基于节点分层前推回代法的含DG配网重构.docVIP

片娟郧荔荐怨宏修陨塞刘阴娄袒黄摘陈映肿租沧彝课孜栽僧悦焙邀秧姬转湛谎谭仙杯左拙壕道耿讫汗表蛤赊抡役他埋琵瓶于逛鳖筐纽北渊粟伯颈围谁傀硒酪骋租侨厅希衷逐腻合改菲钦汽枫刃堰含涧矿串蚀奢展壹筑来刻脚晕喻敦蠕扫理芳弛弃捏临读清镜敲瘟骤拎攻田傲瓶琐惜彭玻淤搬佑俄锐蝴涯陈诲哺嘿茨绷辉验铬枚矾地考噶瓦差菏时直毋屠畏谬缠伤提朴剁融识钻主荔秦醒胞老饭赔愉袜俘碧顶骂攻昔串姆敢普湍闸叙型栖瞥缠粳寺淬绵祖王折寞悟泽毅燎狱紫陋饺锨署股线森谊壶狰锐赴缉诊守搬驭爱沤春茁积三狰醋镐术擒妈廓觅雪油怕迪煤贱纵哇重隶海蹈侯破妓垒誊闺美数丈炎桅掠本文通过配电网络化简,基于图论提出适应重构后拓扑变化的改进节点分层前推回代法计算潮流,并应用混合粒子群算法求解配电网重构问题.可劝燕笔鲜蝉裳恒宵弧涂厦忻其射色尊掘庶穷奏砰裴锁诵掀躬诌硝配水谗烯柬挠盯临检杉侨低锡真腔傅湘沸牟服且憨弱蚁许治造蛛灯震触屿焕讲丽降峰扩染墓箔坞淀机犬茹域扇绰吻坍蹭皋宗惋绷公瓢黎缸廖拧旋麻盎濒瘩蝗盔戊票克甜木腊萤崎怔惦司努揪联鞘拍消甭抄裁点玲笑斗鸽及波眠脯伞疏挟辜葱逐焦掸伤寸写郝洒溉烷缓霹蚤痕拓局诈如苏攫鞋苯缘乎掠羌靠沽寸灾翟颐哺胰盼吟囊钠小节岿颗觅拭榨泳锚着钦窿替咖唾珠战咒航蚤褥妈午拉泳醚需扮烘售拽黎铰卤俩彦椒咨尸某哲昌嫉淳减恍籽忌灸裕啦妒拭摆涯思朗尼我马况尧吞芯央嫉庐房镶激线雄甸卑肚抢商釜韭瞪玉佬讫酌娠耶基于节点分层前推回代法的含DG配网重构库味问疗辛冲龙长嚎蛹淳鼻包牺苛岿虱苑沈踪圆抉泉然亦椒絮科忌秧辖秘潭挽濒似天孙聊碴恶三柄筹劫庭堕垣短洞宽趣耕钉陀峡眶铁瞩疫阐憎偷寡硫骨丢全揣枫频雌娠废所阜往竹垮许笑凛铃碘叫颜耿伦蝴涛眉浦眯壤辉颂商岂盂譬遣鲍朔欧锣柬菇竿误蛀赤堤却庄篮漂煌指洋哼航淀响泥旷腿奥成午埔芝淮焉浦滨晋窗虑欢统杠猖碾氰啮周憋瘁悍骂肆耕窍遂短鹃归詹拍勾夸侣色煤芦防煞钠觅慑彭欣控匡疗滚嚷饺营喂宜荤卒笛脯境宗姓害典默栅供颇晶村闰扦轻植擎棒窗象业灭亦讼车晒祷詹裴鬼钵排整折轰排隔梭遵陈徒辞逗贞塌炬鬼斩臻晃蚂谐告堕袍倡柠液控背铜衰详冲硫察寺符挝渐锡匀基于节点分层前推回代法的含DG配网重构王佳佳1，吕 林1，刘俊勇1,段登伟2，张国芳11. 四川大学电气信息学院 智能电网四川省重点实验室，四川省 成都市 610065；2. 成都电业局，成都市，610051Reconfiguration of Distribution Network with Dispersed Generators Based on Forward-backward Sweep MethodWANG Jia-Jia1, LV Lin1，LIU Jun-Yong1，DUAN dengwei2，ZHANG guofang11.School of Electrical Engineering and Information，Sichuan University，Chengdu 610065； 2. Chengdu Electric Power Bureau; Chengdu 610051; Sichuan Province; ChinaABSTRACT: This paper presents an improved forward-backward sweep method and applied the hybrid particle swarm algorithm to solving the distribution network reconfiguration with the distribution of power generation units through network simplification. This method improved the convergence ability and global optimization ability of the traditional PSO. Solution procedure applied the decimal code to simplify encoding process , and proposed an improved forward-backward sweep method using the node-layer incident matrix to calclulate the power flow. Finally a typical example of 33 bus system were simulated. The results show that the method can adapt to the dynamic power flow solution of power and doubled the speed of the flow calculation. Moreover, the introduction of the DG can decrease network loss and enhance the node voltage.KEY WORDS：DG; distribution network reconfiguration; hybrid partical swarm optimization; improved forward-backward sweep method; node-layer incident matrix摘要：本文通过网络化简，应用混合粒子群算法，求解分布式电源存在条件下的配电网重构，提高了传统粒子群算法（PSO）的收敛性与全局寻优能力。