綜合無功優化與網絡重構的配電網優化運行研究

顧明宏，孫為兵，顧穎歆，趙健，金誠，王薪蘋

（1.國網揚州供電公司，江蘇揚州 225009；2.河海大學能源與電氣學院，江蘇南京 211100）

綜合無功優化與網絡重構的配電網優化運行研究

顧明宏1，孫為兵1，顧穎歆1，趙健1，金誠1，王薪蘋2

（1.國網揚州供電公司，江蘇揚州 225009；2.河海大學能源與電氣學院，江蘇南京 211100）

以往對配網無功優化與網絡重構的研究大多是分別單獨進行的，然而，實際配電網優化運行應該充分考慮各種優化技術的協調與配合。提出無功補償與網絡重構同時進行的配網綜合優化模型。該模型以年綜合費用作為目標函數，在滿足網絡功率平衡、網絡呈輻射狀運行等約束條件下，采用混合蛙跳算法求得最佳綜合優化方案。IEEE33節點配網系統測試結果表明，相比分別單獨進行的無功優化與網絡重構，所提優化模型能充分發掘無功優化與網絡重構2項技術相互配合存在的潛在經濟價值，具有一定的實用參考價值。

配網重構；無功優化；綜合優化；蛙跳算法

配網重構和配網無功優化作為配網優化運行的2項重要技術手段，其在保障電能質量、降低網絡損耗等方面有著重要作用[1-2]。配網重構通過改變網絡開關的閉合來獲得最佳優化目標值下的網絡拓撲結，以實現有功損耗最小化且保證較高的電壓水平。實際上，配網重構是非線性組合優化問題[3-4]，配網無功優化是非線性整數規劃問題[5-8]，二者的綜合優化使得問題的求解更加復雜，針對此問題，文獻[9-10]采用先重構后補償交替迭代的方法。文獻[11-12]分別以重構和無功優化為主進行優化，都采用了智能算法求解，相比交替迭代法，提高了計算精度，但文獻[9-12]并不是真正意義上同步進行重構與無功優化，綜合優化的潛在價值沒有得到充分研究與挖掘。文獻[13-15]采用智能算法同時進行網絡重構和無功優化，其編碼策略一般，求解效率不高。文獻[16]采用有效減小生成樹數量法和改進電容器投切作用范圍法，提高了求解效率。這些配網綜合優化研究均以網損作為優化目標，并沒有考慮無功補償的經濟性。

本文提出了以年綜合費用最小為優化目標的配網優化模型。首先詳細介紹了模型的目標函數、約束條件。其次，詳細介紹了模型的求解方法，包括解的編碼、網絡簡化策略、混合蛙跳算法求解流程，其中對算法的全局搜索和局部搜索進行了詳細的說明。用IEEE33節點測試系統對所提模型進行了驗證分析。

1 配網綜合優化模型

本文參考文獻[5]中的無功優化目標函數，定義綜合優化模型的優化目標，其定義為

式中：λ為電價；Tmax為年最大負荷損耗小時數；k1為補償設備的年維護費用率；k2為投資回收系數；Qi為第i個節點的無功補償量；C1為無功補償價格；C2為單個補償點的安裝費用；n為無功補償點個數；Ploss為網絡的有功損耗，其大小受網絡拓撲結構與無功補償量的影響，其值為每條線路有功損耗的總和。

式中：Nb為支路數；Rk表示支路k的電阻；Sk為支路閉合狀態，1表示閉合，0表示打開；Pk為支路k的有功功率；Qk為支路k的無功功率；Vk表示支路k的末端電壓。

潮流計算中，除保持網絡功率平衡外，還需要考慮以下約束條件

式中：Vmin、Vmax分別為配網正常運行時節點電壓的上、下限；Vj為節點j的電壓；Smaxk表示線路k的最大載流量；Sk為線路k的實際載流量；Qi，max為第i個補償點補償容量上限；Qi為節點i處的無功補償量。

