（电气工程专业论文）基于群搜索优化算法的配电网重构.pdf

b y l i p c n g i n 吐 g 墙d 幽惦s c h o o l o f p r o f c s s o rj i a n gh u i 删l ，2 0 1 1 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的 研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或 集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均 已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 储签名：李鹏 日期剐年5 月力日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保 留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。 本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密团。 ( 请在以上相应方框内打“”) 作者躲李鹏 导师签名：f 铡 日期：2 d “年s 月3 日 日期：扣c j 年岁月瑚 基于群搜索优化算法的配电网重构 摘要 为灵活可靠供电，当负荷发生变化或出现故障时，需要及时改变开关的开合 状态以进行网络重构，隔离故障，改善电压分布状况，确保配电网安全经济运行， 配电网重构已经成为优化配电系统运行方式的有效手段之一。国内外对于配电网 重构都进行了深入的研究，但对于开关众多、网络结构复杂的配电网，目前无论 是基于人工智能算法还是启发式规则的配电网重构方法均无法高效、快速的获得 全局最优解。 随着分布式发电技术的快速普及，出力具有随机性和间歇性的光伏发电系统 直接接入配电网，对配电网的运行和控制带来诸多新的挑战，也直接影响着配电 网重构的决策和最终结果。 本文总结现有配电网重构方法的基础上，提出基于群搜索优化算法提出了配 电网重构方法，以系统有功网损最小为目标建立了配电网重构模型，选择种群中 网损最小的个体为发现者，剩余个体分别作为加入者和游荡者。在寻优过程中， 应用快速支路交换法对发现者进行局部物理寻优，加入者向发现者逐步靠近执行 追随搜索，游荡者在解空间中随机搜索。该方法实现了全局搜索与局部寻优的良 好配合，有效互补了基于人工智能算法和启发式规则方法的不足，提高了搜索效 率，具有较好的全局收敛性；通过引入光伏发电系统随机模型和场景分析理论， 建立了含光伏发电的配电网重构场景模型，该模型以各典型场景下有功网损的期 望值最小为优化目标，综合考虑了光伏发电系统不同出力水平下对配电网重构的 影响，完全将光伏发电随机性和间歇性纳入到配电网重构的决策当中。 最后以美国p g & e 配电系统进行算例仿真分析，应用群搜索优化算法对该 6 9 节点系统进行网络重构，并与其他重构方法进行对比，结果表明本文方法能够 获得全局最优解，收敛速度快，算法性能高；并在该配电系统中接入光伏阵列， 以某地区辐照度数据为基础，模拟光伏发电系统出力特性，对本文含光伏发电的 配电网重构场景模型进行验证，最终重构方案计及了光伏出力的不确定性，是一 种整体意义上的最优，相对于将光伏电站当成恒定出力的常规机组而言，具有更 好的适应性。 关键词：配电网重构；群搜索优化算法；支路交换法；光伏发电：场景分析 a b s t r ac t fo rt h ep u r p o s eo ff l e x i b l ea n dr e l i a b l ep o w e rs u p p l y , i ti sn e e d e dt o o p e na n d c l o s et h es w i t c h st i m e l yt or e c o n f i g u r a t et h en e t w o r ka n dt oi s o l a t et h eo b s t a c l e sw h e n t h el o a dc h a n g e so rf a i l s ， s oa st o e n s u r et h ee c o n o m i c a n ds a f e o p e r a t i o n o fd 1 吼r i b u t i o nn e t w o r k d i s t r i b u t i o nn e t w o r k r e c o n f i g u r a t i o nh a sb e e nb e c o m ea n e f i e c t l v eo p e r a t i n gm o d eo fo p t i m i z i n gt h en e t w o r k t h o r o