一种基于队列智能算法的船舶配电网络的重构方法与流程

本发明属于船舶配电网重构技术领域，具体涉及一种基于队列智能算法的船舶配电网络的重构方法。

背景技术

配电网络重构问题是电力系统中的典型问题，配电网络中包含分段开关和联络开关，一般具有闭环设计、开环运行的特点，配电网络重构就是通过改变这些开关的状态来改变网络结构，从而达到优化运行或安全运行的目的。配电网络重构通常包括两种情况：第一种情况是配电系统正常运行时根据运行情况调整网络结构，提高配电系统的供电电压质量，改变配电系统内的功率流向，从而达到减少系统网络输电损耗的目的，这种情况概括为配电网重构中的网络优化问题；第二种情况是配电系统故障时根据故障信息通过改变开关状态隔离故障区域，并尽可能对非故障区域快速恢复供电，这种情况可以概括为配电网重构中的故障后供电恢复问题。一般来讲，陆地上的电力系统节点多、传输距离远，网络损耗大，负载变化对系统影响有限，因此陆地上的电力系统的配电网络重构通常指的是第一种情况，即网络优化问题。

与陆地上的电力系统不同，船舶电力系统的传输距离短，电压降落不明显，网络损耗小，其基本任务是保障船舶连续可靠的供电服务，由于系统自身或物理损伤造成的电力系统故障可能导致未故障区域失电，必须在故障后满足不超过系统容量范围并且安全运行等约束条件下，尽可能实现未故障区域的最大化供电，因此船舶电力系统的配电网络重构更关注第二种情况，即故障后供电恢复问题。

船舶综合电力推进系统同样存在故障后的快速恢复供电的需求，是全电力船舶能量管理构建中需要解决的关键问题，是提高电力船舶任务执行能力和生存能力的重要基础。传统常规船舶采用交流配电，在重构过程中需要求解满足系统运行约束的非线性潮流计算方程，普遍采用遗传算法、粒子群算子群等人工智能算法求解配电网络中的开关状态，以达到系统故障后负荷恢复供电最大化的目标，从而实现开关状态与负荷供电最大化的高度耦合，但是存在计算量大，供电恢复慢的缺点。

技术实现要素：

本发明的目的是为了解决船舶配电网络故障后恢复供电过程中计算量大、供电恢复慢的问题，提供一种基于队列智能算法的船舶配电网络的重构方法。

为实现上述目的，本发明采取的技术方案如下：

一种基于队列智能算法的船舶配电网络的重构方法，所述方法具体步骤如下：

步骤一：针对不同的船型和配电网络，对船舶配电网络进行图论表示；

步骤二：分析船舶配电网出现的故障：即部分区域失电后，首先隔离故障区域，其次判断船舶现有供电功率是否能补偿未失电区域的功率不足，即是否能通过控制发电机输出功率和断路器满足未失电区域负载功率需求，若当前线路发电容量满足，则不需要进行电网重构；若当前线路发电容量不足，则需要进行电网重构，即负载供电最大化；

步骤三：建立目标函数，将船舶电网的重构抽象为0-1背包问题，

在系统发电容量不足时，应当首先恢复对船舶生命力和任务执行起重要作用的负载；负载供电最大化问题数学描述为：

xi＝0或1

式中，f(x)表示负载的整体价值；xi表示是否为负载i恢复供电，1表示供电，0表示不供电；ri表示负载i的优先级，即负载的重要程度，满足pli表示负载i的功率需求；pg表示系统的发电容量；并将所有负载的消耗功率总和不能超过系统的最大发电容量作为目标函数实现的约束条件；

将每个推进负载分解成n个相等的离散负载，对应的优先级系数为推进负载优先级系数，决策变量扩展到2n+3个；

步骤四：基于队列智能算法对船舶配电网络进行重构，用队列智能算法求解0-1背包问题；首先定义队列的候选情况总数c和每代优化算法执行次数t，最初每组候选c(c＝1,...,c)随机选择一组对象负载，每组候选代表了一种供电方案，所有候选构成了问题的队列，针对每组候选，计算出相关的价值f^c＝{f(v¹),...,f(v^c),...,f(v^c)}和权重f^cw＝{f(w¹),...,f(w^c),...,f(w^c)}，

