含有微电网的配电网络重构及其优化算法

微电网由分布式电源(DG,Distributed Generation)和负荷按一定的拓扑结构组合而成,可看成是含有分布式电源的配电网。微电网作为传统电网的有力补充,使得配电网从单电源辐射状结构向多电源点并存的复杂结构转化。配电网络重构通过联络开关和分段开关的开闭操作调整电网的运行结构,达到均衡负载,减少有功损耗,提高供电电压质量的目的。研究含有微电网的配电网络重构的优化,就是在满足所有约束条件的前提下,通过优化算法确定开关操作策略和分布式电源的合理配置,使得单个或多个目标函数值最优,从而提高电网运行的经济性和可靠性。本文针对分布式电源并网重构优化和负荷不确定性重构优化开展工作,主要内容如下:为解决分布式电源并网后的配电网络重构优化问题,建立了静态网络重构模型。模型以有功损耗减少量为单目标函数。首先根据电压稳定性指标(VSI,Voltage Stability Index)确定DG的候选位置,然后通过量子鸡群优化算法(QCSOA,Quantum Chicken Swarm Optimization Algorithm)确定开关操作序列和候选DG的容量,从而得到静态模型的最优重构策略。其中,QCSOA将量子计算和鸡群优化算法(CSOA,Chicken Swarm Optimization Algorithm)相结合,采用量子位的概率幅作为个体位置的编码,通过量子旋转门中旋转角度的变化更新个体位置,单个量子位相位的变化能够实现两个位置的同时移动,加倍了搜索空间,提高了算法的优化效率。IEEE33和IEEE69的仿真实验结果表明,跟其他优化算法对比,该算法能有效地减少有功损耗,提高电压的稳定性。为解决负荷不确定性的配电网络重构优化问题,建立了动态网络重构模型。模型以有功损耗、开关操作成本、电压偏差为多目标函数。对于负荷的不确定性,研究了一周之内多个时间断面下的负荷,将负荷聚类结果作为网络重构操作是否进行的判断标准。通过与按天重构方案和按小时重构方案的对比,验证了聚类重构方案的有效性。提出了基于精英选择的QCSOA,引入非支配解,用帕累托前沿表示个体在多目标函数下的最优解。算法在优化迭代的过程中,从个体及全局最优解集中选取优势个体引导种群的进化。实验结果表明,基于精英选择的QCSOA比QCSOA得到了更加均匀广泛的帕累托前沿,优化效果更好。最后,基于上述研究设计和实现了配电网络重构系统,该系统可对不同节点规模的配电网进行静态网络重构和动态网络重构,并且给出重构优化策略。