基于图论的智能配电网故障恢复智能优化方法

摘要

基于图论的智能配电网故障恢复智能优化方法，包括如下步骤：1)输入网络参数：配电网络的原始结构，各条支路的线路参数，各个节点的负荷、DG数据等参数；2)输入当前发生故障的线路编号，将其相应的开关状态量零；3)设置量子离散粒子群算法的维度、迭代次数以及相应的参数值；4)初始化各个粒子的位置值x^k、量子比特位、旋转角、局部最优向量xp和全局最优向量xg；5)基于图论的粒子位置值修正；6)依次更新量子旋转角引导值、量子旋转角和量子粒子的比特位；7)更新量子粒子的位置值x^k；8)更新粒子的局部最优向量和全局最优向量；9)收敛性检验；10)输出最优粒子位置值x，得出相应的故障恢复策略。

主权项

基于图论的智能配电网故障恢复智能优化方法，包括如下步骤：1)输入网络参数：配电网络的原始结构，各条支路的线路参数，各个节点的负荷、DG数据参数；2)输入当前发生故障的线路编号，将其相应的开关状态量零；3)设置量子离散粒子群算法的维度、迭代次数以及相应的参数值；4)初始化各个粒子的位置值x^k(即开关的状态量)、量子比特位、旋转角、局部最优向量xp和全局最优向量xg；5)基于图论的粒子位置值修正；5.1)网络状态矩阵生成；针对智能配电网的故障恢复模型，随机生成的网络中开关状态，即粒子的位置值修正为用于配电网故障恢复计算的关联矩阵；5.2)网络区域划分；为了辨别初始状态矩阵中各个区域网络的划分情况，采用图论中flood fill算法进行网络的区域划分：首先输入起始节点、目标颜色和替换颜色；通过遍历所有的节点以寻找到和初始节点相连的节点，并将其颜色改为替换颜色；5.2.1)输入初始未染色的开关节点号、目标颜色和替换颜色；5.2.2)结合网络所形成的初始邻接矩阵，将与初始开关节点号相邻的节点染成替换颜色，直至遍历完初始节点所在区域内所有未染色的节点；5.2.3)选择其余未染色的开关节点号，重新选择替换颜色，进行步骤2.2)操作，直至遍历完整个配电网的节点；5.2.4)标记为同一颜色的节点为同一个区域，实现网络区域的划分；5.3)网络结构修正；随机生成的初始网络中各个区域不一定满足配电网辐射状的约束要求，采用图论中的破圈法对网络中各个区域的结构进行修正；破圈法是寻找连通图中最小生成树的一种方法；若所形成的各个区域中均没有回路，即若各个区域满足辐射状网络约束，则无须进行破圈操作；若其中某个区域内有回路，则随机删去该回路上的一条边，再进行验证，直至该区域内的回路被消除，形成最小生成树；通过破圈法，可以较容易地使初始网络状态矩阵满足配电网的辐射状约束，无须制定其他的回路解环方法等形成辐射状网络；网络结构修正的过程如图4所示；5.4)负荷校验；对各个区域内进行功率平衡约束的校验，若不满足约束，按照发明内容中步骤4)进行修正操作；若满足功率平衡约束，进行下一步；修正方式为：按深度等级从大到小、负荷等级从大到小的顺序，依次切除节点上的负荷，直至满足功率平衡约束条件；5.5)目标函数计算；按照上述流程对粒子位置值进行修正后的，进行负荷断电损失的计算、潮流计算和开关动作次数的计算，计算公式如下：5.5.1)负荷断电损失是指当配网发生故障后，不同负荷等级的负荷因切除所造成的损失；其相应的表达式为：$f_{L,\mathrm{cut}}=\underset{i\in D_{\mathrm{cut}}}{\Sigma }{P}_{\mathrm{cut},i}{W}_{\mathrm{cut},i}---\left(1\right)$其中，D_cut表示被切除负荷的集合，P_cut,i表示第i个被切除负荷的功率，W_cut,i为切除第i个负荷所造成的相应损失；5.5.2)开关动作次数开关动作次数相应的表达式如下:$f_{\mathrm{break}}=\underset{i=1}{\overset{O}{\Sigma }}{K}_j^i\oplus K_i^k,j\in S_b,k\in T_b---\left(2\right)$其中，S_b表示故障后开关集合，T_b表示故障前开关集合；K_i为开关i的状态量，0表示断开，1表示闭合；O为配电网的开关总数；5.5.3)有功功率损耗故障恢复方案确定后，应保证整个连通的配网以及各个孤岛的有功功率损耗最小，相应的表达式为：$f_{\mathrm{loss}}=\underset{i{\in D}_g}{\Sigma }{f}_{\mathrm{loss},i}=\underset{j\in D_{\mathrm{gl},i}}{\Sigma }{r}_j\frac{P_j^2+Q_j^2}{U_j^2}---\left(3\right)$其中，D_g表示整个配电网内连通网络的集合，D_gl,i表示配电网内第i个网络的线路集合；f_loss,i表示第i个网络的有功功率损耗；r_j表示第j条支路的电阻，P_j、Q_j表示第j条支路末端流过的有功功率和无功功率；U_j表示第j条支路末端的节点电压；根据上述三个表达式，计算出粒子的适应值，即目标函数，表达式如公式(4)所示：minH＝αf_L,cut+βf_loss+γf_break   (4)其中，f_L,cut、f_loss、f_break分别表示因负荷断电所造成的损失、网络损耗以及开关动作次数，三者参数在计算时均已归一化；α、β、γ分别表示三者相应的权重因子；6)根据如下公式(5)‑(9)，依次更新量子旋转角引导值、量子旋转角和量子粒子的比特位；量子旋转角引导值更新公式：其中，f(.)为粒子的适应度函数，即目标函数值；为第i个粒子在第k次迭代时的量子旋转角引导因子；为粒子局部最优解和全局最优解；量子粒子群旋转角的更新公式：${\mathrm{\Delta \theta }}_i^{k+1}={\theta }^k[{\gamma }_{1,i}^k({\mathrm{xp}}_i^k-x_i^k)+{\gamma }_{2,i}^k({\mathrm{xg}}_i^k-x_i^k)]---\left(7\right)$${\theta }^k={\theta }_{\max }-\frac{{\theta }_{\max }-{\theta }_{\min }}{k_{\max }}k---\left(8\right)$其中，θ^k为第k次迭代时旋转角的幅值；k_max为迭代次数的最大值；量子粒子群的量子比特位的更新公式为：$\left[\begin{array}{c}{\alpha }_i^{k+1}\\ {\beta }_i^{k+1}\end{array}\right]=\left[\begin{array}{cc}\cos \left({\mathrm{\Delta \theta }}_i^{k+1}\right)& -\sin \left({\mathrm{\Delta \theta }}_i^{k+1}\right)\\ \sin \left({\mathrm{\Delta \theta }}_i^{k+1}\right)& \cos \left({\mathrm{\Delta \theta }}_i^{k+1}\right)\end{array}\right]\left[\begin{array}{c}{\alpha }_i^k\\ {\beta }_i^k\end{array}\right]---\left(9\right)$其中，表示第i个粒子在第k次迭代时的量子比特位；7)根据公式(10)，更新量子粒子的位置值x^k；位置值更新公式：其中，r_i,为0和1之间均匀分布的随机数矩阵；8)更新粒子的局部最优向量和全局最优向量；9)收敛性检验；检验算法是否满足收敛判据||x^*‑x||≤ε,ε为一个小正数；若是，则进入步骤10)；若不是，则回到步骤5)；10)输出最优粒子位置值x，得出相应的故障恢复策略。