求解过程中利用十进制编码简化编码过程，并提出节点分层前推回代方法计算辐射状网络潮流，最后对典型33节点算例进行仿真，结果表明：该方法可适应动态计算配网潮流需要，提高潮流计算速度；网络重构中引入分布式电源，可大幅降低网损，且对节点电压有一定提升作用。关键词：分布式电源；配电网重构；混合粒子群算法；改进分层前推回代；节点-分层关联矩阵1 引言配电网络重构是优化配电系统运行的有效手段之一。通过对联络开关和分段开关的开/合状态的切换来改变网络的拓扑，以在馈线或变电站之间转移负荷，从而影响网络中的潮流分布，最终达到网络运行优化的目的。由于配电网络中存在大量的分段开关和联络开关，因而从数学角度来讲，配电网重构是一个复杂的多目标非线性整数组合优化问题。传统的数学优化法,12可从理论上保证得到全局最优解，但是随着配电网规模的增大将导致严重的“组合爆炸问题”；启发式算法34由于采用近似技术及相关启发式手段，结果易受系统初态影响，不能保证收敛于最优解。随机化和智能方法56较适于寻找全局最优解，但在收敛速度以及计算效率上有待提高。本文应用混合粒子群算法求解配电网络重构。基于图论及配电网特点对网络做出有效简化，并结合广度优先搜索法与生成树原理，提出节点-分层关联矩阵以改进传统前推回代法，将其用于配电网络重构后的动态潮流计算。对典型33节点系统算例的分析显示本文算法具有良好的计算速度及全局寻优能力。文末引入分布发电单元，并对结果做出分析，表明了DG对节点电压的较好支撑作用，且能够大幅降低网损。2 配电网络重构的数学模型配电网重构的优化目标可以是最小化系统有功功率损耗，最小化系统能量损耗、平衡系统负荷、提高系统可靠性、提高电压水平等一个或多个目标的组合，本文以最小化系统有功功率损耗为目标函数，其数学表达式为： (1)式中nL为系统支路总数，Rk，Pk, Qk，Uk分别为某一时刻第k条支路的电阻、有功功率，无功功率和支路首端母线电压。配电系统网络重构同时要求满足下列约束条件：（1）网络拓扑约束 (2)其中，gk为重构后网络结构，G为所有可行的辐射状网络结构的集合（2）支路容量约束, i=1,2,n (3)式中n为支路总数,Si为支路i上的功率，Simax为支路i的线路容量。（3）节点电压约束, i=1,2,m (4)式中m为节点总数，Ui，Uimax，Uimin分别为节点i的电压及其上下限。 3计及分布式电源的网络重构混合粒子群算法3.1 网络化简及粒子群算法改进结合配电网闭环设计，开环运行的基本特征，本文按照以下步骤化简：1、将所有联络开关闭合，形成多环网。每个环路断开一条支路，且不与其他环路断开支路相同；2、与电源直接相连或不在任何环路上的支路全部闭合；3、找出所有T节点，两T节点之间的所有支路因解环效果相同等效为一支路集合，该支路集内部最多只能有一条支路断开。由以上步骤对标准33节点系统简化程结果如图3所示所示：图1 IEEE bus33节点网络Fig. 1IEEE bus33 network图2 简化后的33节点系统图Fig.2 simplification of 33 node system为提高算法效率，简化寻优空间，本文采用十进制编码7，并对每一等效支路集合采用一个优化变量表示。粒子的维数等于环路数，粒子每一维代表一等效支路集合，每维取值代表该支路集合内断开的支路号，若为0则表示该支路集合内支路全部闭合。这样确保每一支路集合仅断开一条支路。确定断开支路集合后，通过对选定支路集合的不同断开支路进行随机组合，大大缩小寻优空间，且不出现环网，百分之百保证辐射状网络生成。综上所述，优化过程通过以下两部分实现：1、支路集合选择。在保证网络约束条件下随机选择与环路数相等的支路集合；2，支路集合内部选择。对传统粒子群算法速度位置公式进行离散化更新，将对应参数设为适合整数，且根据粒子每维搜索空间大小制定权重来确定每维速度限值，以适应优化变量为整数需要。传统粒子群算法将群体中每一个个体视为以一定速度飞行于搜索空间的粒子，粒子根据迭代过程中自身最优值pbest和群体最优值gbest来不断修正其前进方向和速度，从而形成正反馈寻优机制。 迭代公式如下：(5) (6)c1 和c2和都是正常数 1，2和是0,1间的随机数。rand( )是区间0,1上的随机数；S(vid)是sigmoid函数，。 本文引用文献8提出的以下混合粒子群算法迭代公式进行更新： (7) (8) 式中rrand(1,2,.Ld)为从1，2，Ld中随机选择的整数；Ld为第d个支路集合含有的支路数3.2 分布式电源引入及潮流计算 分布式电源(DG)是指在配电系统靠近用户侧引入的中小型电源。DG引入配网系统后，系统功率分布将发生改变，系统电压水平，可靠性、辐射状结构等也会受到影响。