(1)为了衡量每个候选输出与最优解的相似程度，定义相似度概率函数p^c如下：

其中，表示价值概率，表示权重概率，w表示系统容量最大值；

基于轮盘选择方法，每组候选c(c＝1,...,c)都将选择一个目标候选f(v^c[？])来进化自身，上标[？]表示每个候选c在选择目标候选时，是基于相似概率函数的轮盘赌法进行随机选择的，事先无法确定；

(2)每个候选执行上述过程t次，使得每个候选c均能够获得相关的价值输出集合f^c,t＝{f(v^c)¹,...,f(v^c)^j,...,f(v^c)^t},(c＝1,...,c)；在每次迭代完成后，每组候选都选择了其中的最优价值f*(v)，作为下次迭代的初始输入；通过这样的方法，更新了队列中每组候选的价值输出f^c＝{f*(v¹),...,f*(v^c),...,f*(v^c)}，

方案分类如下：

a、如果候选c(c＝1,...,c)的解是可行的，即满足公式(1)给出的权重约束条件，则随机选择以下修改之一：

1、从目标候选中添加随机选择的对象，要求该对象没有被包含在当前候选c中，并且仍然满足由公式(1)给出的权重约束条件；

2、从目标候选中随机选择的对象替换原候选中的一个随机选择的对象，同样满足公式(1)；

b、如果候选c(c＝1,...,c)的解是不可行的，则随机选择下列修改之一：

1、从候选中随机移除一个对象；

2、用目标候选中随机选择的对象从原候选c中替换一个随机选择的对象，以减少候选c的总权重f(wc)；每个候选执行上述过程t次；这使得每个候选人c均可获得相关的价值输出集合f^c,t＝{f(v^c)¹,...,f(v^c)^j,...,f(v^c)^t},(c＝1,...,c)；在每次迭代完成后，每个候选都选择了其中的最优价值f*(v)，作为下次迭代的初始输入，由于在每次迭代进化中，都可能会出现不可行的结果，因此在选择最优价值时根据下列条件选择最优价值：

2.1.如果进化后的结果是可行的，则选择具有最大价值的结果；

2.2.如果进化后的结果是不可行的，则选择具有最小重量的结果；

2.3.如果存在不可行和可行的变化，则选择具有最大价值的可行结果；

通过这样的方法，更新了队列中每个候选的价值输出f^c＝{f*(v¹),...,f*(v^c),...,f*(v^c)}

(3)每组候选都通过互相学习的方式，优化了自身的解决方案；这个迭代过程一直持续到算法饱和(收敛)，即每一个候选输出的结果都趋于一致，并且在连续的大量进化尝试中都没有变化，即视为算法收敛；

步骤五：完成电网重构，对未失电区域负载进行重新供电，恢复其运行。

本发明相对于现有技术的有益效果是：完善了船舶配电网重构实现的过程，提出了基于队列智能算法的船舶电力配电重构方法，并实时评估每一次重构的结果，从而采取相应的措施，使整个配电重构过程完整、可靠。另一方面，通过轮盘赌法，改进了算法的搜索精度，提高了船舶配电网重构的速度与效率。

附图说明

图1为本发明基于队列智能算法船舶配电网络重构方法的整体流程图；

图2为本发明的中压直流综合电力系统的配电结构图；

图3为本发明的重构船舶配电网络方法所采用的队列智能算法流程图；

图4为船舶中压直流综合电力推进系统故障前结构实例图；

图5为船舶mvdc综合电力推进系统故障实例图形化表示图；

图6为基于队列智能算法实现船舶配电网络重构的故障实例重构结果图；

图7为概率分布图。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明技术方案进行修正或等同替换，而不脱离本发明技术方案的精神范围，均应涵盖在本发明的保护范围之中。

