一种配电网络重构方法
【技术领域】
[0001] 本发明涉及一种配电网络重构方法。
【背景技术】
[0002] 配电网络重构问题是一个大规模、混合整形、非线性组合优化问题。配电网络重构 的目的是通过改变线路开关的状态来变换网络结构，在实现电力供需平衡的前提下，减少 网络的运行损耗，并满足容量和电压等约束。绝大多数对配电网重构的研究都是以降低线 损为目标的，这需要大量的馈线配电变压器负荷数据，而我国配电网的各个供出负荷（即配 电变压器)一般都不量测，只有在装设FTlKFeeder Terminal Unit，馈线终端装置）的配电 网节点处才能得到电压与流过的功率等数据，所以配电网严重缺乏量测数据。
[0003] 但是只需知道FTU的量测数据，就可以进行以负荷均衡化为目标的配电网络重构， 负荷均衡率与线损率之间有较强的相关性，所以可以用以负荷均衡化为目标的配电网重构 近似代替以降低线损为目标的配电网重构，这样在只能量测FTU数据的情况下就可以进行 配电网重构。
【发明内容】
[0004] 本发明提供一种配电网络重构方法，仅仅根据馈线终端装置的量测数据，以负荷 均衡化为目标，采用时间递推合并法进行配电网络重构，对于调整负荷、实行均衡用电、降 低线损、节约电能具有重要作用。
[0005] 为了到达上述目的，本发明提供一种配电网络重构方法，采用时间递推合并法进 行配电网络重构，将某一时间区间按照时间间隔i等分为若干时间段，对各个时间段进行静 态重构，根据负荷均衡化目标对各个时间段的最佳运行方式进行开关切换，判断开关操作 的总数是否满足约束条件，如果不满足，则调整时间间隔i，重新进行时间段划分，直至满足 约束条件，则完成配电网络重构。
[0006] 所述的时间间隔i为自然数，i的初始值为1，i的单位是小时。
[0007] 根据网络初始信息，利用改进遗传算法对各个时间段进行静态重构，得到各个时 间段内的最佳运行方式。
[0008] 所述的负荷均衡化目标为：判断相邻时间段的负荷均衡率关系A是否小于相邻时 间段的负荷均衡率阈值A S，如果是，使相邻时间段中的后一时段继续采用前一时段的最佳 运行方式，如果否，进行开关切换，使后一时段采用本时间段的最佳运行方式；
[0009] 其中，相邻时间段的负荷均衡率阈值△ S为定值0.05,相邻时间段的负荷均衡率关 系A=(vl-V2)/V2，vl是相邻时段中，后一时段用前一时段的最佳运行方式运行得到的负荷 均衡率， V2是后一时段用其自己的最佳运行方式运行得到的负荷均衡率。
[0010] 较佳地，所述的配电网络重构方法包含以下步骤：
[0011] 步骤S1、将某一时间区间按照时间间隔i等分为若干时间段；
[0012] 其中，i为自然数，i的初始值为l，i的单位是小时；
[0013] 步骤S2、对各个时间段进行负荷预测，根据负荷预测的结果，读入网络初始信息；
[0014] 所述的网络初始信息包含:支路参数、各个时间段的负荷数据；
[0015] 步骤S3、根据网络初始信息，利用改进遗传算法对各个时间段进行静态重构，得到 各个时间段内的最佳运行方式；
[0016] 步骤S4、判断相邻时间段的重构方式是否相同，如果是，进行步骤S5,如果否，进行 步骤S6;
[0017] 步骤S5、将该两个时间段合并为一个时间段，进行步骤S6;
[0018]步骤S6、依次计算相邻时间段的负荷均衡率关系A=(vl-V2)/v2,其中，vl是相邻 时段中，后一时段用前一时段的最佳运行方式运行得到的负荷均衡率，v2是后一时段用其 自己的最佳运行方式运行得到的负荷均衡率；
[0019] 步骤S7、判断相邻时间段的负荷均衡率关系A是否小于负荷均衡率阈值AS，如果 是，进行步骤S8，如果否，进行步骤S9;
[0020] 其中，负荷均衡率阈值Δ s为定值0.05;
[0021] 步骤S8、使相邻时间段中的后一时段采用前一时段的最佳运行方式，进行步骤 S10；
[0022] 步骤S9、进行开关切换，使后一时段采用本时间段的最佳运行方式，进行步骤S10;
[0023] 步骤S10、统计开关操作的总次数，判断总次数是否满足开关约束条件，如果是，则 结束，如果否，则令时间间隔i = i+l，返回进行步骤S1;
[0024] 其中，开关约束条件是一个固定的数值。
[0025] 所述的利用改进遗传算法对各个时间段进行静态重构包含以下步骤：
[0026] 步骤S301、根据网络初始信息生成初始种群模块，产生初始种群；
[0027] 将配电网络中的开关状态用0和1进行编码，0表示分闸状态，1表示合闸状态，每个 开关占据染色体的一位，各开关状态组合在一起形成了一条染色体，染色体的长度即为网 络中所有开关的数目，初始种群模块是得到的一个染色体个体，初始种群是若干个染色体 组成的染色体群体；
[0028]步骤S302、计算初始种群中各个染色体的适应度值；
[0029] 适应度函数是由目标函数变换而成；
[0030] 适应度函数:F(X)=0，f(X)2Cmax);
[0032] Cmax为一个给定的常量，数值为10;f(x)为目标函数；
[0033]以负荷均衡化为目标的配电网重构目标函数:f=minRLCa;
[0034] 一个配电网中所有联络开关的馈线偶的负荷均衡率最大者为该配电网的负荷均 衡率RLCa :
[0035] RLCa=max[RLCi,RLC2i,……，RLC2i]，i eL;
[0036] 联络开关TSi的馈线偶的负荷均衡率RLCi为：
[0037] RLCi=rnax[lm,m, ln,n]/min[lm,m, Ιη,η] ,Ι?,ηΕχ；
[0038] 其中，χ为馈线偶中所有源点的集合，L表示配电网中所有联络开关的馈线偶的集 合；
[0039] 步骤S303、按照轮盘赌方法得到每个初始种群中染色体的选择个数，并对初始种 群进行精英选择；
[0040] 精英选择:为了防止由于选择误差或者交叉和变异的破坏作用而导致当前群体的 最佳个体在下一代丢失，把群体中适应值最高按10%的个体直接复制到下一代而不进行交 叉配对；
[0041] 步骤S304、按照染色体的选择个数，对相应的染色体进行淘汰选择；
[0042] 从经过精英选择的群体中淘汰10%的较差个体，形成新的群体；
[0043]步骤S305、计算自适应控制后的交叉概率，进行交叉操作；
[0044]自适应交叉概率Pc:
[0045] Pc = kl(fmax-f )/ (fmax-favg) ,f > favg
[0046] Pc = k2,f <favg
[0047] 其中，fmax是群体中的最大适应值;favg是群体平均适应值;f是要交叉的两个个体 中较大的适应度值;ki和k2是大于0小于1的常数；
[0048] 交叉操作:在个体码串中随机设定一个交叉点，实行交叉时，该点之后的两个染色 体部分结构进行互换，生成两个新的个体；
[0049] 步骤S306、计算自适应控制后的变异概率，进行变异操作；
[0050] 自适应变异概率Pm:
[0051 ] Pn = k3(fmax-fl)/(fmax-favg) ,fl > favg
[0