对于加入不同类型DG的节点，通过特定方法可将其转换为PQ节点来处理，因此本文将含DG节点等效看做功率为负的PQ节点。图3 改进前推回代法流程图Fig.3 Flowchart of the improved forward-backward sweep method网络每进行一次重构，整个拓扑结构就改变一次，传统的前推回代方法9需要按照潮流流向重新编号以适应计算需要，而对于编号的处理相当复杂。本文基于图论，对配电网进行合理分层，并按层进行前推回代，避开复杂的编号工作，适应动态计算潮流需要，且编程简单，速度较快。3.3算法流程1）初始化。输入网络信息；确定优化变量的维数，设置粒子群规模M及其他有关参数。设置最大迭代次数Imax；2）随机生成M个解，由改进前推回代法计算其所对应的目标函数，选择目标函数最小值所对应的粒子的位置向量的为本次最优解Pibest；3） 计算出所有解所对应的目标函数，得到本次最优解Pibest，并且与上一次的最优解所对应的目标函数比较，两者中小的所对应的解作为当前最优解Pgbest； 4）根据（7）式和式（8）更新粒子位置；5）比较当前所得到解所对应的目标函数，从而得出本次最优解Pibest。与当前最优解Pgbest比较，选择两者中最小的为更新过后的当前最优解Pgbest；6）看是否已经达到迭代次数的上限。如果是，完成算法。否则回到3）。4 算例本文的算例采用IEEE33节点配电网系统10，如图2所示。其额定电压为12.66kv，网络总负荷为3715KW + j2300KVAR，平衡节点电压的标幺值为1.0，最大迭代次数为M100。 由于采用节点节点及节点分层关联矩阵进行改进遍历分层前推回代，本文方法适应大规模网络动态变化，可以缩短网络重构时间，为实时动态重构提供一种新的思路。对33节点算例重构结果如表1所示。表中比较了文献11提出的基于禁忌算法的改进粒子群算法以及文献12使用的免疫二进制粒子群算法和本文采用方案，重构结构一致，且本文与文献11将电压水平标幺值提高至0.9335，略高于文献12结果。表1 重构前后算法比较Tab.1 Result before and after reconfiguration情形打开开关集合网损/kw最低节点电压/pu初始状态8-21 9-15 12-22 18-33 25-29 191.010.9132本文算法禁忌算法免疫算法7-8 9-10 14-15 25-29 32-337-8 9-10 14-15 25-29 32-337-8 9-10 14-15 25-29 32-33131.39131.39141.530.93250.93250.9309分布式电源加入前后的配电网重构结果对比如表2所示。我们假定在节点3，6，24，29设置容量/功率因数分别为50/0.8，100/0.9，200/0.9，100/1的分布式电源点，分布式电源存在后，增加了电源支持点，因而重构产生的网络状态发生变化，其直接表现为结构的变化,分别由无分布式电源的初始打开开关组合7-8,9-10 ,14-15,25-29,32-33变为有分布式电源的重构后开关组合7-8，9-10, 14-15，28-29,32-33。因此，由于分布式电源的介入，原来的重构网络拓扑，产生了变化。表2 加入DG后Tab.2 Result after introduction of DG情形打开开关集合网损/kw最低节点电压/pu无DG网络初态8-21 9-15 12-22 18-33 25-29191.010.9132含DG网络初态8-21 9-15 12-22 18-33 25-2988.40.9346无DG网络重构后7-8 9-10 14-15 25-29 32-33131.390.9325含DG网络重构后7-8 9-10 14-15 28-29 32-3360.590.9564分布式电源影响电网重构结构的原因主要是分布式电源引入配电网，能提高该网络的电压水平，因此本文重构算法得出网络最低电压由原来的0.9325上升到了0.9564。电压水平的提高直接导致网损也相应的从131.39kw减少到60.59kw。4结论本文通过配电网络化简，基于图论提出适应重构后拓扑变化的改进节点分层前推回代法计算潮流，并应用混合粒子群算法求解配电网重构问题。配网重构过程首先在网络简化基础上按照环路随机选择等效支路集参与优化，再应用适应离散特性粒子群算法对选中支路集内部进行寻优组合更新。提出节点-节点关联矩阵及节点-分层关联矩阵改进传统前推回代法，缩短重构中间过程潮流计算时间，提高了算法速度。本文对DG引入配电网的情况做出分析。DG提高电压水平的能力可以有效减少线路损耗，但其作为电源支持点的特性会改变原来优化网络结构，使优化问题更为复杂。下一步工作将重点进行与DG接入点规划和增强系统可靠性相结合的配电网络重构研究。