内容发布更新时间 : 2025/2/2 6:51:11星期一 下面是文章的全部内容请认真阅读。

龙源期刊网 http://www.qikan.com.cn

配电网重构算法的研究

作者：杨美 范辉 何萌等

来源：《山东工业技术》2015年第22期

摘 要：配电网重构是配电网络降低网损、平衡负荷、实现最佳运行方式的主要措施。解决配电网重构的算法中，传统优化方法不易得到全局最优解，而人工智能算法不但在实用化方面有待考验，同时存在计算时间过长的问题。因此，对配电网络进行有效优化所采用的各种算法的选取仍是需要着重研究的课题之一。本文就配电网重构相关的各种算法进行了简要阐述，并分析各算法的特点及存在的问题，为该研究领域的进一步发展提出一些看法。 关键词：配电网重构；传统优化方法；人工智能法 DOI：10.16640/j.cnki.37-1222/t.2015.22.162 0 引言

想要提高一件系统的安全性与经济性，就需要运用到配电网重构这一必要手段。配电网重构作为配电网络降低网损、平衡负荷、实现最佳运行方式的主要措施，可以提高电压的质量，使负荷达到平衡值，将网损降至最低，以便于达到最优效果。而对于配电网重构的研究，也逐渐成为电力系统领域备受关注的一项研究项目。 1 为了更好的提高整个电网系统的安全性和经济性

配电网络重构技术的最优化自1975年提出至今，出现了许多重要的研究成果。而现阶段，传统的优化方法与人工智能算法，是配电网重构最常使用的两种算法。传统优化方法简单直观，具有实用化潜力，但需进行多次潮流计算，对于如何得到全局最优解，仍是一个值得探讨的问题，而人工智能算法能以较大的概率保证收敛到全局最优，但计算量较大，计算时间较长，难以实时应用。

随着配电网络的大型化、复杂化和供电企业节能减排的需要及用户对供电质量的要求不断提高，配电网重构仍需寻找一种更具有实用性和经济性的最优方法，全面的解决存在于数值运算的速度、寻求最优化的效果的问题上。由此可见，当前形势下对配网重构算法进行综合分析，找出各算法的优缺点对促进配电网重构的进一步发展拥有着最为重要的现实的意义。 2 最优的传统方式

数学优化理论法、支路交换法以及最优流模式法等共同组成了配电网重构技术的优化方法，而这些之所以称之为传统优化方法是相对于新兴出现的人工智能算法这些现代的配电网重构的优化方法来说的。

龙源期刊网 http://www.qikan.com.cn

2.1 数学优化理论法

数学优化理论法是指直接而非间接地运用现阶段的最优化的数学原理，对电力系统进行配网重构的一种传统的优化方法，其中，数学优化理论法分别由线性规划与非线性规划法、整数规划与分支定界等的最优化数学方法组合而成。

对于数学优化理论法，可以说是一种较为成熟的配电网重构的优化方法，它将不依附配电网初始结构作为前提的情况下同样可以得到优化解，但存在计算时间较长以及在实际应用中存在的严重问题是：维数的逐步增加，会促使“组合爆炸”的现象提前发生，从这点可以看出，数学优化理论法不适于复杂的大规模的电力系统的处理，同时也不能保证得到全局最优解。 2.2 最优流模式法

最优流模式法为了简化复杂的问题，其将开关组合问题转化为优化潮流的计算问题，由于重构结构与初始网络状态无关联，能够较为容易的收敛于最优解；但同时该算法也存在一定弊端，在该算法的初始阶段，就共同存在着多个环网，这种情况会在求解最优潮流过程阶段，二者互相产生影响，并且开关的打开顺序也会对其结果产生极大的影响。为了避免这种现象的发生，就需要在确定开关的打开顺序时，对于配电潮流进行数次计算，以确保正确的开关顺序，以及不至于扩展成为多目标函数。 2.3 支路交换法

在采用支路交换这种优化方法时，因为总是将每次运算的结果与辐射型的拓扑结构相对应，并将配电网辐射型的运行状态与之相符合，有这些作为前提条件，只需正确的估算出支路交换引发的网损变化程度，有利于配电网可以存在一种无需重新计算潮流或者是计算量较少的优点；然而，最终收敛性依旧是取决于网络初始结构，这项弊端的存在难以有效保证全局的最优化，因此，并不适用于大规模配电网的网络重构。 3 人工智能算法

与传统优化方法相比，人工智能算法相较于具有复杂性的非线性规划的问题求解占有较大的利处，不仅可以改正传统的配电网重构的优化技术一味地依附于数学运算的弊端，还可以完善的解决某些运用传统的数学运算方法所不得解的问题，而人工智能算法主要包含神经网络法与遗传法、蚁群算法与模拟退火算法等运算方法。 3.1 神经网络法

一种善于模拟人类神经系统传输、处理信息过程的人工智能技术，将其称之为神经网络法。而将人工的神经网络法用于配电网重构中，可较为直接地反映配电网中所存在的负荷模式，与配电网中的最优结构二者之间高度的非线性的关系。

龙源期刊网 http://www.qikan.com.cn

3.2 遗传法

遗传算法是一种适应性搜索方法，其以自然基因选择机理为基础理论，进而求解优化问题。在配电网重构过程中，该算法将遗传过程和目标函数过程完整的相结合，转变染色体编码，并将其改为直接采用支路算法的一种开关状态；而后，将由系统的网损所构成的适应度函数，在对生物进化的繁殖、交叉、变异的过程中，对其进行模拟操作，并将各开关的状态尝试着进行改变，从中寻找出网损最小的最优化的网络结构。

如若直接从该算法的理论上分析，遗传算法存在许多优点，不仅具备着以概率1的点收敛到全局最优点的收敛性，还对其初始条件以及目标函数没有任何过度的要求。但其存在计算速度较慢、寻优时间过长的确定。 3.3 蚁群算法

蚁群算法是受到蚁群搜索食物过程的启发而提出的一种新型模拟进化算法。具有不依赖于各种初始参数、正反馈、分布式计算、易与其它算法相结合以及富于建设性贪婪启发式搜索的主要特点，特别适合组合优化问题。但也存在搜索时间长、易陷入最优解的局部算法或是较早的结束运算等问题。 3.4 模拟退火算法

模拟退火法是由优化过程与融熔金属的物理退火过程的相似性而推导出来的。该算法的要点是：在合适的全局冷却的设计的过程中，需要通过交换支路法所形成的一种网络结构，计算出潮流以及网损的变化程度，如若有新的网络结构存在较小的网损，就需要将这种网络结构完整的保留下来，不然将会按照一定的概率接收新的网络结构。

在一般的情况下，运用模拟退火算法时，通过较大的算法计算量，可得到全局最优解或全局次优解，然而，当该算法存在对参数和退火方案具有较大的依赖性时，需要进行多次潮流计算及网损估计及多层次、多领域大量的采用开关交换，只有这样时才能将该算法更好的运用于配电网重构。

除了人工智能算法外，其它的智能算法也会被广泛的应用于配电网络重构问题的研究中，譬如模糊算法、专家系统、粒子群优化算法、禁忌算法等，这些算法在配电网重构中都取得了不错的效果。

4 各种算法之间的比较

配电网重构问题，是一种属于NP难问题，它包含着具有较大规模、混合整数以及非线性的组合等优化问题。为了解决上述问题，近年应运而生了混合算法这种将多种算法相结合的新的思路。混合算法采用不但可以求取更好的重构方案，而且有效的缩短了形成方案的时间，从而很好的克服了单个算法自身存在的固有缺点，对于现有各种重构算法，如何有效解决配电网