基于离散粒子群及遗传算法的配网转供电寻优方案研究

李嘉铭，陈 恒，吴 涛

（广东电网有限责任公司湛江供电局，广东 湛江 524000）

虽然近几年我国电网建设技术以及设备在不断的更新，但是从整体上来看，作为电网重要组成部分的配电网络，其基础设施依然比较差，技术工艺还有待于进一步的提高。尤其是用户对供电质量的要求在不断的提高，配网作为连接电网与用户的重要环节，如果其出现故障，将会直接反映到用户供电效果上，最为直接的就是停电故障，不仅影响正常生产生活，还会带来巨大的经济损失。基于离散粒子群以及遗传算法来对配电网转供方案进行分析，明确配网转供的重要性，并通过分析影响因素，从多种转供方案中择优执行，这对于改善配电网电能质量以及供电可靠性意义重大。

1 配电网转供执行意义

配电网是联系电力系统与用户两者的重要纽带，先是有效接收输电网所传送的电能，然后再将电能分配给电压等级更低或者该电压等级的用户，对向用户提供安全、可靠、稳定、经济供电意义重大[1]。我国的配电网建设构造复杂度比较高，系统内安装有众多的各类开关，并且总里程较大，一般情况下电压低但是线损大。尤其是对于很多早期建设的配网系统，网架构造不合理，供电质量较差，出现运行故障的可能性也比较高，尤其是为进一步满足用户供电需求不断的进行更新和扩容，更是加剧了配网运行稳定性不足的问题。为更好的解决上述问题，便提出了配网转供策略，在配网供电故障且自动隔离后，通过负荷转移来缩小停电故障的范围，降低对用户供电质量的影响。基于各种算法来对配电网转供方案进行优化和选择，确定执行可行性最强的最优方案，确保最多负荷得到转移，即做到最小停电范围。即便是多地出现停电故障，通过转供方案的最优化处理，依然可以保证负荷的协调转移，维持设备负载的平衡性。

2 粒子群优化算法

2.1 配网重构

电力行业的快速发展可以进一步的满足社会生产生活对电力资源的需求，任何一个领域的发展均离不开电力的支持，用户对供电质量的要求也在不断的提高。面对配网建设的日益完善化与复杂化，供电质量会受到多种因素的影响，以及电能的损耗也在逐渐的增大，这是配电转供需要研究的重要方向[2]。在实际操作中想要降低配网网损，可以选择的方法之一便是配电网重构，是在满足网络拓扑结构的前提下，维持配网正常供电，通过对网络系统中设置的联络开关以及分段开关的调整，实现供电路径的择优选择，既可以避免供电故障的发生，又可以降低配电网网损[3]。配电网重构可以分为两种状态，一种是正常供电状态下的网络重构，另一种则是供电故障情况下的网络重构。基于离散粒子群算法可以实现配电网转供方案的择优选择，实现网络重构。

2.2 粒子群优化算法

粒子群优化算法的迭代公式为：

其中，c1与c2表示的是学习因子；r1与r2表示的是介于0 与1 之间的随机数；w 表示的是惯性权重，粒子在搜索空间中不断通过更新个体极值xphest和全局极限xghest来确定运动速度与方向，一直向目标点运动。

离散粒子群优化算法是以二进制为基础，应用DPSO算法，对离子运动公示进行了更新[4]。基于量子理论来进行分析，量子位是传递信息的最小单元，取值存在于[0，1]某个状态，对该粒子向量进行定义：

其中，rand（）表示的是分布在[0，1]范围内的随机数。0＜a，β＜1 表示的是控制参数，可代表算法对速度控制。速度更多表示的是位置取值判断概率的法制，对应的取值范围为[0，1][6]。

3 基于遗传算法配网供电模型

3.1 目标函数

将资金时间效益纳入到考虑范围之内，确定贴现的线路建设投资费用与运行费用最小年费用FN为目标函数，表示为：

其中，Z 表示的是方案线路投资费用，受报装工程规模限制，因此不将建设年限纳入到考虑范围之内。Ct表示的是转供方案第t 年所对应的年运行费用。设定配电网电气设备的使用年限为25 年，贴现率i 为0.1，以及假设在经济使用年限范围内每年运行费用相等，则目标函数的表达式可进一步转换为：

minFN=0.1Z+1.1C

3.2 遗传算法的实现

将所有配电网转供的备选方案进行编号，不同的方案所代表的线路对象不同，因此可以选择应用二进制编码方法，对所有的待选线路进行编码处理，反映不同线路能否转供执行，同时也详细的记录了线路的各项参数[7]。适应度函数可以反映转供方案的优化要求以及目的，即要求在确保配电网稳定可靠运行的情况下，可以保持最低年费用[8]。通过适用函数可以对特定位串表示的供电方案进行检测，确定方案的合理性与可行性，并根据此来完成后续的遗传操作。适应度函数可表达为：

其中，F0表示给定的较大常数；F 表示的是考虑约束条件下的增广函数数学模型，表达式为：

F=FN+CR∑RP

其中，FN表示的是供电方案的年费用；CR表示的是惩罚因子；RP表示的是方案约束条件（＜350kW）。

4 基于遗传算法配网转供寻优流程

基于遗传算法的配网转供寻优方案的执行过程复杂度不是很强，将线路参数、网络拓扑、各节点发电出力及负荷等原始数据输入，另外还要输入遗传算法运算本来所需要的参数，包括群体规模N、祖达遗传代数NG、变异率Pm、交叉率Pc以及计算适应度所应用的常数F0与惩罚系数[9]。完成各项数据的输入后，便可获得最初始的配电网转供方案。然后结合业扩报装管理系统以及供电营业管理人员的交互操作，对配网转供初始方案做进一步的细化。解码可得到以染色体表示的初始方案节点导纳矩阵，通过潮流程序来完成各支路功率的计算，并应用遗传算法来计算得到不同方案对应的适应度，对结果进行判断确定其是否收敛。假如群体规模为N，以适应度为依据进行排序后，得到的N 个方案所对应的染色体做进一步的复制、杂交以及变异操作，最终就可以得到新一代的N 个染色体。然后继续进行重复的解码计算，直到结果确定为收敛[10]。最终便可获得最优的配网转供方案，不仅包括转供的各项参数，还包括了方案的投资费用以及年费用，真正做到配网可靠运行的同时，维持较高的经济效益。

5 结束语

在配网自动化水平不断提高的背景下，配电网转供技术已经被越来越多的电力企业所重视，对于此方面的研究也在逐渐的加深，并且在实际操作中已经获得了一定的成果。但是面对不同的配电网线路，所适应的转供方案不同，这样就需要利用合适的算法对多种转供方案进行计算分析，从中选择最优解，争取做到最多负荷的转移，缩小配电网故障影响范围，提高用户供电质量。