此外，本文利用圖論中連通度理論[17]對不可行解進行辨識，改進使網絡呈孤島或環網的解，使得解滿足網絡輻射狀約束條件。等效后的配電網絡如圖1所示，其各節點間的連接關系可以用鄰接矩陣A表示：

式中：M為等效網絡的節點個數。若節點i與j相連，則ai，j為1，否則為0。構造圖的laplacian矩陣L為：

當rank（L）=M-1等式成立，且當斷開的支路等于網絡的獨立環路時，網絡的拓撲結構滿足輻射狀要求。

圖1 配電網絡簡化示意圖Fig.1 Simplified diagram of distribution network

2 模型求解

混合蛙跳算法（SFLA）是由Eusuff和Lansey于2003年提出的一種基于種群的亞啟發式協同搜索算法[18]，其具有易于理解、易于編程實現及尋優能力強等優勢，目前在隨機優化、工程技術等領域中得到廣泛應用，如機組負荷分配[19]、分布式電源規劃[20]等。本文首次將其用于含無功優化與配網重構的綜合優化問題中。

2.1 網絡簡化及編碼

為了提高求解的搜索效率，以IEEE33節點配網為例，對網絡做如下簡化：根節點（0節點）并入1節點；由于節點2和節點20之間只允許斷開一個開關，因此可以將這2個節點間的所有支路視為一個支路組，以此類推，網絡簡化如圖1所示。

簡化后的網絡由8個節點、12個支路組組成?；诖?，本文采用基于獨立環路的編碼策略可以有效減少變量維數，提高求解效率[4]。

在SFLA中，每只蛙相當于一個優化方案，第i只蛙編碼為Zi=[{x1，x2，…，xn1}；{y1，y2，…，yn2}]。其中，{x1，x2，…，xn}為重構斷開的支路在支路組中的編號；{y1，y2，…，yn2}為選定節點的無功補償量。n1，n2分別為支路組和無功補償點的個數。

2.2 算法執行步驟

SFLA算法的執行包括全局搜索和局部搜索，其具體執行過程如下。

2.2.1 全局搜索

步驟1：初始化參數。包括：蛙群的數量F；族群的數量m；族群中青蛙的數量n；最大允許跳動步長Smax；全局最優解Pz；局部最優解Pb；局部最差解Pw；全局迭代進化次數Ng；局部迭代進化次數Nl；各補償點無功補償上限Qi，max。

步驟2：隨機生成初始蛙群，根據式（1）計算每個蛙的評價值。

步驟3：按照評價值大小進行升序排序，記錄下最優蛙（解）Pz，并將蛙群分成族群（第1只蛙放入第1個族群，第2只蛙放入第2個族群，第m只蛙放入第m個族群，第m+1只蛙放入第1個族群，以此類推，直至所有蛙被放入入指定位置）。

