CN104361413A - 一种含分布式电源的配电网重构方法 - Google Patents

Abstract

一种含分布式电源的配电网重构方法，该方法先获取当前需要重构的配电网的网架结构参数和运行参数，并初始化最大最小蚁群算法的参数，然后依据最大最小蚁群算法和生成树理论形成多个辐射网，再采用前推回代法潮流计算形成的辐射网的网损值，随后找出本次计算的最小网损值及该最小网损值所对应的辐射网的网架结构，并更新全局最小网损值及本次计算的最小网损值所对应的辐射网的网架结构中各支路的信息素浓度，接着对更新后的各支路的信息素浓度进行限定以完成一次迭代，再依次循环直至完成最大迭代次数，最后输出得到的全局最小网损值及其所对应的辐射网的网架结构。本设计不仅能够实现含分布式电源的配电网重构，而且重构效果显著。

Description

一种含分布式电源的配电网重构方法

技术领域

本发明属于电网优化技术领域，具体涉及一种含分布式电源的配电网重构方法，适用于优化网架结构、减小网损。

背景技术

配电网一般采用闭环设计，开环运行，配电网潮流也是从首端向末端流动。随着我国新能源发电飞速发展和越来越多的DG接入配电网，由于分布式电源电流的注入，配电网的潮流分布就不再是单方向流动，从而配电网的网损也会产生变化。配电网重构是指对网络中的常闭开关和联络开关进行合理切换，优化网架结构，减小网损，提高可靠性，改善电能质量等。通过对含分布式电源的配电网进行重构，有利于分布式电源所发电量的就地消耗，避免电能的大范围远距离传输，从而减小网损，因此这是目前值得解决的一个重要课题。现有的配电网重构技术大多针对传统配电网，对加入分布式电源的配电网就不再适用，因此考虑含分布式电源的配电网重构具有现实的意义。

发明内容

本发明的目的是克服现有技术存在的配电网重构方法无法适用于含分布式电源的配电网的问题，提供一种能够优化网架结构、减小网损的含分布式电源的配电网重构方法。

为实现以上目的，本发明的技术方案如下：

一种含分布式电源的配电网重构方法，该方法依次包括以下步骤：

1：获取当前需要重构的配电网的网架结构参数和运行参数，并初始化最大最小蚁群算法的参数；

2：依据最大最小蚁群算法和生成树理论形成多个辐射网；

3：先根据获取的配电网运行参数，采用前推回代法潮流计算形成的多个辐射网的网损值，然后找出本次计算的最小网损值及该最小网损值所对应的辐射网的网架结构；

4：先根据本次计算的的最小网损值大小更新全局最小网损值，然后采用最大最小蚁群算法，根据本次计算的最小网损值及其对应的辐射网的网架结构更新相应支路的信息素浓度，再对更新后的各支路的信息素浓度进行限定，此时，完成一次迭代；

5：重复步骤2–4以完成下一次迭代，依次循环，直至完成最大迭代次数，最后输出得到的全局最小网损值及该全局最小网损值所对应的辐射网的网架结构。

所述配电网运行参数包括配电网中分布式电源的并网位置及容量、配电网中各负荷节点的负荷大小。

步骤1中，

所述配电网的网架结构参数包括配电网的电压等级、配电网的拓扑结构、配电网中各线路的电阻电抗，所述配电网的拓扑结构包括配电网中各负荷节点的编号、各线路的编号、线路与负荷节点之间的连接关系、联络开关和常闭开关所处位置；

所述初始化最大最小蚁群算法的参数是指：设定信息素因子α为1，信息素挥发系数ρ为0.2，全局信息素更新参数Q'为0.1，信息素浓度初始值为最大信息素浓度值，最大迭代次数为30，蚂蚁个数为30，启发式函数因子β为1，启发式函数η_ij＝1/R_ij，其中，R_ij为支路ij的电阻值。

步骤2中，

所述依据最大最小蚁群算法和生成树理论形成多个辐射网依次包括以下操作：

2.1：输入配电网中各负荷节点的编号、各线路的编号，并将各线路的信息素浓度设定为信息素浓度初始值；

2.2：输入集合H、集合E、集合W，其中，H为已接入树的节点(初始化为首节点)，E为未接入树的节点，W为H和E之间待搭建的支路；

2.3：计算集合W中各支路的概率，采用轮盘赌规则，让蚂蚁依据概率随机选择W中的支路作为下一条路径：

$P_{\mathrm{ij}}=\frac{{\left[{\mathrm{\τ}}_{\mathrm{ij}}\right]}^{\mathrm{\α}}{\left[{\mathrm{\η}}_{\mathrm{ij}}\right]}^{\mathrm{\β}}}{\mathrm{\Σ}{\left[{\mathrm{\τ}}_{\mathrm{ij}}\right]}^{\mathrm{\α}}{\left[{\mathrm{\η}}_{\mathrm{ij}}\right]}^{\mathrm{\β}}}$