作为综合电力推进系统应用船舶中的特殊类型，中压直流综合电力系统采用直流电制进行供配电，其潮流约束为有功潮流线性约束，可以更好的满足船舶电力系统故障后实时重构的需求，因此，研究更快的重构方法以及更有效的重构策略，从而为船舶电力恢复的实现开辟了新的思路。

本发明的方法包括：获取船舶配电网相关参数、判断配电网故障、隔离失电区域、制定基于队列智能算法对船舶电网重构的方案、为未失电负载区域重新供电，使之继续正常工作。本发明中一方面基于队列智能算法对船舶配电网进行重构，提高配电重构方案生成的收敛速度，避免陷入局部最优，另一方面调整了搜索时的选择算法，利用轮盘赌法，提高算法的搜索精度，并将该算法用于船舶电网重构中，给出功率重新分配结果，最后，基于实例分析验证了所提出的方法的有效性和优越性。

一种基于队列智能算法重构船舶配电网络的方法，整体实现流程如图1所示：首先获取船舶配电网相关参数，确定发电机组、配电板、联络母线、负载、断路器等状态信息，当电力系统出现故障时，判断配电网故障并隔离失电区域，判断是否能通过控制发电机输出功率和断路器满足未失电区域负载功率需求，根据上述条件基于队列智能算法对船舶电网进行重构，判断是否需要卸载非关键负载，实现负载功率最大化，为未失电负载区域重新供电，使之继续正常工作。

具体实施方式一：本实施方式记载的是一种基于队列智能算法的船舶配电网络的重构方法，所述方法具体步骤如下：

步骤一：针对不同的船型和配电网络，对船舶配电网络进行图论表示；确定用于船舶综合电力推进系统配电网络的电路结构：中压直流综合电力系统mvdc配电结构如图2所示(为了方便描述，省去了变流器和逆变器环节)，包括2台主燃气轮机发电机组(mtg1，mtg2)、2台辅燃气轮机发电机组(atg1，atg2)、6个主配电板(bus1，bus2，bus3，bus5，bus6和bus7)、2个联络母线(bus4和bus8)、3个区域负载配电板(bus9，bus10和bus11)、2个推进负载(load1和load2)、3个区域负载(load3～load5)以及23个断路器(bk1～bk23)；船舶服务负载从船头到船尾分布在四个区域内，由左舷和右舷直流母线供电，从对船舶任务使命角度每个区域中的负载可分为关键负载和非关键负载，关键负载具有两条供电线路，可由左舷或右舷区域母线供电，可提高关键负载的可靠性，非关键负载只有一条供电线路，可以立即卸载而不影响船舶任务的执行和生命力；23个断路器分为四种类型，图2中灰色方块表示断路器，断路器bk1～bk4表示与中压直流整流发电机组连接的断路器，该断路器上功率流向只能从发电机流向母线；断路器bk5～bk9表示与负载连接的低压交流断路器，该断路器的功率流向只能从母线流向负载；断路器bk10、bk11、bk14、bk15表示连接供电电网上的中压直流母线断路器，该断路器上功率可以双向流动；其余断路器表示直流区域配电网的断路器，该断路器上的功率流向只能从主配电网母线流入区域配电母线；以各母线为中心将综合电力推进系统分为11个保护区域，如图1中虚线框所示，区域重叠的部分是为了避免出现未被保护的区域；图中实线表示该路径上断路器闭合，虚线表示该路径上的断路器打开，例如bus4和bus8是左舷和右舷直流母线的联络开关，为保证配电网结构呈辐射状，通常情况下至少有一个处于打开状态；区域负载load3～load5均有两条供电路径，虚线可以理解为备用路径；

步骤二：分析船舶配电网出现的故障：即部分区域失电后，首先隔离故障区域，其次判断船舶现有供电功率是否能补偿未失电区域的功率不足，即是否能通过控制发电机输出功率和断路器满足未失电区域负载功率需求，若当前线路发电容量满足，则不需要进行电网重构；若当前线路发电容量不足，例如发电单元的最大容量为44mw，而负载功率需求为48mw，导致关键负载无法启动，则需要进行电网重构，即负载供电最大化；