步驟4：按照式（8）—式（9）對每個族群進行進化操作：

式中：ceil表示取整，rand（）表示產生0～1的隨機數；S為蛙跳的步長，Smax、Smin為蛙跳的步長限制；New Pw表示更新后的Pw。

步驟5：所有族群更新完畢后，計算蛙群中所有蛙的評價值。

步驟6：判斷是否滿足停止條件。如果滿足則停止搜索，否則轉到步驟3。

2.2.2 局部搜索

局部搜索是指對步驟4展開的具體描述，過程如下。

步驟4-1：設IM=IN=0，IM表示族群進化的計數器，IN表示局部進化計數器。

步驟4-2：選出當前族群的Pb和Pw，IM加1。

步驟4-3：IN加1。

步驟4-4：根據式（8）式（9）改進族群中最差蛙。

步驟4-5：如果步驟4-4改進了最差蛙，則用該新蛙取代最差蛙。否則用Pz替代式（8）中的Pb，重新進化。

步驟4-6：如果步驟4-5仍沒有改進最差蛙，則隨機產生一個可行解來代替最差蛙。

步驟4-7：如果IN小于局部進化次數LN，則轉入步驟4-3。

步驟4-8：如果IM小于族群數m，則轉入步驟4-2，否則進入全局搜索的步驟5。

算法流程如圖2所示。

圖2 算法流程圖Fig.2 Flow chart of the algorithm

3 算例分析

本文以IEEE33節點系統作為測試算例，該系統電壓等級為12.66 kV，有功總負荷3 715 kW，無功總負荷2 300 kvar。針對網絡重構、無功優化和綜合優化3種優化方案進行對比分析。

蛙跳算法參數設置如下：蛙群大小為80，族群數為20，全局進化次數為50，局部進化次數為3。無功補償點選擇無功負荷最重的23、24、29節點，一方面符合無功就地補償原則，另一方面也與文獻[5]的優化結果相符。無功補償量以系統總無功負荷的1.2倍作為無功補償的上限，以10 kvar作為最小搜索步長，設y1∈[0，60]，y2∈[0，60]，y3∈[0，120]。其他參數：λ=0.5元/kW·h，Tmax=5 000 h，k1=0.13，k2=0.1，C1=60元/kvar，C2=5 000元/節點。

3種方案優化結果對比如表1所示，各優化方案下系統各節點電壓分布如圖3所示，求解迭代過程目標函數值收斂情況如圖4所示。

表1中各方案優化結果對比表明，綜合優化方案相比單純的重構與無功優化，能夠進一步提高電壓質量：最低節點電壓0.957 5 pu，相比單獨重構與無功優化的結果分別提高了2.1%、3.5%。能夠進一步減少網絡有功損耗：有功損耗102.09 kW，相比單獨重構與無功優化的結果降低了26.7%；進一步降低年綜合費用：年綜合費用為27.68萬，相比單獨重構與無功優化的結果分別降低了20.5%、25.8%。此外，綜合優化方案中的無功補償相比單獨的無功補償，補償量降低了15.0%。驗證了本文所提綜合優化模型的合理性與有效性。

表1 3種方案優化結果對比Tab.1 Comparisons of optimization results of three proposals

圖3 節點電壓分布圖Fig.3 Voltage profiles of 33-bus system

圖4 目標值收斂曲線Fig.4 Convergence curve of the target value

由表1與圖3可知，單獨定點無功優化與重構都能夠有效降低網絡有功損耗，但在提升系統各節點電壓水平方面，重構效果較無功優化更好。綜合優化方案相比重構，系統各節點電壓整體進一步提升，從而進一步驗證了表1的結論。

由圖4可知，SFLA在求解3個優化模型過程中，具有良好的收斂效果，求解時間均在25 s以內，能夠高效求解本文所提模型。

4 結論

本文綜合無功優化與配網重構2項技術，建立以年綜合費用最小為目標的配網綜合優化模型，采用混合蛙跳算法求解，經算例驗證分析，結論如下：

1）模型不僅能夠進一步降低網損、提升節點電壓，還充分考慮了無功補償的經濟性，使得配網綜合優化更加符合經濟性原則，既充分挖掘了綜合優化的經濟價值，也為綜合優化調度提供了新的評價指標。

2）相比以往采用智能算法求解綜合優化問題，除提出新的優化目標外，本文采用了易于理解、易于編程實現及尋優能力強的混合蛙跳算法，并結合基于獨立支路法的網絡簡化策略，能夠快速搜索到最優解，保證了模型求解效率。

[1]劉文軒，顧雪平，李少巖.考慮機組重要度和負荷停電損失的網架重構分層協調優化[J].華北電力大學學報，2017，44（2）：22-33.LIU Wenxuan，GU Xueping，LI Shaoyan.Hierarchical coordinative optimization for network reconfiguration considering unit importance and the load outage loss[J].Journal of North China Electric Power University，2017，44（2）：22-33（in Chinese）.

