。

4.2 电网中的负荷是不断变化的，所以，对实时的网络负荷进行研究，具有一定的潜在意义。然而，在工程化应用方面，目前的优化方式还无法达到实时要求。

4.3 因为配电网与输电网结构不一样，所以在输电方面对潮流的算法并不能够完全不变地运用到配电网络中，对于配电网络潮流的计算，一定要采用考虑网络特点的计算方法。

4.4 在进行重构的过程中，一定要对分布式的电源进行考虑。通过目前的研究看来，DG 在一般情况下是有利于减小网损的，而且可以提高电网的电压的质量。

4.5 对不确定的因素进行处理。很多实例表明，不能够在实际操作过程中完全获得配电系统的信息。在选择方法时，一定要将信息的不确定性考虑进去。

4.6 对网络进行重构，其作用可以减少电流在网络中的损失，但是，在重新构建电路的同时，一定要考虑到新的电路对于配电的安全性影响。所以，重构配电网络是非常复杂的，考虑单一目标的网络重构实用性无法保证。重构配线网是一个整体性的动作，到各个环节做到最好，同时保证供电安全性，这样才能够达到重构的目的。

4 结语

配电网络重构是一个非常复杂的工程，属于非线性的范畴。每种重构方法都存在一定的缺陷，可以通过各种不同的方法来获得最优的配电网络设计。并且，随着我国工业和科技的发展，对于电力需求的不断增加，在配电网络方面，就更加需要保证配电的安全性，稳定性，经济型。只有找到更好的解决重构的方法，才能够为我国的经济建设作出贡献。

[1]李中建,丁坚勇.配电网络重构的算法分析与改进[C].中国高等学校电力系统及其自动化专业第21 届学术年会论文集,2005.

[2]毕鹏翔,刘健,张文元.配电网络重构的研究[J].电力系统自动化,2001,(7).

[3]沈晓东,刘俊勇,孙毅.配电网重构的研究和发展[J].四川电力技术,2003,(2).

[4]Chiang -Hsiao Dong,ReneJean Jumeau.Optimal network reconfiguration distribution systems,Part I:A new formulations and a solution methodology.IEEE Transactionon PWRD,1990,5(4) :1902～1909

[5]余贻鑫,段刚.基于最短路算法和遗传算法的配电网络重构[J].中国电机工程学报,2000,20(9).

[6]邓佑满,张伯明,相年德.配电网重构的改进最优流模式算法[J].电网技术,1995,19(7).

[7]吴本悦,赵登福,刘云,等.一种新的配电网络重构最优流模式算法[J].西安交通大学学报,1999,33(4).

[8]毕鹏翔,刘健,张文元.配电网络重构的改进支路交换法[J].中国电机工程学报,2001,21(8).

[9]孙健,江道灼.配电网络快速重构算法[J].能量管理系统及配电网自动化,800-804.

[10]胡敏,陈元.配电系统最优网络重构的模拟退火算法[J].电力系统自动化,1994,18.

[11]Li Fangxing.Distributed Processing of Reliability IndexAssessment and Reliability -Based Network Reconfigura-tion in Power Distribution Systems.IEEE Transaction on Power Systems,2005,20(1):230～238

[12]余贻鑫,邱炜,刘若沁.基于启发式算法与遗传算法的配电网重构[J].电网技术,2001,25(11).

[13]王秀丽,吴宏晓,别朝红,等.以提高系统可靠性为目标的配电网络重构[J].中国电力,2001,34 (9).

[14]陈根军,李国,唐国庆.基于Tabu 搜索的配电网络重构算法[J].中国电机工程学报,2002,22 (10).

[15]王凌.智能优化算法及其应用[M].北京:清华大学出版社,2002.