u g hr e s e a r c h sh a v eb e e n c o n d u c t e di n d i s t r i b u t i o nn e t w o r kr e c o n f i g u r a t i o na t h o m ea n da b r o a d b u tf o r c o m p l e xd i s t r i b u t i o nn e t w o r k ，t h ec u r r e n tm e t h o d sa r en o te 硒c i e n ta n df a s tt og e tt h e g l o b a lo p t i m a ls o l u t i o n w i t ht h er a p i d p r o l i f e r a t i o n o fd i s t r i b u t e d g e n e r a t i o nt e c h n o l o g i e s t h e p h o t o v o l t a i cp o w e rg e n e r a t i o ns y s t e mw h i c h o u t p u ti sr a n d o ma n di n t e n n i t t e n td i r e c t l v c o n n e c tt od i s t r i b u t i o nn e t w o r k s ，t h a tb r i n g sm a n yn e wc h a l l e n g e so nt h e o p e f a t i o n a n dc o n t r o lo fd i s t r i b u t i o nn e t w o r k sb u ta l s o d i r e c t l ya f f e c t st h ed e c i s i o n sa n df i n a l r e s u l t so fn e t w o r kr e c o n s t r u c t i o n an e wm e t h o df o rd i s t r i b u t i o nn e t w o r k s o p t i m i z e r ( g s o ) i sp r o p o s e di nt h i sp a p e r r e c o n f i g u r a t i o nb a s e do ng r o u ps e a r c h i nt h ep o p u l a t i o n ，t h ei n d i v i d u a lw i t h m i n i m a in e t w o r kl o s si sc h o s e na st h ed i s c o v e r e r ，a n dt h er e m a i n d e r sa r ec h o s e n a s e n t r a n t sa n ds t r a g g l e r sr e s p e c t i v e l y d u r i n gt h es e a r c h i n g ，t h el o c a lp h y s i c a ls e a r c ho f d l s c o v e r e ri sp e r f o m e db y q u i c kb r a n c h e x c h a n g em e t h o d ，a n dt h ee n t r a n t s k e e p c j o s l n gt ot h ed i s c o v e r e rs t e pb ys t e pt oc a r r yo u tt h ef o l l o w i n gs e a r c hi nt h es o l u t i o n s p a c e t h ep r o p o s e dm e t h o dr e a l i z e ss a t is f i e dc o o r d i n a t i o no f g l o b a ls e a r c hw i t hl o c a l s e a r c h , t h u st h es e a r c h i n ge f f e c i e n c yi si m p r o v e da n dab e t t e rg l o b a l c o n v e r g e n c yi s 1 m p l e m e n t e d ；b yb r i n gi nt h es t o c h a s t i cm o d e lo fp h o t o v o l t a i c p o w e rg e n e r a t i o n