步骤三：建立目标函数，将船舶电网的重构抽象为0-1背包问题，0-1背包问题是一个经典的np-hard组合问题，具体如下：给定集合n中，每个对象i,i＝1,...,n都有各自的利润属性vi和权重属性wi，要求解将集合中的哪些对象装入背包，可以保证在重量不超过给定容量的前提下，价值最大化；数学描述如下：

subjecttof(w)≤w

其中，f(w)表示整体权重，f(v)表示整体价值，w表示权重最大不能超过的约束值，xi表示是否取该对象，为0或1，0表示不取，1表示取；

在系统发电容量不足时，应当首先恢复对船舶生命力和任务执行起重要作用的负载；负载供电最大化问题数学描述为：

xi＝0或1

式中，f(x)表示负载的整体价值；xi表示是否为负载i恢复供电，1表示供电，0表示不供电；ri表示负载i的优先级，即负载的重要程度，满足pli表示负载i的功率需求；pg表示系统的发电容量；并将所有负载的消耗功率总和不能超过系统的最大发电容量作为目标函数实现的约束条件；

常规船舶在考虑负载恢复问题时，通常均将负载视为离散变量，即若能为该负载提供其需求功率则供电，否则不供电，在常规船舶中负载需求功率与总装机容量相比较小的情况下，这样的假设是合理的，全电力船舶中的区域负载可以这样假设处理，但推进负载的大小与船速相关，变化范围大，当系统不能满足推进负载的全部功率需求时，可以选择为推进负载恢复部分供电，而不是完全不供电，因此这样的假设对于船舶实际运行并不合理；

将推进负载的需求功率处理成若干个离散负载的组合，每个离散负载对应一个优先级，例如：推进负载load1需求功率为p1，优先级系数为w1时，可以将推进功率需求表示为和对应优先级系数的离散负载的组合；将每个推进负载分解成n个相等的离散负载，对应的优先级系数为推进负载优先级系数，本质上并没有改变问题的数学描述，只是将负载个数扩展到(n+n+3)个，因此决策变量也扩展到2n+3个；通过上述分析假设以及公式1可以看出，负载供电最大化问题本质上是一个“0-1”背包问题，将系统中的发电容量pg看作“0-1”背包问题中的背包容量w，负载需求功率pli视为待选物品的重量wi，ripli为待选物品的价值vi，xi表示是否将物品放入到背包内，求解x使背包中物品的价值最大；

步骤四：基于队列智能算法对船舶配电网络进行重构如图3所示，用队列智能算法求解0-1背包问题；将ci算法应用于背包问题，每个对象i,i＝1,...,n的特性直接决定了背包的整体价值f(v)和整体权重f(w)；首先定义队列的候选情况总数c和每代优化算法执行次数t，最初每组候选c(c＝1,...,c)随机选择一组对象负载，每组候选代表了一种供电方案，所有候选构成了问题的队列，针对每组候选，计算出相关的价值f^c＝{f(v¹),...,f(v^c),...,f(v^c)}和权重f^cw＝{f(w¹),...,f(w^c),...,f(w^c)}，下面进一步讨论了的ci算法如图3所示；

(1)为了衡量每个候选输出与最优解的相似程度，为轮盘赌法选择进化目标提供概率基础，定义相似度概率函数p^c如下：

其中，表示价值概率，表示权重概率，w表示系统容量最大值；

基于轮盘选择方法，每组候选c(c＝1,...,c)都将选择一个目标候选f(v^c[？])来进化自身，在算法中，进化是指通过结合来自目标候选的一些对象来达到优化其自身解决方案的目的；上标[？]表示每个候选c在选择目标候选时，是基于相似概率函数的轮盘赌法进行随机选择的，事先无法确定；