式中，P_ij为集合W中各支路的概率，[τ_ij]为信息素浓度，[η_ij]为启发式因子，α为信息素浓度的影响因子，β为启发式因子的影响因子，Σ[τ_ij]^α[η_ij]^β为集合W中所有支路计算结果的总和；

2.4：更新集合H、集合E及集合W；

2.5：循环执行操作2.3和操作2.4，直至集合E为空集。

所述操作2.4是指：在集合H中增加新增支路的节点，在集合E中去掉新增支路的节点，去掉集合W中新增的支路，增加集合H中新增节点与E中节点相连的支路。

步骤3中，所述采用前推回代法潮流计算形成的辐射网的网损值依次包括以下操作：

3.1：计算各负荷节点的等效负荷容量：

P_i＝P_Li-P_DGi

Q_i＝Q_Li-Q_DGi

式中，P_i、Q_i分别为接入分布式电源后负荷节点i的等效负荷容量中的有功功率、无功功率，P_Li、Q_Li分别为负荷节点i的实际负荷容量中的有功功率、无功功率，P_DGi、Q_DGi分别为接入负荷节点i的分布式电源容量中的有功功率、无功功率；

3.2：根据各负荷节点的等效负荷容量，采用前推回代法潮流计算形成的辐射网中各支路末端负荷节点的有功功率、无功功率以及该负荷节点的节点电压，其中，所述前推回代法包括前推算法、回代算法；

所述前推算法根据辐射网的拓扑结构和各负荷节点的实际负荷大小，由末端向始端求解：

$S_{\mathrm{ij}}^{\′}=S_j+\underset{m\∈N_j}{\mathrm{\Σ}}{S}_{\mathrm{jm}}$

$\mathrm{\Δ}{S}_{\mathrm{ij}}=\frac{{P^{\′}}_{\mathrm{ij}}^2+{Q^{\′}}_{\mathrm{ij}}^2}{V_j^2}(r_{\mathrm{ij}}+j{x}_{\mathrm{ij}})$

S_ij＝S′_ij+ΔS_ij

式中：S′_ij为支路ij末端流过的功率，S_j为负荷节点j的等效负荷容量，为与负荷节点j相连的支路的首端功率和，ΔS_ij为支路ij的功率损耗，P′_ij、Q′_ij分别为S′_ij中的有功功率、无功功率，V_j为负荷节点j的电压，r_ij、x_ij分别为支路ij的电阻、电抗，S_ij为支路ij首端流过的功率；

所述回代算法设定初始负荷节点电压值为额定电压，相角为0，由始端向末端求解：

$V_j=V_i-\frac{P_{\mathrm{ij}}-j{Q}_{\mathrm{ij}}}{V_i}(r_{\mathrm{ij}}+j{x}_{\mathrm{ij}})$

式中：V_j为支路末端负荷节点j的电压，V_i为支路首端负荷节点i的电压，P_ij、Q_ij分别为支路ij首端流过的有功功率、无功功率，r_ij、x_ij分别为支路ij的电阻、电抗；

3.3：比较连续两次迭代得到的电压值，若其电压差的最大值小于0.00001，输出各支路末端负荷节点的有功功率、无功功率以及各负荷节点的节点电压，否则，转至操作3.2；

3.4：根据形成的辐射网中各支路末端负荷节点的有功功率、无功功率以及该负荷节点的节点电压计算辐射网的网损值：

$f=\underset{i=1}{\overset{L_i}{\mathrm{\Σ}}}{k}_i{r}_i\frac{P_i^2+Q_i^2}{V_i^2}$

式中：f为网损值，L_i为线路总数，r_i为线路的电阻值，k_i为线路开关状态，P_i为线路末端的有功功率，Q_i为线路末端的无功功率，V_i为线路末端负荷节点的电压值。