s y s t e ma n ds c e n a r i oa n a l y s i s t h e o r y , s c e n em o d e lo fd i s t r i b u t i o n n e t w r o r k r e c o n f i g u r a t i o nw i t hp vg e n e r a t i o ni se s t a b l i s h e d i nt h i sm o d e l ，t h eo p t i m i z a t i o ng o a l i st h em l n l m u me x p e c t e dv a l u eo fa c t i v ep o w e rl o s su n d e rt h e t y p i c a ls c e n a r i o s w h i c h c o n s l d e r i n gt h eo u t p u to fp h o t o v o l t a i cp o w e rg e n e r a t i o ns y s t e mw i t hd i 骶r e n tl e v e l s h a v i n ga ne f f e c to nd i s t r i b u t i o nn e t w o r kr e c o n f i g u r a t i o n f i n a l l y , t h eg s oa l g o r i t h mw e r ea p p l i e dt ot h en e t w o r k r e c o n f i g u r a t i o no fp g & e 6 9 - b u ss y s t e m t h er e s u l t ss h o wt h a tt h em e t h o dc a n o b t a i nt h eg l o b a lo p t i m a ls o l u t i o n 。 a n dh a v eb e t t e r c o n v e r g e n c er a t ea n d a l g o r i t h mp e r f o r m a n c e a n dc o n n e c t ap h o t o v o l t a i c a r r a y i nt h e d i s t r i b u t i o n s y s t e m ，s i m u l a t e do u t p u tc h a r a c t e r i s t i c s 基于群搜索优化算法的配电网重构 o fp h o t o v o l t a i ep o w e r g e n e r a t i o ns y s t e m b a s e do ni r r a d i a n e e d a t a ，v e r i f y t h e e f f e c t i v e n e s so ft h es c e n em o d e lo fd i s t r i b u t i o nn e t w o r kr e c o n f i g u r a t i o nw i t hp v g e n e r a t i o n k e y w o r d s ：d i s t r i b u t i o nn e t w o r k r e c o n f i g u r a t i o n ；g r o u p s e a r c h o p t i m i z e r ； b r a n c h e x c h a n g em e t h o d ；p h o t o v o l t a i cp o w e rg e n e r a t i o n ；s c e n a r i oa n a l y s i s i v 硕士学位论文 目录 学位论文原创性声明和学位论文版权使用授权书i 摘要兽i i a b s t r a c t i i i 第l 章绪论1 1 1 配电网重构的研究背景l 1 2 配电网重构的研究现状一3 1 2 1 配电网重构优化目标3 1 2 2 配电网重构优化方法4 1 2 3 配电网重构的主要问题5 1 3 分布式光伏发电研究现状6 1 4 本文所作的工作7 第2 章群搜索优化算法9 2 1 群搜索优化算法原理及特点9 2 2 群搜索优化算法数学模型1 1 2 3 群搜索优化算法性能分析1 2 2 4 本章小结1 9 第3 章基于群搜索优化算法的配电网重构2 0 3 1 配电网重构数学模型2 0 3 2 开关编码2 l 3 2 1 二进制开关编码2 l 3 2 2 十进制开关编码2 2 3 3 基于群搜索优化算法的配电网重构2 3 3 3 1 快速支路交换法2 3 3 3 2 发现者局部寻优2 5 3 。