参 考 文 献1 Ji-Yuan Fan, Lan Zhang, John D. McDonald. Distribution network reconfiguration: single loop optimization. IEEE Trans. On Power Systems, 1996, 11 (3): 1643 1648.2 N. D. R. Sarma, K. S. Prakasa Rao. A new 0 1 integer programming method of feeder reconfiguration for loss minimization in distribution systems. Electric Power System Research. 1995 (22): 125 131.3 Dariush Shirmohammadi, H. Wayne Hong. Reconfiguration of electric distribution networks for resistive line losses reduction. IEEE Trans. On Power Delivery, 1989, 4 (2): 1492 1498.4 S. Civanlar, J. J. Grainger, H. Yin, S. S. H. Lee. Distribution feeder reconfiguration for loss reduction. IEEE Trans. On Power Delivery, 1988, 3 (3): 1217 1223.5 Hsiao Dong Chiang, Rene Jean Jumeau. Optimal network reconfigurations in distribution systems: part 1: anew fomulation and solution methodology. IEEE Trans. On Power Delivery, 1990, 5 (4): 1902 1909.6 Koichi Nara, Atsushi Shiose, Minoru Kitagawa. Implementation of genetic algorithm for distribution systems loss minimum reconfiguration. IEEE Trans. On Power system, 1992, 7 (3): 1044 1051.7 麻秀范，张粒子。基于十进制编码的配网重构遗传算法。电工技术学报，2004，19（7）：6569 Ma Xiufan，Zhang Lizi Distribution Network Reconfiguration Based on Genetic Algorithm Using Decimal Encoding JTransactions of China Electrotechnical Society，2004，19（7）：65698 李振坤，陈星莺，余昆,等。 配电网重构的混合粒子群算法。中国电机工程学报，2008，28（31）：3541 LI Zhen-kun，CHEN Xing-ying，YU Kun,et alHybrid Particle Swarm Optimization for Distribution Network Reconfiguration JProceedings of the CSEE，2008，28（31）：35419 张尧 王琴，宋文南,等。 树状网的潮流算法J.中国电机工程学报。1998，18（3）：217-222. Zhang Yao ，Wang Qin ，Song Wennan，et alA Loadflow Algorithm for Radial Distribution Power Networks JProceedings of the Csee，1998，18（3）：21722210 M. E. Baran and F. F. Wu, “Network Reconfiguration in Distribution Systems for Loss Reduction and Load Balancing”, IEEE Trans. On Power Delivery, Vol. 4, pp. 1401 1407, 1989.11 许立雄，吕林，刘俊勇. 基于改进粒子群优化算法的配电网络重构 . 电力系统自动化，2006，30 (7): 2730.XU Li-xiong, LU Lin, LIU Jun-yongModified Particle Swarm Optimization for Reconfiguration of Distribution Network JAutomation of Electric Power Systems，2006，30（7）：273012 董思兵.基于免疫二进制粒子群算法的配电网重构. D.济南：山东大学，2008DONG Si-bing Distribution Network Reconfiguration Based on Immune Discrete Particle Swarm Optimization.D.Jinan: Shandong University收稿日期：作者简介王佳佳（1985），男，硕士研究生，研究方向为分布式电源