为使解决方案偏向于可行性，图7设计了一种概率分布；概率随背包总重量的增加而线性增加，在最大容量w处达到峰值，随着重量的继续增加，概率迅速降低，斜率是之前的两倍；因此，在最大容量w附近的概率是最高的，即在这一时刻从容量的角度来看，候选输出与最优解最为接近；

(2)每个候选执行上述过程t次，使得每个候选c均能够获得相关的价值输出集合f^c,t＝{f(v^c)¹,...,f(v^c)^j,...,f(v^c)^t},(c＝1,...,c)；在每次迭代完成后，每组候选都选择了其中的最优价值f*(v)，作为下次迭代的初始输入；通过这样的方法，更新了队列中每组候选的价值输出f^c＝{f*(v¹),...,f*(v^c),...,f*(v^c)}。

典型方案分类如下：

a、如果候选c(c＝1,...,c)的解是可行的，即满足公式(1)给出的权重约束条件，则随机选择以下修改之一：

1、从目标候选中添加随机选择的对象，要求该对象没有被包含在当前候选c中，并且仍然满足由公式(1)给出的权重约束条件；

2、从目标候选中随机选择的对象替换原候选中的一个随机选择的对象，同样满足公式(1)；

b、如果候选c(c＝1,...,c)的解是不可行的，则随机选择下列修改之一：

1、从候选中随机移除一个对象；

2、用目标候选中随机选择的对象从原候选c中替换一个随机选择的对象，以减少候选c的总权重f(wc)；每个候选执行上述过程t次；这使得每个候选人c均可获得相关的价值输出集合f^c,t＝{f(v^c)¹,...,f(v^c)^j,...,f(v^c)^t},(c＝1,...,c)；在每次迭代完成后，每个候选都选择了其中的最优价值f*(v)，作为下次迭代的初始输入，由于在每次迭代进化中，都可能会出现不可行的结果，因此在选择最优价值时根据下列条件选择最优价值：

2.1.如果进化后的结果是可行的，则选择具有最大价值的结果；

2.2.如果进化后的结果是不可行的，则选择具有最小重量的结果；

2.3.如果存在不可行和可行的变化，则选择具有最大价值的可行结果；

通过这样的方法，更新了队列中每个候选的价值输出f^c＝{f*(v¹),...,f*(v^c),...,f*(v^c)}

(3)每组候选都通过互相学习的方式，优化了自身的解决方案；这个迭代过程一直持续到算法饱和(收敛)，即每一个候选输出的结果都趋于一致，并且在连续的大量进化尝试中都没有变化，即视为算法收敛；

步骤五：完成电网重构，对未失电区域负载进行重新供电，恢复其运行。

实施例1：

图4为船舶mvdc综合电力推进系统故障前结构实例，各发电机和负载的功率在图中有所表示，故障出现在各保护区域内。

图5为船舶mvdc综合电力推进系统故障实例图形化表示，发电机连接的区域母线故障是最容易造成系统中功率不足的情况之一，假设mtg1连接的母线bus1故障，为了隔离故障，断路器bk1、bk10、bk17和bk18必须处于断开状态。图形化表示此时的系统如图5所示，黑色虚线路径表示该断路器不能用于重构操作。

图6为基于队列智能算法实现船舶配电网络重构的故障实例重构结果，基于队列智能算法生成了船舶电网重构方案，bus1故障后最大程度满足负载需求的问题具体描述为：

object:f(x)＝0.3×5(x1+x2+x3+x4)+0.3×5(x5+x6+x7+x8)

+0.15×2x9+0.05×2x10+0.2×4x11

xi＝0或1,i∈[1,2,…,11]；

程序首先初始化队列的候选c和变量t：候选c＝5，执行次数t＝12。

执行ci算法一直持续到饱和(收敛)，与之前得到的结果相同，可跳出循环，输出最终结果为：

fmax(ri·pli)＝12.8，fmax(pli)＝44。这表明在系统发电容量不足时，为满足系统功率平衡，优先级较低的负载load3和load4被卸载，此时系统发电量为44mw，负载为44mw，由此证明了本发明中的方法的有效性。