3 3 加入者追随搜索2 5 3 3 4 游荡者随机搜索2 6 3 3 5 算法步骤2 6 3 4 算例仿真与分析2 7 3 5 本章小结3 0 第4 章光伏发电系统随机性及其分析策略3 l 4 1 光伏发电对配电网的影响3 l v 基于群搜索优化算法的配电网重构 4 2 光伏发电系统随机模型3 2 4 2 1 太阳辐照度的随机分布模型3 3 4 2 2 光伏输出功率的随机模型3 3 4 3 场景分析理论3 4 4 4 本章小结3 5 第5 章含光伏发电的配电网重构3 7 5 1 光伏发电的配电网重构场景策略3 7 5 2 目标函数3 8 5 3 全场景支路功率3 9 5 4 含光伏发电配电网重构的群搜索优化算法3 9 5 5 算例仿真与分析4 0 5 6 本章小结4 3 结论4 4 参考文献4 6 致j 射5l 附录a 攻读学位期间所发表的学术论文目录5 2 附录bp g & e 6 9 节点系统网络参数5 3 硕士学位论文 第1 章绪论 1 1 配电网重构的研究背景 2 0 11 年是国家“十二五 规划的开局之年，在过去五年中，超高压输电技术 以及高压输电网得到了较快较好的发展，并取得了辉煌的成就，形成了主干骨架 网络。然而配电网特别是处于电力系统末端的农村配电网是我国电力系统的薄弱 点，无论是配电网运行技术还是配电网自动化设备都亟待需要研究和改进。随着 国民生活水平的提高，对电力需求的标准越来越高，直接担负居民供配电任务的 配电网也将成为“十二五 电网建设的重点。在当前大力发展智能电网的背景下【卜2 1 ， 配电端无疑成为智能电网的主要发展方向，配电网自动化运行技术以及分布式发 电技术都是智能电网的重点研究内容。 配电网将电源系统或输电网络与电力用户连接起来，并向用户供给和分配电 能，是输电网与电力用户之间的桥梁。配电网具有闭环设计、开环运行的特点。 闭环设计，能够灵活改变供电网络结构，转移线路负荷降低网损，应对网络故障 提高供电可靠性。开环运行，使配电网能够保持辐射状，线路潮流方向一致，便 于保护装置的整定和故障查找及恢复，运行维护简单，运营成本低。 当负荷发生变化或出现故障时，需要及时改变配电网中的分段开关和联络开 关的开合状态以进行网络重构，隔离故障，改善电压分布状况，确保配电网安全 经济运行。配电网重构即根据电网各种运行状况，灵活改变网络运行结构，满足 运行管理的安全性和经济性。随着经济社会的快速发展、日益增长的电网建设成 本以及环境资源的压力，迫使电力企业充分发挥现有资源设备，优化现有网络， 增大电网功率传输容量，降低电网投资成本，而配电网重构正是电力企业挖掘现 有电力设备，提高电网运行的可靠性和经济性，降低运营成本的有效途径。 现今配电网的网损已占到电力系统总网损的4 0 以上【3 】，在网损居高不下的 同时，电能质量也无法满足用户的需求，特别是在偏远农村地区，经常出现供电 电压不稳、供电中断的现象。在正常运行条件下，配电网重构一方面平衡负荷， 消除过载，提高供电电压质量；另一方面降低有功损耗，提高系统经济性。在故 障条件下，隔离故障，缩小停电范围，并在故障后迅速恢复供电，提高系统安全 性和可靠性。在国家电网公司大力倡导建设智能电网，通过先进的传感和测量技 术、先进的设备技术、先进的控制方法以及先进的决策支持系统技术的应用，以 提高电力系统的自动化程度的大背景下，作为配电网自动化运行技术的重要组成 内容，配电网重构的研究显得尤为重要。 基于群搜索优化算法的配电网重构 日益消耗，能源危机和环境污染已经成为当今世界 所面临的严峻问题，开发和利用可再生能源成为必然的发展趋势。在诸多的可再 生能源利用中，太阳能光伏发电已经成为世界各国竞相发展的可再生能源发电方 式之一，而并网型光伏电站也越来越受到重视并得到了较快的开发和应用。我国 政府高度重视开发利用太阳能资源，把太阳能资源开发利用作为改善能源结构、 推动环境保护、保持经济和社会可持续发展的重大举措，并将太阳能光伏发电作 为太阳能资源开发和利用的主要方式之一。2 0 0 6 年1 月1 日，可再生能源法 的正式实施为太阳能光伏发电的发展提供了新的推动力和保障。2 0 0 9 年的建筑光 伏补贴政策和“金太阳”工程【4 1 ，极大地推动了国内光伏发电的进程，大量集中分 布的建筑光伏和兆瓦级以上的地面并网光伏电站开始出现。在太阳能资源丰富的 青海、宁夏、甘肃等地，一批l o 兆瓦级，甚至1 0 0 兆瓦级的特大型光伏电站已经 开工或即将开始建设，国内的光伏发电产业开始了跨越式发展。 目前国外大部分并网光伏发电都是与建筑相结合的分布式光伏发电系统。 1 9 9 0 年德国首先开始实施“1 0 0 0 个太阳能屋顶”计划，随后在1 9 9 9 年开始实施 “十万太阳能屋顶 计划，2 0 0 4 年一年的安装量即达到了3 6 万千瓦，截止2 0 0 7 年年底，德国光伏安装总量达3 8 0 万千瓦，其中9 0 是建筑光伏系统；1 9 9 7 年美 国和欧盟先后宣布开展“百万太阳能屋顶计划 以后，户用光伏系统得到了迅速 发展；日本早在l9 9 4 年就开始实施“七万屋顶”计划，到2 0 0 3 年已接近17 万户， 累计安装容量超过6 2 万千瓦【5 】。