[2]何小棟，程瑤.配電網主動閉環運行經濟性分析[J].江蘇電機工程，2016，35（3）：42-45.HE Xiaodong，CHENG Yao.Economical analysis of distribution network closed-loop operation[J].Jiangsu Electrical Engineering，2016，35（3）：42-45（in Chinese）.

[3]江東林，劉天琪，李樊.采用時段動態劃分和分層優化策略的配電網重構[J].電網技術，2012，36（2）：153-157.JIANG Donglin，LIU Tianqi，LI Fan.Dynamic distribution network reconfiguration based on dynamic partition of time intervalsandhierarchicaloptimization[J].PowerSystemTechnology，2012，36（2）：153-157（in Chinese）.

[4]李振坤，陳星鶯，余昆，等.配電網重構的混合粒子群算法[J].中國電機工程學報，2008，28（31）：35-41.LI Zhenkun，CHEN Xingying，YU Kun，et al.Hybrid particle swarm optimization for distribution network reconfiguration[J].Proceedings of the CSEE，2008，28（31）：35-41（in Chinese）.

[5]陳繼明，祁麗志，孫名妤，等.多場景下含風電機組的配電網無功優化的研究[J].電力系統保護與控制，2016，44（9）：129-134.CHEN Jiming，QI Lizhi，SUN Mingshu，et al.Reactive power optimization for distribution network with multiscenario wind power generator[J].Power System Protection and Control，2016，44（9）：129-134（in Chinese）.

[6]黃志嶺，黃曉明，陳煒，等.蘆嵊直流無功優化方案仿真研究[J].高壓電器，2015，50（6）：65-69.HUANG Zhiling，HUANG Xiaoming，CHEN Wei，et al.Imulation study on lusheng HVDC reactive power optimization scheme[J].High Voltage Apparatus，2015，50（6）：65-69（in Chinese）.

[7]崔挺，孫元章，徐箭，等.基于改進小生境遺傳算法的電力系統無功優化[J].中國電機工程學報，2011，31（19）：43-50.CUI Ting，SUN Yuanzhang，XU Jian，et al.Reactive power optimization of power system based on improved niche genetic algorithm[J].Proceedings of the CSE E，2011，31（19）：43-50（in Chinese）.

[8]陳靜，陶加貴，周前，等.基于多背包問題求解的電網無功補償配置方案[J].電力電容器與無功補償，2016，37（5）：98-102.CHEN Jing，TAO Jiagui，ZHOU Qian，et al.Reactive power compensation allocation scheme based on multi knapsack problem[J].Power Capacitor&Reactive Power Compensation，2016，37（5）：98-102（in Chinese）.

[9]PEPONIS G J，PAPADOPOULOS M P，HATZIARGYRIOU N D.Distribution network reconfiguration to minimize resistive line losses[J].IEEE Trans on Power Delivery，1995，10（3）：1388-1342.

[10]周鑫，田兵，許愛東，等.基于CYMDIST的配電網運行優化技術及算例分析[J].電網與清潔能源，2015，31（2）：91-97.ZHOU Xin，TIAN Bing，XU Aidong，et al.Operation optimization of distribution network based on CYMDIST and case analysis[J].Power System and Clean Energy，2015，31（2）：91-97（in Chinese）.

[11]郝文波.電氣規則制約的配電網絡優化方法研究[D].哈爾濱：哈爾濱工業大學，2007.

[12]JIANG D，BALDICK R.Optimal electric distribution system switch reconfiguration and capacitor control[J].IEEE Transactions on Power Systems，1996，11（2）：890-897.

[13]SU C T，LEE C S.Feeder reconfiguration and capacitor setting for loss reduction of distribution systems[J].Electric Power Systems Research，2001，58（2）：97-102.

[14]劉莉，宛力，陳學允.模糊遺傳算法在配電網絡綜合優化中的應用[J].電力自動化設備，2004，21（1）：14-16.LIU Li，WAN Li，CHEN Xueyun.Application of fuzzy genetic algorithm to optimal coordination of distribution network[J].Electric Power Automation Equipment，2004，21（1）：14-16（in Chinese）.

