基于人工智能算法的主动配电网分解协调多目标优化研究

缪辰宇 刘尧 杨叶昕 张勇 陈建钿 丘冠新 谢虎

关键词：人工智能;主动配电网;分解协调;拓扑分析模型

电网是国家能源基础设施的主要组成部分之一，随着我国社会经济水平的不断发展，对电网的要求也越来越高，再加上近年来电力体制改革的不断进行，种种因素都促使我们要不断进行配电网的升级改造。

2015年国家提出了“管住中问，放开两头”的管理方案，意思就是提高发电方、售电方的市場化程度，然后在电网等环节加强政府的管理，在这样的方针下，比如一些微电网企业、绿色节能公司等等。随着形形色色企业的入驻，我国的主动配电网不断面临着机遇和挑战。国外发达国家具有比较健全和成熟的电网管理系统，比如作为曾经的“日不落”帝国，英国很早就开始发展工业化，工业化离不开电力的支持，美国硅谷作为世界上著名的技术研究中心，当地的电力发展也非常完善。因此，目前关于实现主动配电网的多目标研究是我国电力方面专家研究的重点。

在这样的大背景下，本文根据我国的国情和实际发展水平，从人工智能算法的角度出发，提出了拓扑分析法，对IEEE-30、IEEE-51和IEEE-112的数据进行了研究，得出了相应的结论。本文采用的拓扑分析法可以丰富人工智能算法在国家电网中的研究，进而对原来已经有的研究成果进行有效补充，对我国电力行业发展具有重大的推动作用。

1材料和方法

1.1主动配电网的相关理论基础

主动配电网（active distribution network，ADN）指的是利用现阶段的新兴科学技术，比如智能用电技术、智能储能技术等，实现对电网系统和配电网资源经济的协调控制，提高可再生能源的利用率，为广大用户带来高质量、高水平的用电体验。从概念来看，主动配电网具有智能、柔性、整合以及协调运行的特征。

主动配电网的不断优化是我国不断追求的目标，现阶段的主动配电网优化管理有三种不同的控制方式。分别是集中式、分散式和混合分层式。

集中式首先是把每个节点的电压数据收集起来，然后将这些数据统一送到配电网的中央控制器（distribution network central controller。DNCC）。最后DNCC通过控制各个分布式发电装置（dis-tributed generation，DG）分配有功无功协调配电网，保证电压和频率处于合理范围内;分散式是将采集来的电压数据进行分析，控制和调整本地的分布式装置，力求电力功率控制在平稳的水平;混合分层式指的就是集中式与分散式的加总，采用多层的结构，上、中、下层各司其职，上、中层主要负责收集和分析数据，然后对数据进行合理的优化，将优化好的数据发送至下层。

1.2主动配电网的研究现状

传统配电网的优化主要分为静态优化调度和动态优化调度。目前主动配电网的发展目标主要是从规划、运行、评价等方面着手，彻底改变传统的配电网规划、设计等，实现电网的效益最大化。随着现代科学技术的不断发展，配电网的正常运行受到诸多影响。例如现在新能源汽车的大量使用以及柔性负荷的增加，其中为满足一些特定用户需求的分布式电源接入导致的功率倒送、短路电流增大、电力功率波动频繁等，已经为目前配电网的安全运行带来了诸多不便。因此，新时期的配电网优化目标也要随着时代的变化而变化，要求：第一，运行成本低、电力功率稳定、可靠性强、环保;第二，具有全局意识，多方面、多角度为广大用户配电。

主动配电网主要是针对柔性负荷和分布式电源等资源，考虑全局来达到电网内部的电力守恒和安全稳定。其结构如图1所示。

由图1可以看出，首先系统把统一收集到的各个节点的数据，比如电网的开关状态、各地的实时天气预报等信息综合起来呈送到一个总管理平台，到达这个管理平台之后，利用一些算法，比如潮流算法对这些数据进行整理和分析，最后经过评估得到一个最优解。

1.3拓扑约束分析模型相关数据的设定

1.3.1电源管理单元优化配置的目标函数

目前随着互联网技术的广泛应用，采集精确的、全面的数据已经成为电网数据收集的前提条件。电源管理单元是一种新兴的高精度测量装置，它的出现极大地促进了智能电力的发展。其目标函数如式（1）所示。

式（1）中，M删为已配置的PMU点总数，M为不可观测点总数。

1.3.2电源管理单元拓扑约束分析法

可观测性是每项数据必备的条件，所以可观测性依据这一特点，相应地提出了拓扑约束分析法，它主要是以电源管理单元的配置为准则，然后找到电源正负极的管理单元配置点。其基本方法如图2所示。

1.3.3拓扑分析法约束条件

实验的有效进行离不开相关约束条件的设定，由上述的拓扑分析法得到了相应的结果，现在再为电源管理单元设定三个约束条件。

第一：PMU中一个空集s的每一个节点都要设置电源管理单元;

第二：相反PMU中另一个空集F的每一个节点都不要设置电源管理单元;

第三：假设其中一个节点V设置电源管理单元时，不要在PMU空集F中的第i个节点中设置电源管理单元。

1.3.4拓扑分析法参数的设定

为了验证拓扑分析模型的合理性，采用IEEE一30节点配电网络作为算例，其具体参数如表1所示。

2结果和分析

2.1不考虑分区的全局优化结果

首先我们对表IIEEE-30的拓扑约束条件进行优化计算，本文采用多目标遗传算法（NSGA-II）进行优化计算，其结果如图3所示。

由图3可以发现，随着运行成本的增加，有功网损是不断下降的，而且两者一直处于竞争的状态，换言之，运行成本越小，有功网损就越严重，但是运行成本增加的话，有功网损又得到了改善。

