论文部分内容阅读
摘要：配电网网络重构可以提高10kV配电网络运行的可靠性、经济性和供电质量，对于配网自动化系统（特别是城区电网自动化系统）建设和应用具有非常重要的意义。文章对配电网网络重构方法包括优化重构和故障恢复的研究历史和现状进行综合分析，阐述了各种方法的优势和存在的问题，为下一步的深入研究指明方向。
关键词：配电网；网络重构；故障恢复
中图分类号：TM711 文献标识码：A 文章编号：1009-2374（2013）29-0124-02
1 概述
配电网网络重构是指为了提高配网供电可靠性、经济性等目标而进行的对原有配电网络结构重新调整的这样一种过程。按调整的要求不同可以分为网络优化重构和故障恢复重构。
配电网络的网络结构模式有环状结构、树状结构，城市电网一般采用环状结构，农村电网多采用树状结构。树状结构因网络结构已经固定，不存在网络优化重构的情况。环状结构的配电馈线因开环点的变化而引起网络结构发生变化，从而使得网络结构优化重构成为可能。在配网正常运行情况下，因馈线各段负荷的变化，需要通过一定的算法来调整馈线的分段开关（即开环点），从而使得馈线负荷分配最佳，损耗最小等目的的配网运行方式调整，这就是配网优化重构。当馈线发生故障时，如何快速地隔离故障，恢复用户供电，这就是配电网络的故障恢复。
这些年来，随着国民经济的高速发展，配电网络也越来越复杂，因而，如何进行配网优化重构和故障恢复，成为电力学者一直研究的课题，很多算法应运而生。
2 配电网优化重构
近20年来，国内的配网发展很快。配网也越来越复杂，居民对供电可靠性的要求也越来越高，因此配电网的优化重构势在必行。但是，复杂的配网分段开关的数量已经很大，其组合数量更是惊人，通过简单的穷举算法尝试进行网络重构已经变得不可能。为此，必须研究合适的算法来解决复杂配电网络的优化重构问题。
在20世纪70年代，国外的学者率先提出了最优配电网络重构技术。此后，很多学者根据不同的配电网络提出自己的重构算法，并应用到实际的配电网络当中，取得了很好的效果。这些算法大多都是以网损最小为目标函数，归结起来，这些算法主要有三类：经典的优化算法、人工智能算法以及各类算法取长补短形成的新方法。
2.1 经典的优化算法
经典的优化算法研究出现在早期的配网优化重构研究中，这些算法奠定了配网优化重构的一些数学模型，后续算法都在这些基础上发展起来的。
启发式算法是最早提出的一种配网优化重构的方法，它是在没有考虑网络约束的情况下，采用启发式算法规则来考虑网损最小的配网优化重构，缺点是优化算法的计算时间长、费时。针对经典的启发式算法的一些缺点，又有学者提出了改进的启发式算法。如以功率损耗最小为目标函数的最优潮流模型算法，在计算配网各种开关状态下的潮流分布情况后通过改变开关状态考察网损变化量进而选出网损最小的开关状态的网损估算法。另外还有应用于网络优化重构的经典数学算法，就是线性或非线性规划法，其代表算法是单纯形法，参考文献[2]把这种算法应用于配电网络优化重构，叫做单环优化法，它的目标函数是网络有功损耗，潮流计算简单、效率高。
2.2 人工智能算法
配网网络重构算法其实就是一种在对配网进行重复潮流计算寻找目标值的搜索算法，因此近年来发展起来的一些人工智能算法都被学者应用到配网优化重构当中去，取得了一些研究成果。这些算法有很多，目标值也不一样。
人工神经网络法的目标值是实现有功网损最小，它根据每个配网区域负荷的不同，用人工神经網络估计输入配网的初始结构和负荷情况，然后训练得出系统的最优结构。模拟退火法应用于网络优化重构，目标函数可以自由选定，如网损最小、有功损耗最小等，然后采用随机搜索迭代过程来寻求最优值。遗传算法是一种模拟进化算法，它的目标值也是可以自由选定，它把配网的开关状态转化成二进制字符，类似于基因链，再模拟生物进化的过程，加入一些限定条件后，通过基因链之间的基因突变等操作并迭代进化，得到网络的最优结构。蚁群进化算法的灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法也是一种模拟进化算法，参考文献[3]通过取消蚁群算法常用的启发值和首支路选择随机化的方法，扩大搜索范围，使算法可以跳出局部最优化陷阱，改善搜索效果。
2.3 各类算法的混合
上述各种算法有其自身的优点也存在一些缺陷，因此部分学者将上述一些算法进行综合，取长补短，形成了一些新的改进算法，在配网网络重构上取得良好的研究成果。参考文献[4]将遗传算法和模拟退火法相结合起，解决了这两种算法求解时存在效率、可靠性及寻优能力不高的缺点。