这些国家的一些电网运营商也把发展分布式光伏 发电作为缓解供用电紧张和延迟电网改造的方法之一。预计美、日、欧等国家的 建筑光伏还将继续快速发展。 “十二五 期间随着我国建设智能电网的不断深入，分布式电源并网也将得 到前所未有的支持，智能电网中通过电力流、信息流、业务流的一体化融合，具 备快速高效的配电网络自组织、自优化能力，方便快捷的分布式电源自适应接入 与控制，更有利于分布式电源的灵活接入，实现分布式电源的有序并网、“即插即 用和与电网的互动【6 】。智能电网中分布式电源的技术包括：大规模分散性电源 双向供电控制、保护、隔离技术；分散式系统源与电网互动反馈调节技术以及分 布式电源的规范接入、有序退出的接插即用控制技术。即插即用技术的核心是集 成储能的分布式电源并网变流装置技术，实现分布式发电单元与储能单元的电能 交换，以及储能单元对负荷的供电，并满足分布式电源并网的“即插即用”要求。 以上技术将能够大力促进分布式电源接入配电网的发展。 在我国，与风力发电主要以大规模集中接入输电网不同，光伏发电是以大规 模集中接入和分布式分散接入并重的发展模式，因此有相当多的光伏发电容量是 直接接入配电网的，由于不同于常规能源的自身特点，这些分布式光伏电源的接 入，将原来辐射状运行的单源网络变成了一个遍布小型电源的多源网络，从根本 硕士学位论文 上改变了原有的配电网运行与控制模式，特别是对系统的潮流分布、电能质量以 及供电可靠性有较大影响，而配电网重构的最终方案与这些运行特性戚戚相关， 配网重构作为配电网优化运行的有效手段，研究计及光伏发电的配电网重构势在 必行。 1 2 配电网重构的研究现状 早在1 9 7 5 年，m e r l i n 和b a c k 就指出配电网络重构是降低配电网线损的有效 途径f 3 1 。至今已有3 0 多年的历史，中间经历近1 0 年沉寂期，现在正成为一个国 际热门课题，随着近年来配电网自动化技术和负荷预测技术的发展，已使得配电 网重构的效果越来越好。 配电网重构是以电力系统运行为实际应用背景的数学优化理论问题。即在众 多开关开合组合状态中，寻找一种使目标最优同时符合实际运行约束的网络结构。 而配电网规模大节点多，供电路径组合成千上万，在搜索寻优的时候，除要满足 各种电网运行客观约束外，时常需要多次进行潮流计算，这些都使得配电网重构 问题的求解难度大、计算速度慢。 1 2 1 配电网重构优化目标 配电网重构是一个多目标优化问题，通过改变开关的开合状态，配电系统的 运行结构可以灵活的改变，配电网运行人员可以根据自己的期望目标来优化配电 网的有功网损、电压质量和供电可靠性等，在改善电网运行的经济性的同时还可 以提高安全性。配电网重构主要有以下几种优化目标： ( 1 ) 有功网损最小 有功网损最小是最常用的配电网运行经济性指标，供电企业以网损最小为目 标来降低运行成本： m i n 厂：厶簪 ( 1 1 ) i = lu i 式中：b 为支路总数；为支路f 的开关状态变量，= 0 表示开关断开，t = 1 表示开关闭合；为支路f 的电阻；只、q 分别为支路f 的有功功率和无功功率； u 为支路f 末端的节点电压。 ( 2 ) 提高供电可靠性 供电可靠性是供电企业服务水平的重要指标，在某些情况下保证重要负荷的 供电可靠性的社会效益远大于其经济效益： ：争互丝(12minf2 )：y 盟() 怎n t 8 7 6 0 式中：m 为系统节点数，互为节点f 的年停运时间，f 为节点f 的用户数，坼 于群搜索优化算法的配电网重构 些线路的负荷较重甚至会超过其稳定极限，这将 负荷分布不均衡会造成系统网损增加，变压器过 载以及节点电压下降： 札ic 1 2 m i n f = ，；i l ( 1 3 ) i = l l u f m 戤i 式中：m 为系统节点数，r e 为支路f 的电阻，墨和墨一分别为流过支路f 的视 在功率和支路i 的最大传输功率。 ( 4 ) 开关操作次数最少 配电网运行过程当中，系统状态变化频繁，如若开关操作过于频繁，必然会 加快开关设备的老化，产生一定的开关操作费用。当电网出现故障时，涉及操作 的开关过多，还会增加故障恢复时间： b - m i n f = 卜t l ( 1 4 ) i = l o 式中，b 为开关个数，和分别配电网重构前和重构后的开关状态。= o 表 示开关断开，t = 1 表示开关闭合。 以上是配电网重构几种常用的优化目标，每种目标均有各自的侧重点，可以 用不同的权重因子将几种指标综合起来考虑。 1 2 2 配电网重构优化方法 目前配电网重构方法众多，基本可以分为以下几类： ( 1 ) 数学解析方法【7 。1 0 】。