所述步骤3还包括约束条件检验操作，该操作位于操作3.2与操作3.3之间；

所述约束条件检验是指将不符合以下约束条件的辐射网舍去：

电压约束：V_imin＜V_i＜V_imax

式中，V_i为负荷节点i的节点电压值，V_imax、V_imin分别为负荷节点i的节点电压的上、下限值；

容量约束：S_i＜S_imax

式中，S_i、S_imax分别为经过负荷节点i的各支路流过的功率及其线路容量；

网络辐射状约束：不存在环网和孤岛。

步骤4中，所述根据本次计算的的最小网损值更新全局最小网损值是指：将本次计算的最小网损值与全局最小网损值进行比较，若比全局最小网损值大，则全局最小网损值无需更新；若比全局最小网损值小，则将本次计算的最小网损值设定为全局最小网损值。

步骤4中，所述根据本次计算的最小网损值及其对应的辐射网的网架结构更新相应支路的信息素浓度采用以下公式：

τ_ij(t+1)＝(1-ρ)τ_ij(t)+Δτ_ij

$\mathrm{\Δ}{\mathrm{\τ}}_{\mathrm{ij}}=\left\{\begin{array}{cc}{Q}^{\′}/f\left(C_{\mathrm{best}}^t\right)& (i,j)\∈C_{\mathrm{best}}^t\\ 0& (i,j)\∉C_{\mathrm{best}}^t\end{array}\right.$

式中：τ_ij(t)为本次迭代各支路的信息素浓度，τ_ij(t+1)为下一次迭代各支路的信息素浓度，Δτ_ij为本次迭代各支路信息素浓度的增加值，ρ为信息素挥发系数，Q'为全局信息素更新参数，为本次计算的最小网损值，为本次计算的最小网损值所对应的辐射网的网架结构。

步骤4中，所述对更新后的各支路的信息素浓度进行限定是指：

先采用以下公式计算各支路的最大信息素浓度和最小信息素浓度，然后将其与若更新后的各支路的信息素浓度进行比较，若更新后的各支路的信息素浓度大于最大信息素浓度，则令其等于最大信息素浓度，若小于最小信息素浓度，则令其等于最小信息素浓度，若位于最大信息素浓度与最小信息素浓度之间，则维持原值不变：

${\mathrm{\τ}}_{\max }=\frac{1}{1-\mathrm{\ρ}}\frac{Q^{\′}}{f\left(s_{\mathrm{opt}}\right)}$

${\mathrm{\τ}}_{\min }=\frac{{\mathrm{\τ}}_{\max }}{2n}$

式中：ρ为信息素挥发系数,Q'为全局信息素更新参数，f(s_opt)为全局最小网损值，τ_min为最小信息素浓度，τ_max为最大信息素浓度，n为负荷节点数。

与现有技术相比，本发明的有益效果为：

1、本发明一种含分布式电源的配电网重构方法包括依据最大最小蚁群算法和生成树理论形成多个辐射网、采用前推回代法潮流计算形成的多个辐射网的网损值并找出最小网损值、运用最大最小蚁群算法更新各支路的信息素浓度，采用本方法可求得处于正常运行状态下的配电网如何动作常闭开关和联络开关，从而改变现有的网架结构，使得该配电网的网损达到最小，实现对该配电网的重构，其中，最大最小蚁群算法能够充分利用循环最优解，只允许对每次迭代中最优的那只蚂蚁走过的路径进行信息素浓度更新，从而加快了收敛速度，同时，该算法还对每条支路上的信息素浓度进行最大最小值限制，当超过最大值时令其等于最大值，小于最小值时令其等于最小值，可有效避免搜索的停滞；生成树理论充分利用了蚂蚁的选路概率模型，有利于网损最小的辐射网的生成，又能满足辐射网生成的拓扑约束，保证了可行配电网结构的数量，显著提高了重构效率；前推回代法利用了网络呈辐射状的结构特点，具有收敛可靠、速度较快、编程简单等优点。因此，本发明不仅能够实现含分布式电源的配电网重构，而且重构效果显著。

2、本发明一种含分布式电源的配电网重构方法中步骤3还包括从电压、容量、网络辐射状这三项输电指标对形成的辐射网进行约束检验，该设计保证了重构后的配电网在实际运行中的用电质量和输电安全，提高了重构后的配电网的现实可行性。因此，本发明重构形成的配电网的可靠性较强。

