APP下载

基于遗传算法的配电网故障定位和隔离

2019-08-13赵彩霞

科学导报·科学工程与电力 2019年26期
关键词:启发式遗传算法配电网

赵彩霞

【摘 要】配电网发生故障后,尤其是随着微网渗透率的不断增大,为快速准确实现配电网故障恢复,提出了启发式算法与遗传算法相结合的配电网故障恢复算法。首先,利用启发式算法生成故障恢复的候选方案集;然后,考虑故障恢复的目标和约束条件,采用遗传算法对变量进行编码、交叉、变异寻求最优解,得出最优恢复方案。算例结果验证了该方法的有效性。

【关键词】配电网;故障恢复;微网;启发式;遗传算法

1配电网故障恢复原则

所谓配电网故障恢复,就是在配电网发生故障后,在确保系统安全运行的条件下,通过负荷转移和网络重构,将故障区域下游的非故障断电负荷快速恢复供电。

配电网的故障恢复一般步骤分为:故障定位、故障隔离、负荷转移和供电恢复以及优化结构。本文所研究的配电网故障恢复是在假设配电网发生故障后,故障的定位和故障的隔离已经完成的基础上进行的,所以只考虑负荷转移和恢复供电。

故障恢复重构需要遵循的原则大体包括:

1)有效性:能够恢复对尽可能多的失电负荷的供电,且给出的恢复方案具有简单可行性。

2)快速性:能快速得出供电恢复方案,缩短供电恢复的时间。

3)可靠性:供电恢复方案的实施,不会造成系统安全越限。

4)经济性:在保证上述三个原则的基础上,以开关操作次数最小,网络损耗最小等为目标优化选择最佳重构方案。

由此,我们可以看出配电网故障恢复属于一个多目标、多约束、非线性的组合优化问题。

2含微网的配电网故障恢复优化模型

在配电网大面积断电的紧急状态下,运行人员主要关心的是快速将尽量多的断电负荷恢复供电,而经济运行并不重要,因此在供电恢复中,本文考虑供电恢复的目标函数为甩负荷最少(或恢复最多负荷)和系统网络损耗最小。

3算法实现

3.1 优化算法的选择

上文中提到配电网故障恢复问题是典型的多目标多约束优化问题。国内外很多研究学者对此作了大量的研究,从研究的类别来看,配网故障恢复策略大致可以分为三种:数学优化方法,启发式搜索方法,以及人工智能方法。目前用来求解该问题的算法尤以启发式算法和人工智能算法为主。启发式算法求解速度很快,但往往不能收敛到全局最优解;现代智能算法全局寻优能力较强,但在处理多目标优化问题时因常需要利用权系数将多目标问题转换成单目标,使得最优解较大地受到权系数的影响;同时,所得到的最优解只是各目标协调利益关系,在达成妥协、误解的基础上进行决策,不能提供充分的信息供调度员参考[2、3]。

现在混合算法正成为解决配电网故障恢复问题的发展趋势。因此,本文将采用启发式算法与遗传算法相结合的办法进行优化,既提高了故障恢复的速度,又能找到最优解。

3.2 故障恢复的步骤

本文算法分为2个阶段:

1)采用启发式规则生成初始可行方案,并在此基礎上生成候选方案集;

步骤如下:

①统计全部失电区域,计算失电区域总负荷,判断失电区域内是否有微网;

②计算微网可以外送的功率以及各馈线的负荷裕量,搜索相应的联络开关和分段开关;

③如果微网可以满足失电负荷的供电需求,则不考虑切换联络开关和分段开关,直接通过微网恢复供电,否则将剩余负荷转移到相邻馈线上;

④若仍不能恢复全部失电负荷,则考虑切除部分负荷,重新回到步骤②进行搜索,直到生成一个初始可行方案为止;

⑤以初始可行方案为基础,生成故障恢复候选方案集。

2)利用遗传算法得到寻找最优解。

①进行交叉和变异操作,产生后代种群。

②进行辐射状校验,去除环网。

③根据种群中的解,确定未恢复区域。

④若未恢复区域中包含有具备孤岛运行能力的微网,优先通过孤岛运行恢复负荷,修改相应的开关状态。

⑤根据③和④的结果,计算目标函数,校验约束条件。

⑥进行选择操作,产生新的种群。

⑧若满足终止条件,则输出最优解;否则,返回①。

4算例分析

本文算例采用 IEEE 的典型三馈线系统,为了在研究中考虑到微网的影响,节点 6、节点 10、节点 12 和节点 15 接入微网。故障点设在支路 16 上,从而造成了节点 8、9、10、11、12和 17 停电,与之相连的联络支路为 15、21 和 28。

假设系统支路 16 上发生永久性故障,故障隔离后造成的非故障停电区域包括节点 8、9、10、11、12 和 17。通过计算得出停电总负荷等于 16.1+j4.2MVA。

情况1:若节点10 和节点 12 处的微网一定时间内最大输出功率分别为 8.0+j4.0MVA 和12.0+j5.0MVA。此时,非故障停电区域内的所有微网的最大外送的功率之和大于所有停电负荷的功率之和,则优先考虑由微网恢复供电。

5总结

利用启发式算法能够快速得到初始可行方案,并在此基础上生成候选方案集,为寻找最优恢复方案缩小了搜索空间。再利用遗传算法进行编码、交叉、变异寻找最优解,大大缩短了对于含微网的复杂配电网的优化时间,提高了优化效率,并保证了恢复方案的最优。本文算法能有效实现故障恢复目标,算法的结果可为快速作出最优恢复决策提供科学、直观的参考。随着微网在配电网中渗透率的不断提高,对微网在恢复方案中起到的积极作用以及影响为下一步待研究的重点。

参考文献:

[1] 卢志刚,董玉香.含分布式电源的配电网故障恢复策略[J].电力系统自动化,2007,31(1):89-92.

Lu Zhigang,Dong Yuxiang.Service restoration strategy for distribution system with DGs[J].Automation of Electric Power Systems,2007,31(1):89-92.

[2] 易新,陆于平.分布式发电条件下的配电网孤岛划分算法[J].电网技术,2006,30(7):50-54.

Yi Xin,Lu Yuping.Islanding algorithm of distribution networks with distributed generators[J].Power System Technology,2006,30(7):50-54.

[3] Yu Xiaodan,Jia Hongjie,Wang Chengshan,et al.Network reconfiguration for distribution system with

(作者单位:国网山西省电力公司检修公司)

猜你喜欢

启发式遗传算法配电网
基于遗传算法对广义神经网络的优化
基于遗传算法对广义神经网络的优化
基于遗传算法的临床路径模式提取的应用研究
基于遗传算法的临床路径模式提取的应用研究
遗传算法在校园听力考试广播系统施工优化中的应用
论10kv配电网运行及自动化系统的管理
物流配送车辆路径的免疫遗传算法探讨
基于Tabu算法的配电网无功补偿研究
高中英语课堂教学案例陈美琴
启发式教学在《数据库技术应用》课程中的应用