基于改进遗传算法的含分布式电源配电网重构

第２７卷第３期　２０１１年６月　上海电　力　学　院学报　

Ｊｏｕｒｎａｌ　ｏｆ　Ｓｈａｎｇｈａｉ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｅｌｅｃｔｒｉｃ　Ｐｏｗｅｒ　Ｖ０１．２７．Ｎｏ．３　

Ｊｕｎｅ　２０１ｌ　

文章编号：１００６—４７２９（２０１１）０３—０２３３一ｏ５　

基于改进遗传算法的含分布式电源　配电网重构　

雷振，韦钢，沈芸，蔡阳　（上海电力学院电力与自动化工程学院，上海２０００９０）　

摘要：以运行时网络损耗最小为目标建立含ＤＧ配网重构的模型，采用考虑种群约束的编码规则改进遗传　算法，简化了环网判断过程，提高了求解效率，有效实现了全局最优搜索，并防止了过早收敛．　

关键词：分布式电源；配电网重构；网络损耗；遗传算法；混合编码　中图分类号：ＴＭ７１５　．３　文献标志码：Ａ　

Ｒｅｃｏｎｆｉｇｕｒａｔｉｏｎ　ｏｆ　Ｄｉｓｔｒｉｂｕｔｉｏｎ　Ｎｅｔｗｏｒｋ　ｗｉｔｈ　Ｄｉｓｔｒｉｂｕｔｅｄ　Ｇｅｎｅｒａｔｉｏｎ　Ｂａｓｅｄ　ｏｎ　Ｉｍｐｒｏｖｅｄ　Ｇｅｎｅｔｉｃ　Ａｌｇｏｒｉｔｈｍ　

ＬＥＩ　Ｚｈｅｎ，ＷＥＩ　Ｇａｎｇ，ＳＨＥＮ　Ｙｕｎ，ＣＡＩ　Ｙａｎｇ　（＆ｈｏｏｌ　ｏｆＥｌｅｃｔｒｉｃ　Ｐｏｗｅｒ　ａｎｄ　Ａｕｔｏｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｈａｎｇｈａｉ　Ｕｎｉｖｅｒｓｉｔｙ　Ｅｌｅｃｔｒｉｃ　Ｐｏｗｅｒ，Ｓｈａｎｇｈａｉ　２０００９０，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：　Ａ　ｍｏｄｅｌ　ｏｆ　ｄｉｓｔｒｉｂｕｔｉｏｎ　ｎｅｔｗｏｒｋ　ｒｅｃｏｎｆｉｇｕｒａｔｉｏｎ　ｃｏｎｓｉｄｅｒｉｎｇ　ＤＧ　ｉｓ　ｅｓｔａｂｌｉｓｈｅｄ，ｉｎ　ｗｈｉｃｈ　ｔｈｅ　ｏｂｊｅｃｔ　ｆｕｎｃｔｉｏｎ　ｉｓ　ｍｉｎｉｍｕｍ　ｎｅｔｗｏｒｋ　ｌｏｓｓ．Ｃｏｄｉｎｇ　ｒｕｌｅｓ　ｃｏｎｓｉｄｉｎｇ　ｔｈｅ　ｐｏｐｕｌａｔｉｏｎ　ｃｏｎｓｔｒａｉｎｔｓ　ａｒｅ　ａｄｏｐｔｅｄ　ｔｏ　ｉｍｐｒｏｖｅ　ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍ　ｔｏ　ｓｏｌｖｅ　ｔｈｅ　ｍｏｄｅｌ，ｓｉｍｐｌｉｆｙｉｎｇ　ｔｈｅ　ｐｒｏｃｅｓｓ　ｏｆ　ｌｏｏｐ　ｊｕｄｇｍｅｎｔ，　ｓｏ　ｉｔ　ｃａｎ　ｉｍｐｒｏｖｅ　ｔｈｅ　ｓｏｌｕｔｉｏｎ　ｅｆｆｉｃｉｅｎｃｙ．Ｉｍｐｌｅｍｅｎｔ　ｇｌｏｂａｌ　ｏｐｔｉｍａｌ　ｓｅａｒｃｈ　ｅｆｆｅｃｔｉｖｅｌｙ，ａｎｄ　ｗｉｔｈ　ｈｙｂｒｉｄ　ｃｒｏｓｓｏｖｅｒ　ａｎｄ　ｍｕｔａｔｉｏｎ　ｏｐｅｒａｔｉｏｎ，ｉｔ　ｃａｎ　ｐｒｅｖｅｎｔ　ｐｒｅｍａｔｕｒｅ　ｃｏｎｖｅｒｇｅｎｃｅ　ｅｆｆｅｃｔｉｖｅｌｙ　ｂｅｔｔｅｒ　ｔｈａｎ　ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｍｅｔｈｏｄｓ．　Ｋｅｙ　ｗｏｒｄｓ：ｄｉｓｔｒｉｂｕｔｅｄ　ｇｅｎｅｒａｔｉｏｎ；ｒｅｃｏｎｆｉｇｕｒａｔｉｏｎ　ｏｆ　ｄｉｓｔｒｉｂｕｔｉｏｎ　ｎｅｔｗｏｒｋ；ｎｅｔｗｏｒｋ　ｌｏｓｓ；ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍ；ｈｙｂｒｉｄ　ｃｏｄｉｎｇ　

