基于启发式算法与遗传算法的配电网故障恢复(原稿) ㊣ 精品文档 值得下载

约束优化问题。

国内外很多研究学者对此作了大量的研究，从研究的类别来看，配网故障恢复策略大致可以分为种数学优化方法，启发式搜索方法，以及人工智能方法。

目前用来求解该问题的算法尤以启发式算法和人工智能算法为主。

启发式算法求解速度很快，但往往不能收敛到全局最优解现代智能算法全局寻优能力较强，但在处理多目标优化问题时因常需要利用权系数将多故障点设在支路上，从而造成了节点和停电，与之相连的联络支路为和。

如图所示。

算例的初始数据如表所示。

图网络拓扑结构假设系统支路上发生永久性故障，故障隔离后造成的非故障停电区域包括节点和。

通过计算得出停电总负荷等于。

情况若节点和节点处的微网定时间内最大输出功率分别为和。

此时，非故障停电区域内的所有微网的最大外送的功率之和大于所有停电负荷的功率之和，则优先考虑由微网恢复供电。

因此，将连接最大输出容量的微网的节点作为平衡节点，其他节点均看做节点。

把节点处的微网输出的有功功率和无功功率作为控制变量进行编码。

通过表的计算结果可以看出，作者信息孙海旺年月，男，汉族，工程师，大学本科学历，祖籍天津武清，主要从事电网规划线损管理及电力负荷控制需求管理工作。

工作单位国网天津武清供电有限公司，发展策划部为此，需要在现有配电网故障恢复方法基础上，寻找种适用于含微网配电网的快速故障恢复方法。

本文提出了种基于启发式方法和遗传算法相结合的办法解决含微网的配电网故障恢复问题，算例表明能够在含微网的配电网中快速找到最优解，并且优先考虑了微网在配电网恢复中的积极作用，提高了恢复效率基于启发式算法与遗传算法的配电网故障恢复原稿自动化作者信息孙海旺年月，男，汉族，工程师，大学本科学历，祖籍天津武清，主要从事电网规划线损管理及电力负荷控制需求管理工作。

工作单位国网天津武清供电有限公司，发展策划部摘要配电网发生故障后，尤其是随着微网渗透率的不断增大，为快速准确实现配电网故障恢复，提出了启发式算法与遗传算法相结合的配电网故障恢复算法。

首先，利用启发式算法生成故障恢复的候选方案集然后，考虑故障恢复的目标和约束条件，采用遗传算法对变量进行编码交叉变异寻求最优障停电区域内的支路包括支路和，直接与停电区域相连的馈线的支路状态为支路和。

因此，用位进制数来表示个开关的状态表示支路断开，表示支路接通，则形成的染色体第部分共有位，依次代表支路和。

把节点和处的微网输出的有功功率和无功功率作为控制变量进行编码。

遗传算法的计算参数为染色体规模，交叉率取，变异率取，每代中保留优良品种数个。

经过次迭代后，遗传算法收敛。

总结利用启发式算法能够快速得到初始可行方案，并在此基础上生成候选方案集，为寻找最优恢复方案缩小了搜索空间。

再利用遗传算法进行编码交叉变异寻找最优解，大大缩短了对于含微网的复杂配电网的优化，张钊，封亚琴种新型的配电网供电恢复重构寻优算法电网技术，颜萍，顾锦汶，张广种快速高效的配电网供电恢复算法电力系支路上，从而造成了节点和停电，与之相连的联络支路为和。

如图所示。

算例的初始数据如表所示。

图网络拓扑结构假设系统支路上发生永久性故障，故障隔离后造成的非故障停电区域包括节点和。

通过计算得出停电总负荷等于。

情况若节点和节点处的微网定时间内最大输出功率分别为和。

此时，非故障停电区域内的所有微网的最大外送的功率之和大于所有停电负荷的功率之和，则优先考虑由微网恢复供电。

因此，将连接最大输出容量的微网的节点作为平衡节点，其他节点均看做节点。

把节点处的微网输出的有功功率和无功功率作为控制变量进行编码。

通过表的计算结果可以看出，通过最优潮障恢复的目标和约束条件，采用遗传算法对变量进行编码交叉变异寻求最优解，得出最优恢复方案。

算例结果验证了该方法的有效性。

关键词配电网故障恢复微网启发式遗传算法引言配电网位于电力系统的末端，直接为用户提供电能，其安全性经济性和可靠性直接影响着电力系统的整体效益以及国家的国计民生。

随着电网建设的逐步加强，电网结构越加庞大复杂，尤其在配电网处，旦发生永久性故障，导致用户的停电概率越来越大。

因此，研究如何正确迅速地恢复断电区域的供电，提高整个电网的可靠性，具有重要的现实意义。

近些年来，随着化石能源的日益枯竭，充分开发和利用清洁的计算得到的微网恢复方案，不仅能够满足各种约束条件，而且故障恢复后形成的供电孤岛系统的线损率十分小小于，证明了本文提出的微网恢复方案的可行性，计算结果可以供调度员进行参考。

情况节点节点节点和节点处接入的微网的故障后的最大输出功率如表所示，算例中线路的最大传输有功功率均设为，正常运行情况下，通过潮流计算得到馈线和馈线的最大容量裕度分别为和此时，当非故障停电区域内的停电负荷的总功率大于所有微网的外送功率之和但是小于微网的外送功率之和加上所有相邻支持馈线的容量裕度之和，应选择微网与相邻支持馈线结合的重构方案。

