基于改進粒子群算法的負荷不平衡調整策略

,,,

(1.福州大學電氣工程與自動化學院，福建 福州 350108;2.國網福建電力有限公司南平市供電公司，福建 南平 353000)

1 引言

在配電網中，尤其是農村電網，三相負荷不平衡問題較為突出。三相負荷不平衡會使得變壓器及線路損耗增加，變壓器和線路的容量無法得到充分的利用以及輸電效率降低。

引起三相負荷不平衡的原因主要有：三相所帶負荷的大小、性質不完全相同；線路上存在諧波源。對于前者導致的不平衡問題，可以通過換相調整負荷的接入相別使得三相的總負荷在大小、功率因數上接近相同；對于后者，往往是通過安裝電力濾波器(有源濾波器、無源濾波器)以濾除高次諧波。本文主要研究由于三相所帶負荷不同而引起的不平衡問題，采用調整負荷相別的方法改善三相負荷不平衡。

就換相調整的方法而言，可以分為人工換相和自動換相兩種。人工換相根據用電信息結合理論和經驗確定出應該改變相別的負荷，然后在停電的情況下手動進行換相操作。而自動換相指利用換相開關和換相策略調整負荷相別，其硬件包含換相開關、主站及通信模塊三個部分。如圖1所示，換相開關安裝在三相轉單相的節點處，其輸入端為三相四線電源，輸出端為單相負載的火線和零線。從原理上，換相開關可看成是一個單刀三擲開關，改變開關的投擲位置也就改變了單相負荷的接入相別。換相開關實時發送電壓、電流、功率因數、當前接入相別等數據給主站，主站通過換相算法下發控制命令。主站與換相開關之間采用GPRS/3G的通信方式。自動換相充分利用了現代信息技術、通信技術、單片機技術實現檢測、分析和控制一體化，與人工換相相比，具有跟蹤負荷在線調整的優點，可以顯著降低運行人員的勞動力強度，提高臺區的運行效率。

圖1 換相開關工作原理圖

國內有不少專家學者研究人工換相、利用換相開關或智能配電箱等調整三相平衡的方法。文獻[1]提出了就地平衡補償方法，通過調整用戶的接入相別使得用電戶、區段、線路出口、配變低壓出口盡可能地接近于平衡，但該方法實施前需要調查用戶的用戶情況。文獻[2,3]提出了采用遺傳算法搜索換相的調整方法。其目標函數是使得中性線電流或三相電流的不平衡度盡可能地接近于零以及換相動作次數最少。文獻[3]研究的對象是小區單元樓的三相平衡，這類平衡與農村配電臺區的平衡有所不同。實際中小區單元樓一般在每一棟單元樓實現三相平衡，以盡可能地減少不平衡電流在線路上引起的附加損耗。而農村配電臺區則沒有這種條件調節三相平衡。文獻[4]采用粒子群算法求解負荷換相調整問題，但用戶的個數等于搜索空間的維數，隨著用戶個數的增加，容易造成“維數災”，不利于快速搜索。

本文利用了粒子群算法優化換相開關的相別選擇，采用了三進制編碼法將換相優化問題轉換成一元函數最值問題，降低了維數，提高了搜索效率。同時針對負荷換相問題的實質，對基本粒子群做了一些改進以適應問題的求解。與枚舉法相比較，所提出的粒子群算法在保證較高準確度的同時具有較快的求解速度。

2 負荷換相的目標函數

三相負荷平衡的最終目標是使得三相負荷在大小及性質上盡可能的相等。當三相負荷平衡時三相線路所接的導納相等，流過的電流大小相等，相位上互差120°，且流過中性線上的電流為零。

當三相負荷是不平衡時，則上述結論顯然不成立。此時中性線上的電流可能由于零序分量的存在而不為0，三相電流的大小、相位差也可能因為負序和零序分量的存在而受到影響。

考慮到實際中獲取電流的相位數據比較困難且在負載性質差不多的情況下，三相電流大小越接近，一般地相位差也接近于120°，因此忽略電流的相位關系而只考慮電流的大小關系，由此可得到不平衡負荷調整的目標函數。