该方法是基于现有的数学优化理论，应用非线性规 划、动态规划、整数规划以及图论方法等将配电网重构问题完全当做纯数学优化 问题来进行求解，虽然该方法在理论上能够获得全局最优解，但由于没有考虑配 电网重构问题的实际情况，进行“贪婪 搜索是非常耗时的。 ( 2 ) 最优流模式算法【1 1 m 】。该方法基于启发式规则，把开关组合问题转化 为优化潮流的计算问题，简化了问题，每次选择最优流模式中流过的电流最小的 支路开关打开，并重复这一过程，直至网络恢复为辐射状。但初始时闭合所有开 关使网络中同时存在多个环网，求最优流模式时各环之间电流相互影响，开关打 开顺序对结果有较大影响。确定一个开关的开合状态可能需要进行多次配网潮流 计算，降低了计算效率。 ( 3 ) 支路交换法【1 4 17 1 。该方法基于启发式规则，其基本思路是首先计算初 始状态的潮流和网损，根据潮流计算的电压将负荷转换成注入电流，每次闭合一 个两端电压差最大的联络开关，形成一个环网，再打开环网中的一个分段开关， 硕士学位论文 将负荷从联络开关的低压侧向高压侧转移，使配电网恢复辐射状，直至开关开合 无法优化网络为止。该类算法优化速度快、实现简单，但优化结果与网络初始结 构有关，并且由于使用不合理的启发式规则，结果易受开关交换过程的影响，缺 乏数学意义上的全局最优性，易收敛于局部最优解。 ( 4 ) 人工智能算法【i 乳3 5 j 。近年来人工智能算法因其不依赖于初始结构、能 以较大概率收敛于全局最优解而在配电网重构中得到了广泛应用。其中，应用较 多的是遗传算法、禁忌搜索算法和粒子群算法等，但这些算法都有诸如局部寻优 能力差、收敛速度慢、受算法参数设置影响较大等缺点。 1 2 3 配电网重构的主要问题 通过以上的叙述，可以知道配电网重构在配电网安全经济运行领域有着非常 广阔的应用的空间，但就目前研究和技术水平，还有以下几个方面瓶颈问题需要 解决以改进配电网重构的实际效果。 ( 1 ) 算法寻优效率不高 配电网重构问题是具有电网运行实际约束条件的大规模非线性优化问题，当 配电网规模较大时，寻找配电网最优运行结构的过程是艰难而缓慢的。上节提到 的各类算法在求解配电网重构问题时，在保证获得全局最优解的同时却会陷入漫 长的迭代搜索过程。而基于启发式规则的算法虽然能够有效减小寻优空间，但往 往因为启发式规则的不合理和普遍采用近似技术导致求解结果陷入局部最优。如 何在计算结果的优化性和算法耗费时间之间寻找最合适的平衡点，以达到能够满 足在线实时运算重构的要求是亟待需要解决的地方。 ( 2 ) 如何应对电网运行条件不断变化 目前对配电网重构的研究大多基于静态层面，即在假定电网重构区域负荷、 电力设备状态等电网运行条件不变的情况下进行配电网重构。但实际运行情况是 不断变化的，如何合理的考虑各种电网变化因素，进行基于时间序列的动态配电 网重构，是其投入实际应用所必须面对的问题。 ( 3 ) 分布式电源接入的影响 分布式发电技术近年来发展迅猛，已成为未来电力技术研究的热点重点之一。 分布式电源也越来越广泛的应用于电网，其中许多分布式电源直接与配电网相连 供给居民用电，特别是随着储能技术的发展，城市建筑光伏发电已非常普遍，许 多大型公共设施建筑均有独立的光伏发电系统。在电力市场发达的国家，用户甚 至可以将不用的分布式电能反送至电网，供给其他电力用户。 分布式电源的接入将改变现有负荷分布，对配电网电压产生影响，较大容量 的分布式电源将产生反向潮流，配电网将从一个辐射型、潮流单向流动的网络转 变成一个电源遍布各节点、潮流复杂多变的多源网络。同时，诸如风电和光伏发 基于群搜索优化算法的配电网重构 电系统，其出力很大程度上取决于天气因素，具有随机变化的特性。这些都将对 配电网重构乃至配电网运行管理产生深远而巨大的影响。 ( 4 ) 配电网自动化水平有待提高 配电网是我国电网建设的薄弱环节，自动化水平不高，通过配电网重构的优 化运行决策需要通过高水平的电力自动化设备才能够得到执行。随着智能电网建 设的不断深入，配电系统自动化水平将会有较大提高，配电网重构将有更大的应 用空间。 1 3 分布式光伏发电研究现状 分布式发电技术是近年来新兴的电力技术，它的发展给传统的电力系统注入 了新的活力。分布式发电技术是指装机容量在5 0 m w 以下的小型机组，模块化、 分散式接入中压或低压配电系统，其主要具有以下特点： ( 1 ) 分布式电源大多布置在电力用户附近，减少了输电线路损耗，改善电压 质量，并可以避免集中供电所需要的大规模输电线路建设成本。 ( 2 ) 当系统出现故障时，可以作为备用电源为部分用户进行供电，提高供电 可靠性。 ( 3 ) 分布式电源大多采用利用太阳能和风能等可再生能源，清洁无污染，能 够起到保护环境的作用。 ( 4 ) 分布式电源直接接入配电网，改变了原有配电系统运行方式，对配电网 运行产生了深远的影响。 表1 1 太阳能在未来能源结构中的变化 太阳能光伏发电是利用太阳能电池的光伏效应原理将太阳辐射能直接转换为 电能的一种发电形式。