虽然不分区的全局优化解呈下降趋势，但是也要从中选取最满意的解，在不使用分解协调法的前提下，得出全局的最优解，其结果如图4所示。

从图4可以发现，AT的电力值最大，不管是有功还是无功都是最大的数值，然而BT的第二出力值是最低的。

2.2采用分解协调法的分区优化结果

首先我们对各个区进行划分，与上述不考虑分区所用参数一致，主分区的相关优化结果如图5所示。

从图5可以发现，整体还是呈下降的趋势，随着运行成本的增加，有功网损也会越来越严重。但是对拓扑分析模型进行分解后求解，还是可以找到一些满足多个目标的最优解，以达到运行成本相对低的情况下，有功网损也较小。比如当运行成本为0.06、0.12等情况的时候，有功网损相对较少。

和之前不考虑分区的全局优化一样，我们从拓扑分析模型中找出一些相对的最优解，计算变量到边界1和边界2中作为模型分解后的约束。

（1）边界1。

还是采用与之前一致的参数进行求解，运行成本与有功网损的变化趋势如图6所示。

由图6可以得知，在分区的情况下采用分解模型的方法可以找到一些最优解，现在对这些最优解进行边界的变量约束，也可以得到最优解，比如在1.211、2.2123等运行成本的情况下，有功网损达到了相对最小的情况。

（2）边界2。

还是采用与之前一致的参数进行求解，运行成本与有功网损的变化趋势如图7所示。

由图7可以得知，在分区的情况下采用分解模型的方法可以找到一些最优解，现在对这些最优解进行边界的变量约束，也可以得到最优解，比如在1.5245、1.6235等运行成本的情况下，有功网损达到了相对最小的情况。

2.3相关优化结果对比

前面主要利用分区的思想，绘制了全局优化和分区优化的运行成本与有功网损之间的趋势图，为了更进一步对比全局和分区的优劣，对这两组数据进行了整合，如表2所示。

由表2的分析可以看出，全局优化方法的更新次数、运行成本、网络耗损数值都比较高，分区优化与全局优化相比能够明显减少网络损耗、运行成本和更新次数。说明分区的求解思路在拓扑分析模型中更加有效。

2.4多目标之间的比较

（1）各算法之间的速度比较。

从上述的研究中，我们可以看出分区优化能使运行成本降低、网络损耗减少。为了能多角度地将主动配电网进行优化，我們引入了IEEE-51测试系统和IEEE-112测试系统，利用上面提到的约束条件，将测试系统中得出的时间与免疫遗传算法的时间对比，得到了相应的结果。如图8所示。

由图8可知，不管是算例约束时间还是免疫遗传算法时间，都是IEEE-112的约束时问最长，分别达到了45.36544s和85.2s，IEEE-30的所用时间最少。说明这种算法的运算速度很快，能够提高电网运行的速率。

（2）各算法结果的多解分析。

我们都知道电源管理单元的最小配置方案有很多种，首先利用上述2种提到的约束条件，空集PMUF中的每一个节点都不要设置电源管理单元规则，以IEEE-112为例，约束1集合中有20个不同的相关数据，其中5，12，19，22，36是不需要设置电源管理单元的节点;5，56是不需要设置电源管理单元节点后面的节点;46是根据具体的有效值所得到的节点;26，59，61，63是有效值节点后面的节点;75是根据具体的有效值所得到的节点;86，92是有效值节点后面的节点;26是根据具体的有效值所得到的节点，它的后面没有节点。49是根据具体的有效值所得到的节点;53是有效值节点后面的节点;81是根据具体有效值所得到的节点;33，39是有效值后面的节点;13是根据有效值得到的节点;31，96是有效值节点后面的节点。根据这些数据再重新进行上述的约束条件、目标函数计算，研究结果如表3所示。

由表3可以得出，以IEEE-112最小数目配置的电源管理单元，三个方案的配置结果数目都很多，得到了配置的最优解，能够使电源管理单元得到良好的优化效果。

3结论

随着科学技术的不断进步，主动配电网中出现了越来越多的问题，同时分布式能源的大量接入也带来了诸多的问题，代替原来的运行成本高、电力功率不稳定等问题的传统的电力管理方式，发展智能电网是顺应时代发展的必然产物。围绕主动配电网分解协调多目标优化的方向，从人工智能算法的角度出发，建立了拓扑分析模型，对模型进行了全局和分区的划分，利用多目标遗传算法对模型进行求解，为了进一步多角度将主动配电网进行优化，又将IEEE-30、IEEE-51和IEEE-112的运行速度进行比较，又对IEEE-112的最小数目进行了电源管理单元的配置，最后整理分析得出以下几点结论：（1）利用拓扑分析模型，对数据进行全局和分区的运行成本与有功网损对比发现，分区思想可以大大降低运行成本、更新次数和网络损耗，这一结果能够实现最优解的目标。（2）从电源管理单元的可观测性出发，结合相关的约束条件和目标函数，经过计算发现拓扑约束分析不仅能使运算速度加快，而且对结果具有优化作用。（3）将人工智能算法和电源管理单元的优化配置相结合，能够得到极好的优化结果，这种方法可以在电力行业得到推广。

在未来的研究发展中，可以从主动配电网分解协调多目标优化对国家电力相关行业经济效益的影响上进行讨论，还可以对发达国家现阶段的电力市场进行分析和总结，结合我国的实际情况给予相应的借鉴，使我国的电力行业从用户体验、企业用电、电力稳定等方面有明显的改善。