(1)

Iph=Iph1+Iph2+…+Iphm+Iph(m+1)+…Iphn

(ph=a,b,c)

(2)

3 改進的粒子群算法求解方法

粒子群算法最初是由社會心理學博士Kennedy和電子工程學博士Eberhart受鳥群聚集行為的啟發而提出的一種優化算法。這種算法將非線性問題的求解比擬鳥群尋找棲息地的過程，搜索空間中的解空間相當于鳥群要尋找的棲息地。相對其他的群智能算法而言，粒子群算法中每個個體服從的規律極為簡單，而且求解結果相對精確，因此應用在很多領域。

根據粒子群理論，鳥群中的每只鳥被簡化成一個具有位置和速度兩種屬性的粒子，每個粒子的運動規律如式(3)所示。

vij(t+1)=ωvij(t)+c1rand(pbestij(t)-xij(t))+

c2rand(gbestj(t)-xij(t))

xij(t+1)=xij(t)+vij(t+1)

(3)

式中，vij(t),xij(t)分別是t時刻第i個粒子第j維的速度和位置;c1,c2是系數，通常都取為2;ω是慣性權重系數，隨著迭代次數的增加，從0.9線性遞減到0.4。rand是[0,1]的一個隨機數。pbestij(t)是第i個粒子第j維的歷史最優位置，表征該粒子自身的飛行經驗，gbestj(t)是t時刻全部粒子第j維的歷史最優位置，表征整個粒子群的社會經驗。

由上式可知，每個粒子的運動速度和位置包含了3個部分。第一部分是自身的速度，第二部分是自身的認知能力，通常稱為認知部分，第三部分體現的是整個粒子群間的信息共享，通常稱為社會部分。在第二部分和第三部分都乘于一個[0,1]的隨機數，是考慮讓認知部分和社會部分的影響力變得不確定，從而使得優化過程影響因素不至于絕對化，提高算法的靈活性。

換相開關的換相優化問題不能直接應用基本的粒子群算法求解，因為該問題本質上是整數規劃問題，每個換相開關的開關位置只有3種情況(即換相開關的開關位置在A相、B相、C相)，而基本的粒子群算法處理的是非線性優化問題。若直接對基本的粒子群算法的結果取整，雖然可以求解，但由于求解的問題維數太多，求解的速度會變得很慢。

考慮到每個換相開關只能在三相之間調整，因此采用三進制的編碼方法，即把每一維當成一位，則多維問題就可以轉換成一維問題。例如，用0012表示某種情況下4個換相開關的開關位置，其中，換相開關1和2處于A相，換相開關3處于B相，換相開關4處于C相，如圖2所示。

圖2 編碼方法

采用上述的編碼方法后，由于每個換相開關的權重是不一樣的，需要對換相開關所在的支路進行排序。排序的依據是支路電流的大小。支路電流越大，則權重也越大，相應的位置比較靠前；反之，權重較小，位置比較靠后。通過排序運算，可使得負荷較輕的支路優先考慮換相，負荷較重的支路在輕載支路的調整效果不明顯的情況下才考慮換相。

采用三進制的編碼可將多維數組轉換為一個三進制整數，使得每個可行解對應一個整數，整數的取值范圍是所有的可行解。然而粒子群算法的求解結果是十進制實數。因此，需在這兩者之間設置一個合適的轉換規則。轉換規則設置如下：在求目標函數值之前，對粒子群算法每次的運算結果(即粒子群的位置，為十進制實數)進行取整，且對越限的情況進行處理(越限情況下的解為不可行解)，然后將十進制整數轉換為三進制(轉換為三進制的目的是為了求目標函數)，之后再按照基本的粒子群算法處理。其中為了得到較為精確的結果，采用如下的取整方法：先求出計算結果所在的最小整數區間，然后比較區間端點的目標函數值，取較小的值所對應的整數作為結果。如實數1.5所在最小整數區間為[1,2],分別計算目標函數值f(1)和f(2)，假如f(1)