分布式电源…（Ｄｉｓｔｒｉｂｕｔｅｄ　Ｇｅｎｅｒａｔｉｏｎ，Ｄｅ）作　为集中供电方式的一种补充，在充分利用可再生　能源及减少环境污染等方面将发挥重要作用，被　誉为２ｌ世纪电力发展的关键技术．　配电网重构作为配电网优化运行的一种手　段，在网络结构变化的情况下，可用来消除过载、　降低网损，以及平衡各馈线的负荷，实现配电网可　靠、经济地运行．网络重构是一个复杂的大规模非　线性整数组合优化过程，在引入ＤＧ后，配电网络　的拓扑结构会发生显著变化【１．２】，因此研究含ＤＧ　配电网的重构是非常重要和有意义的．　国内外关于配电网络重构的研究较多，主要　

收稿日期：２０１ｌ—Ｏｌ一２１　通讯作者简介：雷振（１９８５一），男，在读硕士，江西丰城人．主要研究方向为电力系统规划，分布式供电系统可靠　性．Ｅ．ｍａｉｌ：ｌｅｉｚｈｅｎ１９８５＠１２６．ｃｏｌｎ．　基金项目：上海市教育委员会重点学科建设项目（Ｊ５１３０３）．　２３４　上海电力学院学报　围绕重构算法展开，主要有最优流模式算法　Ｊ、　支路交换法　】、神经网络法（ＡＮＮ）　ｊ、模拟退火　法（ＳＡ）Ｌ６］和遗传算法（ＧＡ）　等．然而，考虑ＤＧ　对重构影响的研究目前并不多见　引．　本文分析了ＤＧ对配电网重构相关方面的影　响，在正常运行情况下，以网络损耗为目标函数，　在编码过程中采用混合编码改进遗传算法，对含　ＤＧ的配电系统进行重构，防止环网和孤岛的产　生，引入最优保留策略以保证全局最优，同时在变　异过程中通过位操作可有效防止ＧＡ过早收敛．　１　ＤＧ对配电网重构的影响　按重构时系统的状态，可将配电网络分为事　故重构和运行重构．在ＤＧ大量接人配电网以后，　将对配电网的重构策略带来深刻影响：一是遇到　故障时，需要通过开关重置隔离故障，在不影响系　统正常运行的情况下，形成有意识的孤岛　继续　给部分用户供电，提高供电可靠性；二是在正常运　行的情况下，为减少网损，提高经济性，对配电网　进行重构时又应尽量避免孤岛的发生．这是因为　在系统与ＤＧ均带电时，突然的解列和下次并网　都会给ＤＧ带来一定程度的冲击．　然而在正常运行状况下，出现的无意识ＤＧ　孤岛（亦称非计划孤岛）将会产生诸多不利影响，　如：会引起孤岛内频率和电压的变化，以及系统功　率的不平衡，难以保证电能质量；由于非计划孤岛　的范围不确定，会对维修人员、运行人员及公众的　安全造成威胁；形成孤岛运行后，与主系统配合不　当，会引起不必要的停电损失．　因此，出于用电安全和用电质量的考虑，在正　常运行时，应防止ＤＧ的非计划孤岛运行．　２含ＤＧ配电网的重构模型　２．１　目标函数　配电网系统中一般有联络开关和分段开关两　种类型．重构的主要任务是确定配电网中需要闭　合的联络开关和需要打开的分段开关，以使最终　的网络具有最小的线路损耗，该网损厂可通过潮　流计算求得．本文进行模型重构的目标函数表达　式为　加】：　ｍｉｎ，：圭　（１）　式中：Ｒ　——支路ｉ的电阻；　Ｐ　，Ｑｉ——支路　末端流过的有功功率和　无功功率；　——支路ｉ末端的节点电压；　ｂ——支路数；　ｋ——开关的状态变量，是０—１的离散量，　０代表打开，ｌ代表闭合．　