在全球能源紧张和环境恶化的压力下，世界上许多国家加 大了对光伏发电产业的研发和资金投入，并制订了较为完善的政策法规和激励机 制，在这些因素的强力推动下，光伏发电产业得到了快速发展1 3 引。2 0 0 8 年全球太 阳能安装总量已累计达1 5 g w p ，新增光伏市场5 5 g w p ，近5 年的平均增长率达 到6 0 ，其中又以并网发电为其主要形式，2 0 0 7 年并网光伏发电的世界平均水平 达到8 0 以上。未来光伏发电的增长势头会更加迅猛，根据日本、欧盟和美国的 光伏发展计划进行推算，2 0 1 0 年全球光伏发电并网装机容量将达到l5 g w ，至2 0 3 0 年将达到3 0 0 g w 。欧洲联合研究中心( j r c ) 在2 0 0 4 年预测世界能源发生根本 硕士学位论文 性变革的标志性警戒线一化石燃料开采峰值，也发生在2 0 3 0 年附近，表1 1 是j r c 总结的太阳能在未来能源结构中的变化情况。 在分布式光伏发电接入电网方面，随着并网建筑光伏发电的广泛应用，我国 学者也开始研究其对配电网规划及运行的影响i ，7 。3 8 】。虽然这些研究涉及到了含分 布式电源的配电网的多个层面和方向，但尚未形成完整的思路和框架，与发达国 家存在一定差距。比如，国外对并网光伏电站数学模型、运行特点及与电网交互 影响等方面的研究已经取得一定成果，而国内在这方面的研究刚刚起步；分布式 光伏电源建模和并网仿真分析工具有待完善；我国的分布式光伏电源过去多以小 容量试点独立运行为主，缺乏配电网并网运行经验；分布式光伏发电接入电网的 相关规范不够完善，对规划和运行的指导作用有限。 光伏发电的出力与辐照度和温度等气象因素密切相关，因此其出力具有随机 性和间歇性。光伏发电系统从负荷侧接入配电网后，对整个网络的负荷分布产生 了巨大影响，使得系统潮流也具有一定的随机性，传统的电力系统分析方法将不 再适用，有必要对光伏发电系统的出力特性进行分析。目前多数方法是针对配电 网中不同的分布式电源类型，通过对其并网方式和电力电子器件的研究，考虑光 伏发电的出力特性和节点类型转换方式，建立与之相适应的稳态模型【3 弘4 2 1 。对于 光伏出力的不确定性，国外许多学者从统计学的角度，以概率分布的方式对光伏 出力的随机性进行研究【4 孓4 引，另外还有应用区间数学和模糊数学等基础理论，对 分布式电源接入配电网后的潮流随机特性进行分析和仿真【4 9 5 1 】。 1 4 本文所作的工作 本文针对以上提到的配电网重构所面临的问题，将主要从配电网重构优化算 法和光伏发电对配电网重构的影响两个方面进行研究，主要做了以下工作： ( 1 ) 对群搜索优化算法的原理及特点进行研究，并将其与其他人工智能算法 从寻优原理、优化结果以及计算时间等多方面进行对比分析，针对现有优化算法 的不足和缺陷，对群搜索优化算法进行改进，实现了全局搜索与局部寻优的良好 配合，提高了搜索效率，具有较好的全局收敛性。 ( 2 ) 对配电网重构原理、物理意义及评价目标等方面进行研究，结合配电网 重构数学模型，应用十进制开关编码方案，首次将群搜索优化算法应用于配电网 重构问题，并取得了良好的应用效果。 ( 3 ) 对光伏发电系统进行研究，从统计概率的角度找到能够合理评价光伏发 电系统的随机模型，并将其与场景分析理论相结合，提出能够科学反映光伏发电 系统出力随机性的场景策略，将一个随机复杂连续的系统转变成具体简单离散的 对象进行分场景研究。 ( 4 ) 结合城市建筑光伏发电普遍应用的实际情况，研究光伏发电对配电网重 基于群搜索优化算法的配电网重构 构的影响，结合光伏发电在不同场景模式下的出力水平及特性，建立了能够综合 衡量网络结构在各场景中优劣程度的目标函数及其配电网重构场景模型。 ( 5 ) 应用群搜索优化算法对含光伏发电的配电网重构场景模型进行求解，提 出的全场景支路功率，综合考虑了各典型场景下不同潮流分布对发现者局部寻优 的影响，最终重构方案计及了光伏发电系统出力的随机性，是整体意义上的最优。 ( 6 ) 根据本文提出的优化算法及理论在m a t l a b 上进行代码编写，并针对 p g & e 6 9 节点系统，对不含光伏发电及含光伏发电的情况进行了仿真和分析，结 果验证了本文所提方法的有效性。 硕士学位论文 第2 章群搜索优化算法 群搜索优化( g r o u ps e a r c ho p t i m i z e r ，g s o ) 算法由s h e 和q h w u 于2 0 0 6 年 首先提出 5 2 4 3 】，由于算法提出时间较短，目前还处于研究推广阶段，已在函数优 化、神经网络训练和结构设计等领域得到应用 5 4 - 5 5 。就群搜索优化算法的寻优性 能以及算法控制参数对优化结果的影响进行了研究，与目前应用较为广泛的遗传 算法、粒子群算法相比，群搜索优化算法具有原理简单、计算速度快、收敛性好、 易于获得全局最优解等优点。