2.4 其他算法
以上介绍的算法大多都以网损最小为目标值，其中有些细化了目标值，如仅考虑有功损耗最小等，但当考虑到配网的安全可靠运行时，则可靠性指标或者安全性指标可以被选做目标值进行网络优化重构。基于这些目标值的网络优化重构研究，另有其实际价值。
3 配电网故障恢复
配电网络故障恢复实际上是一个兼顾网损最小、可靠性最高等多目标的非线性最优寻解问题。对应的算法在网络优化重构中也都一一提到。最大的不同之处在于：目标函数的不同，以前单一的目标值，现在变为多目标最优的非线性问题。但在算法的考虑上都差不多，只是具体求解的变量不同、目标值不同而已。这些算法也对应地分为三大类：经典的优化算法、人工智能算法以及各类算法取长补短形成的新方法。
4 结语
随着经济的发展，居民对供电可靠性的要求越来越高，配网优化重构的目标也不仅仅只是考虑经济性的网损最低，而是要更多考虑可靠性指标，配网设备的投入、折旧等因数，使配网达到供电更加可靠、经济，而且投入更少等目标，在这些方面的综合考虑，目前还有待进一步深入研究。
参考文献
[1] A.Merlin，H.Back.Search for a Minimal-Loss
Operating Spanning Tree Configuration for an Unban
Power Distribution System.Proc. PSCC，Cambridge，
1975，6.
[2] Chiang Hsiao Dong，Rene Jean Jumeau. Optimal
network reconfiguration in distribution systems. Part
I：A new formulations and solution methodology.
IEEE Transaction on PWRD， 1990， 5（4）：
1902-1909.
[3] 黄健，张尧，李绮雯.蚁群算法在配电网重构的应用
[J].电力系统及其自动化学报，2007，19（4）：
59-63.
[4] 陈星莺，向兵，单渊达.基于遗传退火法的配网重构
技术[A].全国高校电力系统及其自动化专业第十四
届年会论文集[C].哈尔滨，1998.
关键词：配电网；网络重构；故障恢复
中图分类号：TM711 文献标识码：A 文章编号：1009-2374（2013）29-0124-02
1 概述
配电网网络重构是指为了提高配网供电可靠性、经济性等目标而进行的对原有配电网络结构重新调整的这样一种过程。按调整的要求不同可以分为网络优化重构和故障恢复重构。
配电网络的网络结构模式有环状结构、树状结构，城市电网一般采用环状结构，农村电网多采用树状结构。树状结构因网络结构已经固定，不存在网络优化重构的情况。环状结构的配电馈线因开环点的变化而引起网络结构发生变化，从而使得网络结构优化重构成为可能。在配网正常运行情况下，因馈线各段负荷的变化，需要通过一定的算法来调整馈线的分段开关（即开环点），从而使得馈线负荷分配最佳，损耗最小等目的的配网运行方式调整，这就是配网优化重构。当馈线发生故障时，如何快速地隔离故障，恢复用户供电，这就是配电网络的故障恢复。
这些年来，随着国民经济的高速发展，配电网络也越来越复杂，因而，如何进行配网优化重构和故障恢复，成为电力学者一直研究的课题，很多算法应运而生。
2 配电网优化重构
近20年来，国内的配网发展很快。配网也越来越复杂，居民对供电可靠性的要求也越来越高，因此配电网的优化重构势在必行。但是，复杂的配网分段开关的数量已经很大，其组合数量更是惊人，通过简单的穷举算法尝试进行网络重构已经变得不可能。为此，必须研究合适的算法来解决复杂配电网络的优化重构问题。
在20世纪70年代，国外的学者率先提出了最优配电网络重构技术。此后，很多学者根据不同的配电网络提出自己的重构算法，并应用到实际的配电网络当中，取得了很好的效果。这些算法大多都是以网损最小为目标函数，归结起来，这些算法主要有三类：经典的优化算法、人工智能算法以及各类算法取长补短形成的新方法。
2.1 经典的优化算法
经典的优化算法研究出现在早期的配网优化重构研究中，这些算法奠定了配网优化重构的一些数学模型，后续算法都在这些基础上发展起来的。