２．２约束条件　含有ＤＧ的配电网络重构应当满足如下约束　条件．　（１）潮流约束配电网重构必须满足潮流方　程．　（２）节点电压和支路功率约束必须满足　ｆ　ｍ．ｎ≤Ｕｉ＜￣Ｕｉ　ｍｘ　＝　，２，…，ｍ　（２）　【Ｓ＾≤Ｓ＾　Ａ＝１，２，…，ｎ　‘　式中：ｍ——节点总数；　ｎ——支路总数；　

，　——节点　的电压下限值和上　限值；　Ｓ　——第Ａ条支路上流过功率的计算值；　

——第Ａ条支路上允许的传输功率最　大值．　（３）供电约束本文讨论的是正常供电下的　重构，配电网的网络结构调整必须给所有负荷点　供电，不能出现孤立节点，即“孤岛”．　

３含ＤＧ配电网重构的改进遗传算　法求解　遗传算法　¨是一种基于自然选择和群体进　化体制的全局性优化方法，具有生物进化过程中　自适应的优点，能够在搜索过程中不断向可能包　含最优解的方向调整搜索空间．此外，ＧＡ对优化　问题无可微性要求，适合于求解配电网重构．　

３．１混合编码规则　传统的０—１二进制编码方式能够很好地反　映配电网中开关的状态．但其开关的闭合不是随　意的，在联络开关合上的同时，必须在环路中断开　

一个分段开关，以保证配电网的开环运行．因此，　０—１编码方式会导致很多的不可行解．如果采用　十进制编码，由于环网判断较复杂，且要在重构过　程中产生孤岛，会使程序面临解码困难，影响求解　雷振，等：基于改进遗传算法的含分布式电源配电网重构　速度．　为此本文引人了混合编码¨　，其规则为：以　

配电网中联络开关和在联络开关闭合时所形成的　相应环网组合成一个编码组，编码格式为：　，Ｓ，；　

，Ｓ　．．．・；　，Ｓｉ．其中　表示联络开关的状态，根　据其开合，用二进制编码；Ｓｉ表示在　闭合的情　况下，该环网应该打开的分段开关编号，用十进制　编码．在　闭合时，只需根据其所连接的两个节　点向电源方向搜索，找到与Ｓ　相对应的开关，就　是该打开的分段开关．　由于只对联络开关进行编码，缩短了染色体　的长度，避免了环网的出现，同时也很好地抑制了　非计划孤岛的产生，如此编码可在染色体操作过　程中始终维持系统的开环状态，在评价染色体时　省去了环网判断，从而提高了算法效率．　

３．２产生初始种群　初始种群的产生步骤为：首先根据编码规则，　随机产生一个编码向量；然后根据编码向量所确　定的网络结构，利用前代回代法计算网络潮流，判　断节点电压是否满足约束条件要求，若满足要求，　则将其选为初始群体的染色体；最后重复以上步　骤，直至产生初始种群数量Ｐ．　

３．３适应度函数　适应度函数具有适应性，可以评价染色体的　优劣，它是选择染色体以进行遗传操作的前提．适　应度函数应当满足：值恒为正，且优化方向与对应　适应度值增加的方向一致．网络重构的目标函数　为网损最小，属于最小值优化问题，因此笔者将网　损的倒数作为目标函数的ＧＡ适应度函数ｌｌ引．　

３．４遗传操作　笔者采用轮盘赌法－】　选择复制，并加入了最　优保留策略ｌｌ引．这既维持了种群的多样性，又保　证了最优个体不会被交叉、变异等操作破坏基因，　从而实现全局最优搜索．　要对染色体中的二进制编码序列和十进制编　码序列分别进行交叉和变异操作．在进行交叉操　作时，对二进制编码序列采用双切点法ｎ引，对十　进制编码序列采用基于次序的杂交法¨引．在进行　变异操作时，对二进制编码按变异概率任选若干　基因位，以实现反转其位值　的变异，而对十进　

制编码序列采用倒位操作的变异算子［１５１进行变　异．　通过以上混合交叉方法和变异操作，与传统　方法相比可以更有效地防止ＧＡ的过早收敛．　

３．５终止判据　终止判据通过设置最多迭代次数来实现，即　判断当前迭代次数（遗传代数）是否达到最大迭　代次数　，若满足，则过程终止，输出群体最优解；　若不满足，则迭代次数为　＝　＋１．　根据以上步骤　给出重构的ＧＡ算法流程，如　图１所示．　

图１配电网重构的ＧＡ算法流程　４　实例分析　４．１算例　本文研究含ＤＧ的配电网重构，对文献［１６］　的１６节点配网系统进行了改进，其额定电压为　ｌ０　ｋＶ，有２６条支路，３个联络开关（Ｓ　５，Ｓ　，Ｓ２６）．