本文将其应用于配电网重构问题，获得了非常好的 效果，相信群搜索优化算法将会得到进一步的改进和发展并广泛应用。 2 1 群搜索优化算法原理及特点 群搜索优化算法属于人工智能算法的一种，在原理上与粒子群优化算法、蚁 群算法以及鱼群算法较为相似，均是群集智能的体现。顾名思义，群搜索优化算 法源于动物的搜寻行为，根据现代动物行为学的研究，动物搜寻行为可描述为动 物为寻找资源、食物、同伴或产卵而进行的主观运动，可以说该行为是动物最为 重要的行为之一。迫于残酷的自然选择，动物为了生存就必须优化自身的搜寻策 略，在更短的时间内找到更加优质的资源。 另外群居现象在动物王国非常普遍，群居动物通过互相分享信息与合作，可 以提高搜寻过程中的发现率，并有效减少搜索范围。通过对群居动物集体搜寻行 为的研究可以得出以下搜寻策略：( 1 ) 发现，即发现资源，种群中处于最佳位置 的成员会停下来环顾周围区域，来搜索资源，通过视觉感官来发现最有可能存在 资源的目标位置；( 2 ) 加入，即加入( 追随) 发现资源的个体寻找资源，群居动物 中的一部分成员跟随发现资源的动物，沿着某些路径在其周围寻找可能发现资源 的线索；( 3 ) 游荡，即随机游荡搜寻资源，种群中每个成员有着不同的搜寻和竞 争能力，那些生存能力较弱的成员往往会与种群走散，导致单个动物毫无方向的 随机游走。根据以上搜寻策略可将群居动物分为3 类：发现者、加入者和游荡者。 在群搜索优化算法中，对于一定规模的种群，在每次迭代中，选择适应值最 优的个体为发现者，即在该位置的个体最有可能发现资源；然后通过随机变换发 现者的搜索方向对周围区域进行局部搜索，若搜索位置的适应值比当前发现者位 置的适应值更优，则发现者运动至该位置，否则发现者位置不变。若经过若干次 搜索后未找到更好位置，则结束发现者局部搜索行为。 除发现者外，随机选择一部分个体作为加入者，加入者朝发现者位置前进， 并同时在向发现者靠近的路径上搜索资源。群体中剩余成员为游荡者，它们在搜 基于群搜索优化算法的配电网重构 。在加入者和游荡者搜索过程中，若某个体所处位置 位置更优，则下次迭代时该个体将转变为发现者。 法的具体流程，在整个迭代过程中，发现者保持了当 随发现者进行搜索，而游荡者在解空间中随机搜索， 图2 1 群搜索优化算法流程图 典型的群集智能算法还有粒子群算法、蚁群算法以及 群算法和蚁群算法已用于配电网重构领域，由于它们 为一，效果并不理想。粒子群算法，收敛速度快但极易 多的是与差分进化算法、遗传算法等其他人工智能算 构问题。蚁群算法，适合求解离散优化问题，但优化 节点数众多的复杂配电网，存在计算时间长的缺点。 的设置对收敛速度和寻优精度有较大影响，且对于大 较大、网损变化平坦，降低了鱼群的寻优效率，因此 硕士学位论文 不适合用于求解配电网重构问题。 群搜索优化算法原理简单，计算速度快，由于在种群进行优化之前，首先对 指导种群搜索方向的发现者进行局部寻优，能够有效改进种群整体寻优方向，减 少不必要的海量搜索，同时在迭代的过程中，加入者和游荡者均有机会成为发现 者引导搜索方向，显示出算法的机动灵活，在避免陷入局部最优的同时，能以较 大概率收敛于全局最优。 2 2 群搜索优化算法数学模型 在群搜索优化算法中，由一定数量规模的个体成员组成算法的种群。在一个n 维搜索空间中，第f 个成员在第k 次迭代的坐标为彤r “，方向角为 群= ( 磷，磁川) ) r 叫，因此该成员的方向坐标硝( 群) = ( 砩，兹) r “可以通过 笛卡尔坐标转换求得： n - i 硪= 兀c o s ( 磷) p = l n - ! 露= s i n ( 赋一) ) 兀c o s ( 站) 、 ( 2 1 ) p = i 磁= s i n ( 蝶川) ) 每次迭代时，选择种群中适应值最好的成员为发现者，其坐标为x 。，它对周 围区域进行局部搜索，其最大搜索角为，最大搜索距离为k ，那么在第k 次 迭代时发现者将对三个主要区域执行以下搜索： 正前方区域： 置= 群+ 以k 磋( 矿) ( 2 2 ) 右侧区域： z = 群+ “k 聪( 矿+ 鸬2 ) ( 2 3 ) 左侧区域： 五= 群+ “k 磷( 矿一鸬银缸2 ) ( 2 4 ) 式中4 r 1 为符合标准正态分布的随机数，6 r 叫是在( 0 ，1 ) 之间的随机 序列。 然后，发现者根据适应值的优劣，将以上三个区域进行对比，若某区域比当 前位置更好，则发现者移动至该新的区域。否则，发现者呆在原地，并转换一个 方向角： 矿”= 矿十鸬戡 ( 2 5 ) 式中，为最大转换角度。 如果发现者经过口次角度转换后，依然没有找到比当前位置更好的区域，则 基于群搜索优化算法的配电网重构 矿蝴= 矿 ( 2 6 ) 式中a 是一个常数。 种群中有一部分成员被选作加入者，它们将跟随发现者在周围区域进行搜索， 对于第k 次迭代的第f 个加入者，其追随搜索行为可描述为： 群+ 1 = 群+ 鸬( x ：一群) ( 2 ：7 ) 式中