徐 敏， 吴 成， 罗 燎， 林 辉， 戴 薇

(1. 南昌大学 信息工程学院， 江西 南昌 330031； 2. 西北工业大学 自动化学院， 陕西 西安 710072)

基于迭代学习理论的配电网重构*

徐 敏1， 吴 成1， 罗 燎1， 林 辉2， 戴 薇1

(1. 南昌大学 信息工程学院， 江西 南昌 330031； 2. 西北工业大学 自动化学院， 陕西 西安 710072)

迭代学习理论具有不依赖数学模型对期望轨迹进行零误差跟踪的特点， 将优化目标改为对目标函数轨迹的跟踪， 这样可以将其推广应用为一般的优化问题. 基于该理论的跟踪轨迹机制， 以网损最小为目标函数并考虑相应的约束条件， 采用迭代学习理论中的开环P型学习律， 通过改变网络中的开关状态进行重构， 得到网损最小的配网结构， 为配电网重构提供了一种新方法. 采用标准IEEE33， PG&E69节点系统的算例进行验证， 不仅能够求得全局最优解， 而且迭代时间由原来的1.25 s变为0.266 s.

迭代学习控制； 配电网重构； 收敛性； 网损

0 引 言

配电网重构是智能电网中自愈控制的一个重要部分， 属于大规模非线性组合优化问题. 根据国内外研究成果可将配电网重构算法大致分为以下三类： 经典数学优化方法[1]、 启发式优化方法和随机化优化方法. 其中启发式优化方法主要包括支路交换法[2]和最优流模式算法[3]， 随机化优化方法主要包括模拟退火算法[4]、 遗传算法[5]、 人工神经网络算法[6]、 禁忌搜索算法[7]、 粒子群优化算法[8]以及其他智能算法[9-10].

目前， 国内外学者在对配电网重构进行研究的过程中， 发现经典数学优化方法具有不依赖网络的初始状态和能够得到全局最优解的优点， 但计算时间很长；……