启发式算法是最早提出的一种配网优化重构的方法，它是在没有考虑网络约束的情况下，采用启发式算法规则来考虑网损最小的配网优化重构，缺点是优化算法的计算时间长、费时。针对经典的启发式算法的一些缺点，又有学者提出了改进的启发式算法。如以功率损耗最小为目标函数的最优潮流模型算法，在计算配网各种开关状态下的潮流分布情况后通过改变开关状态考察网损变化量进而选出网损最小的开关状态的网损估算法。另外还有应用于网络优化重构的经典数学算法，就是线性或非线性规划法，其代表算法是单纯形法，参考文献[2]把这种算法应用于配电网络优化重构，叫做单环优化法，它的目标函数是网络有功损耗，潮流计算简单、效率高。
2.2 人工智能算法
配网网络重构算法其实就是一种在对配网进行重复潮流计算寻找目标值的搜索算法，因此近年来发展起来的一些人工智能算法都被学者应用到配网优化重构当中去，取得了一些研究成果。这些算法有很多，目标值也不一样。
人工神经网络法的目标值是实现有功网损最小，它根据每个配网区域负荷的不同，用人工神经網络估计输入配网的初始结构和负荷情况，然后训练得出系统的最优结构。模拟退火法应用于网络优化重构，目标函数可以自由选定，如网损最小、有功损耗最小等，然后采用随机搜索迭代过程来寻求最优值。遗传算法是一种模拟进化算法，它的目标值也是可以自由选定，它把配网的开关状态转化成二进制字符，类似于基因链，再模拟生物进化的过程，加入一些限定条件后，通过基因链之间的基因突变等操作并迭代进化，得到网络的最优结构。蚁群进化算法的灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法也是一种模拟进化算法，参考文献[3]通过取消蚁群算法常用的启发值和首支路选择随机化的方法，扩大搜索范围，使算法可以跳出局部最优化陷阱，改善搜索效果。
2.3 各类算法的混合
上述各种算法有其自身的优点也存在一些缺陷，因此部分学者将上述一些算法进行综合，取长补短，形成了一些新的改进算法，在配网网络重构上取得良好的研究成果。参考文献[4]将遗传算法和模拟退火法相结合起，解决了这两种算法求解时存在效率、可靠性及寻优能力不高的缺点。
2.4 其他算法
以上介绍的算法大多都以网损最小为目标值，其中有些细化了目标值，如仅考虑有功损耗最小等，但当考虑到配网的安全可靠运行时，则可靠性指标或者安全性指标可以被选做目标值进行网络优化重构。基于这些目标值的网络优化重构研究，另有其实际价值。
3 配电网故障恢复
配电网络故障恢复实际上是一个兼顾网损最小、可靠性最高等多目标的非线性最优寻解问题。对应的算法在网络优化重构中也都一一提到。最大的不同之处在于：目标函数的不同，以前单一的目标值，现在变为多目标最优的非线性问题。但在算法的考虑上都差不多，只是具体求解的变量不同、目标值不同而已。这些算法也对应地分为三大类：经典的优化算法、人工智能算法以及各类算法取长补短形成的新方法。
4 结语
随着经济的发展，居民对供电可靠性的要求越来越高，配网优化重构的目标也不仅仅只是考虑经济性的网损最低，而是要更多考虑可靠性指标，配网设备的投入、折旧等因数，使配网达到供电更加可靠、经济，而且投入更少等目标，在这些方面的综合考虑，目前还有待进一步深入研究。
参考文献
[1] A.Merlin，H.Back.Search for a Minimal-Loss
Operating Spanning Tree Configuration for an Unban
Power Distribution System.Proc. PSCC，Cambridge，
1975，6.
[2] Chiang Hsiao Dong，Rene Jean Jumeau. Optimal
network reconfiguration in distribution systems. Part
I：A new formulations and solution methodology.
IEEE Transaction on PWRD， 1990， 5（4）：
1902-1909.
[3] 黄健，张尧，李绮雯.蚁群算法在配电网重构的应用
[J].电力系统及其自动化学报，2007，19（4）：
59-63.
[4] 陈星莺，向兵，单渊达.基于遗传退火法的配网重构
技术[A].全国高校电力系统及其自动化专业第十四
届年会论文集[C].哈尔滨，1998.