支路上的故障隔离后形成的非配电网故障恢复的求解过程，即搜索满足配电网运行且使目标函数最大的解向量。

配电网故障恢复问题的约束条件概括起来有以下几点支路容量约束。

算法实现优化算法的选择上文中提到配电网故障恢复问题是典型的多目标多约束优化问题。

国内外很多研究学者对此作了大量的研究，从研究的类别来看，配网故障恢复策略大致可以分为种数学优化方法，启发式搜索方法，以及人工智能方法。

目前用来求解该问题的算法尤以启发式算法和人工智能算法为主。

启发式算法求解速度很快，但往往不能收敛到全局最优解现代智能算法全局寻优能力较强，但在处理多目标优化问题时因常需要利用权系数将多到的断电区域的集合为恢复的第个负荷的负荷量的取值为和，当所有断电负荷均能恢复时，为，否则为为供电恢复后，处在断电区域内的形成孤岛运行的数目为不包括孤岛运行部分的配电系统的网络损耗为第个孤岛的有功损耗。

进行辐射状校验，去除环网。

根据种群中的解，确定未恢复区域。

若未恢复区域中包含有具备孤岛运行能力的微网，优先通过孤岛运行恢复负荷，修改相应的开关状态。

基于启发式算法与遗传算法的配电网故障恢复原稿。

经济性在保证上述个原则的基础上，以开关操作次数最小，网络损耗最小等为目标优化选择最佳重构方案。

由此，我们可以看出配利用分布式能源的巨大潜力和特殊优点，使其更好的的服务于电网和用户，在世纪初，国外学者们提出将分布式能源与负荷组合而成的微网。

微网是将可再生能源发电装置负荷储能装置及控制装置等有机结合并接入到电网中的技术微网般接入到配电系统中，它既可与电网联网运行，也可在电网故障或需要时与主网断开单独运行，它的灵活运行方式可以实现分布式能源的接纳及与电网的互相支撑。

配电网故障恢复的求解过程，即搜索满足配电网运行且使目标函数最大的解向量。

配电网故障恢复问题的约束条件概括起来有以下几点支路容量约束。

算法实现优化算法的选择上文中提到配电网故障恢复问时间，提高了优化效率，并保证了恢复方案的最优。

本文算法能有效实现故障恢复目标，算法的结果可为快速作出最优恢复决策提供科学直观的参考。

随着微网在配电网中渗透率的不断提高，对微网在恢复方案中起到的积极作用以及影响为下步待研究的重点。

附录参考文献卢志刚，董玉香含分布式电源的配电网故障恢复策略电力系统自动化，易新，陆于平分布式发电条件下的配电网孤岛划分算法电网技术计算得到的微网恢复方案，不仅能够满足各种约束条件，而且故障恢复后形成的供电孤岛系统的线损率十分小小于，证明了本文提出的微网恢复方案的可行性，计算结果可以供调度员进行参考。

情况节点节点节点和节点处接入的微网的故障后的最大输出功率如表所示，算例中线路的最大传输有功功率均设为，正常运行情况下，通过潮流计算得到馈线和馈线的最大容量裕度分别为和此时，当非故障停电区域内的停电负荷的总功率大于所有微网的外送功率之和但是小于微网的外送功率之和加上所有相邻支持馈线的容量裕度之和，应选择微网与相邻支持馈线结合的重构方案。

支路上的故障隔离后形成的非自动化作者信息孙海旺年月，男，汉族，工程师，大学本科学历，祖籍天津武清，主要从事电网规划线损管理及电力负荷控制需求管理工作。

工作单位国网天津武清供电有限公司，发展策划部摘要配电网发生故障后，尤其是随着微网渗透率的不断增大，为快速准确实现配电网故障恢复，提出了启发式算法与遗传算法相结合的配电网故障恢复算法。

首先，利用启发式算法生成故障恢复的候选方案集然后，考虑故障恢复的目标和约束条件，采用遗传算法对变量进行编码交叉变异寻求最优，基于启发式算法与遗传算法的配电网故障恢复原稿网故障恢复属于个多目标多约束非线性的组合优化问题。

含微网的配电网故障恢复优化模型在配电网大面积断电的紧急状态下，运行人员主要关心的是快速将尽量多的断电负荷恢复供电，而经济运行并不重要，因此在供电恢复中，本文考虑供电恢复的目标函数为甩负荷最少或恢复最多负荷和系统网络损耗最式中为断电区域内的总断电负荷量为故障隔离后得到的断电区域的集合为恢复的第个负荷的负荷量的取值为和，当所有断电负荷均能恢复时，为，否则为为供电恢复后，处在断电区域内的形成孤岛运行的数目为不包括孤岛运行部分的配电系统的网络损耗为第个孤岛的有功损自动化作者信息孙海旺年月，男，汉族，工程师，大学本科学历，祖籍天津武清，主要从事电网规划线损管理及电力负荷控制需求管理工作。

工作单位国网天津武清供电有限公司，发展策划部摘要配电网发生故障后，尤其是随着微网渗透率的不断增大，为快速准确实现配电网故障恢复，提出了启发式算法与遗传算法相结合的配电网故障恢复算法。

首先，利用启发式算法生成故障恢复的候选方案集然后，考虑故障恢复的目标和约束条件，采用遗传算法对变量进行编码交叉变异寻求最优势。

因此，本文将采用启发式算法与遗传算法相结合的办法进行优化，既提高了故障恢复的速度，又能找到最优解。

经济性在保证上述个原则的基础上，