[15]許立雄，呂林，劉俊勇.基于PSO的配網重構與電容器投切綜合優化算法[J].電力系統保護與控制，2006，34（17）：25-28.XU Lixiong，Lü Lin，LIU Junyong.Comprehensive optmiization of distribution network reconfiguration and capacitor switching based on particle swarm optimization[J].Power System Protection and Control，2006，34（17）：25-28（in Chinese）.

[16]王威，韓學山，王勇，等.配電網重構及電容器投切綜合優化方法[J].電網技術，2010，24（12）：90-93.

WANG Wei，HAN Xueshan，WANG Yong，et al．A compositive optimization algorithm for distribution network reconfiguration and capacitor switching[J]．Power System Technology，2010 ，34（12）：90-93（inChinese）．

[17]孫惠娟，彭春華，袁義生．綜合開關次數分析的配電網多目標動態重構[J]．電力自動化設備，2014，34（9）：41-46．SUN Huijuan，PENG Chunhua，YUAN Yisheng．Multiobjectivedynamic distribution network reconfiguration considering switching frequency[J]．Electric Power Automation Equipment，2014，34（9）：41-46（in Chinese）．

[18]EUSUFF M M，LANSEY K E．Optimization of water distribution network design using the shuffled frog leaping algorithm[J]．Water Resources Planning and Management，2003，129（3）：210-225．

[19]EBRAHIMI J，HOSSEINIAN S H，GHAREHPETIAN G B．Unit commitment problem solution using shuffled frog leaping algorithm[J]．IEEE Transactions on Power Systems，2011，26（2）：573-581．

[20]張沈習，陳楷，龍禹，等．基于混合蛙跳算法的分布式風電源規劃[J]．電力系統自動化，2013，37（13）：76-82．ZHANG Shenxi，CHEN Kai，LONG Yu，et al．Distributed wind generator planning based shuffled leaping algorithm[J]．Automation of Electric Power Systems，2013，37（13）：76-82（in Chinese）．

Comprehensive Operational Optimization of Distribution Network Based on Combining Reactive Power Optimization and Network Reconfiguration

GU Minghong1，SUN Weibing1，GU Yingxin1，ZHAO Jian1，JIN Cheng1，WANG Xinping2
（1.State Grid Yangzhou Electric Power Supply Company，Yangzhou 225009，Jiangsu，China；2.College of Energy and Electrical Engineering，Hohai University，Nanjing 211100，Jiangsu，China）

In the past，the reactive power optimization and the network reconfiguration of the distribution network are mostly conducted separately；however，the actual optimization of distribution network should take full account of the coordination and cooperation of various optimization techniques.Therefore，this paper presents a comprehensive optimization model using reactive power compensation and network reconstruction of the distribution network at the same time，the model uses the annual comprehensive cost as the objective function and comply with the constraints containing the power balance in the network，radial network and so on,using shuffled leaping frog algorithm（SFLA）to determine the optimal solution.Test results of the IEEE33 node distribution network system show that compared with the previous model of using the two techniques respectively，the model presented in this paper can fully exploit the potential economic value of the coordination and cooperation of reactive power optimization and network reconfiguration and thus it has some practical value.

distribution network reconfiguration；reactive power optimization；comprehensive optimization；shuffled frog leaping algorithm

1674-3814（2017）07-0008-05

TM711

A

中國博士后科學基金（2015M571653）。

Project Supported by the Postdoctoral Science Foundation of China（2015M571653）.

2017-03-05。

顧明宏（1963—），男，碩士，高級工程師，研究方向為電網規劃、電網安全和電網運行控制；

孫為兵（1980—），男，碩士，高級工程師，研究方向為電網規劃、變電設計和電力市場。

（編輯 董小兵）