圖3 粒子群算法流程圖

4 算例

設某臺區的表箱數為40，且均為單相用戶。臺區的負荷數據如表1所示。表中提供的數據有負荷編號、負荷大小(電流)、功率因數及負荷當前所處的相別。按負荷的大小可將該臺區的用戶可分為3類：第一類(編號1～5)為大用戶，第二類(編號6～35)為普通用戶，第三類為小用戶(36～40)。在40個用戶中，任意選取11個用戶安裝換相開關，這些用戶在表1中以星號的形式標注。由于三相負荷假定是平衡的，所以不考慮三相負荷。

圖4是換相前后的三相電流波形，從該波形圖上可以直觀地看出經過換相調整后，三相電流達到了大致的平衡,電流的大小接近于相等，在相位上相差接近于120°。圖5是優化過程目標函數值的變化曲線。該圖的橫坐標是進化代數，縱坐標是目標函數值。隨著進化代數的增加，目標函數值逐漸減小，直到達到最小值16.3649為止，與用枚舉法(也是以三進制的形式編碼，逐一檢查可行解是否是最優解)求得的結果相符合，說明求得的結果不是局部最優解。

如圖6所示，相比于枚舉法，粒子群算法的計算時間更短(粒子群算法平均為4.9s，枚舉法為68.0s)，準確率較高(達到80%)，因此粒子群算法具有一定的可行性。

實際中應根據求解問題的復雜程度選擇合適的算法。比如在換相開關的數量不是特別多的情況下，采用枚舉法在保證100%準確的同時，在求解的時間上也和粒子群算法相差無幾(如圖7所示，在10個換相開關的情況下枚舉法計算時間6.76s，粒子群算法計算時間為4.45s)。而在換相開關較多的場合采用枚舉法顯然不太合適(如本例中的情況)。因為采用枚舉法雖然可以保證得到最優的解，但求解的時間相對較長，而粒子群算法則通過降低準確率換取求解速度的增加，在兩者之間達到較好的平衡。因此，實際中根據問題的復雜程度可能對準確率和求解時間有不同的側重，應據此選擇合適的算法。

表1 臺區單相用電負荷數據

注：1.表中標*號的表示換相支路；2.表中的負荷支路是未經過排序的結果

圖4 換相前后三相電流波形圖(上圖是換相前的波形，下圖是換相后的波形)

圖5 優化過程目標函數值的變化

圖6 算法性能對比

圖7 不同換相開關數目下兩種算法的運算時間對比

5 結論

三相負荷平衡的調整過程實質上是通過調整某些負荷的相別使得三相負荷不平衡度最小的優化過程。本文采用三進制編碼的方法可以使得換相開關的最優換相調整問題從原來的多維問題轉換成一維問題，避免造成“維數災”。由于求解的問題是整數規劃問題，因此在求目標函數之前對粒子群的位置進行取整、越限處理及十-三進制轉換以適應三相不平衡負荷換相問題的求解需要。算例結果表明，本文提出的方法比枚舉法的求解時間更短，且算法的準確率可達到80%以上，具有一定的可行性。

[1] 張弘廷.低壓降損的金鑰匙——就地平衡降損法[M].中國電力出版社，2003.

[2] 方恒福,盛萬興,王金麗,等.配電臺區三相負何不平衡實時在線治理方法研究[J].中國電機工程學報,2015,(9):2185-2193.

[3] 傅軍棟,喻勇,劉晶,等.低壓配電網三相不平衡節能算法研究[J].華東交通大學學報,2014,(3):110-114,136.

[4] 張明,謝珊珊,羅云峰,等.低壓配電網三相負荷不平衡優化模型的研究[J].武漢科技大學學報(自然科學版),2015,(1):59-62.

[5] 錢鋒.粒子群算法及其工業應用[M].科學出版社,2013.

[6] 林海雪.電力系統的三相不平衡[M].中國電力出版社,1998.

[7] Kennedy J,Eberhart R.Particle swarm optimization[C].Proceedings of IEEE International Conference on Neutral Networks,1995:129-132.

[8] Kennedy J,Kennedy J F,Eberhart R C,et al.Swarm intelligence[M].Morgan Kaufmann,2001.

[9] 崔志華,曾建潮.微粒群優化算法[M].科學出版社,2011.