附图说明

图1为本发明的流程示意图。

图2为本发明实施例1中重构前、后的配电网结构示意图。

具体实施方式

下面结合附图说明和具体实施方式对本发明作进一步详细的说明。

参见图1，一种含分布式电源的配电网重构方法，该方法依次包括以下步骤：

1：获取当前需要重构的配电网的网架结构参数和运行参数，并初始化最大最小蚁群算法的参数；

2：依据最大最小蚁群算法和生成树理论形成多个辐射网；

3：先根据获取的配电网运行参数，采用前推回代法潮流计算形成的多个辐射网的网损值，然后找出本次计算的最小网损值及该最小网损值所对应的辐射网的网架结构；

4：先根据本次计算的的最小网损值大小更新全局最小网损值，然后采用最大最小蚁群算法，根据本次计算的最小网损值及其对应的辐射网的网架结构更新相应支路的信息素浓度，再对更新后的各支路的信息素浓度进行限定，此时，完成一次迭代；

5：重复步骤2–4以完成下一次迭代，依次循环，直至完成最大迭代次数，最后输出得到的全局最小网损值及该全局最小网损值所对应的辐射网的网架结构。

所述配电网运行参数包括配电网中分布式电源的并网位置及容量、配电网中各负荷节点的负荷大小。

步骤1中，

所述配电网的网架结构参数包括配电网的电压等级、配电网的拓扑结构、配电网中各线路的电阻电抗，所述配电网的拓扑结构包括配电网中各负荷节点的编号、各线路的编号、线路与负荷节点之间的连接关系、联络开关和常闭开关所处位置；

所述初始化最大最小蚁群算法的参数是指：设定信息素因子α为1，信息素挥发系数ρ为0.2，全局信息素更新参数Q'为0.1，信息素浓度初始值为最大信息素浓度，最大迭代次数为30，蚂蚁个数为30，启发式函数因子β为1，启发式函数η_ij＝1/R_ij，其中，R_ij为支路ij的电阻值。

步骤2中，

所述依据最大最小蚁群算法和生成树理论形成多个辐射网依次包括以下操作：

2.1：输入配电网中各负荷节点的编号、各线路的编号，并将各线路的信息素浓度设定为信息素浓度初始值；

2.2：输入集合H、集合E、集合W，其中，H为已接入树的节点(初始化为首节点)，E为未接入树的节点，W为H和E之间待搭建的支路；

2.3：计算集合W中各支路的概率，采用轮盘赌规则，让蚂蚁依据概率随机选择W中的支路作为下一条路径：

$P_{\mathrm{ij}}=\frac{{\left[{\mathrm{\τ}}_{\mathrm{ij}}\right]}^{\mathrm{\α}}{\left[{\mathrm{\η}}_{\mathrm{ij}}\right]}^{\mathrm{\β}}}{\mathrm{\Σ}{\left[{\mathrm{\τ}}_{\mathrm{ij}}\right]}^{\mathrm{\α}}{\left[{\mathrm{\η}}_{\mathrm{ij}}\right]}^{\mathrm{\β}}}$

式中，P_ij为集合W中各支路的概率，[τ_ij]为信息素浓度，[η_ij]为启发式因子，α为信息素浓度的影响因子，β为启发式因子的影响因子，Σ[τ_ij]^α[η_ij]^β为集合W中所有支路计算结果的总和；

2.4：更新集合H、集合E及集合W；

2.5：循环执行操作2.3和操作2.4，直至集合E为空集。

所述操作2.4是指：在集合H中增加新增支路的节点，在集合E中去掉新增支路的节点，去掉集合W中新增的支路，增加集合H中新增节点与E中节点相连的支路。

步骤3中，所述采用前推回代法潮流计算形成的辐射网的网损值依次包括以下操作：

3.1：计算各负荷节点的等效负荷容量：

P_i＝P_Li-P_DGi

Q_i＝Q_Li-Q_DGi

式中，P_i、Q_i分别为接入分布式电源后负荷节点i的等效负荷容量中的有功功率、无功功率，P_Li、Q_Li分别为负荷节点i的实际负荷容量中的有功功率、无功功率，P_DGi、Q_DGi分别为接入负荷节点i的分布式电源容量中的有功功率、无功功率；

3.2：根据各负荷节点的等效负荷容量，采用前推回代法潮流计算形成的辐射网中各支路末端负荷节点的有功功率、无功功率以及该负荷节点的节点电压，其中，所述前推回代法包括前推算法、回代算法；

所述前推算法根据辐射网的拓扑结构和各负荷节点的实际负荷大小，由末端向始端求解：

$S_{\mathrm{ij}}^{\′}=S_j+\underset{m\∈N_j}{\mathrm{\Σ}}{S}_{\mathrm{jm}}$

$\mathrm{\Δ}{S}_{\mathrm{ij}}=\frac{{P^{\′}}_{\mathrm{ij}}^2+{Q^{\′}}_{\mathrm{ij}}^2}{V_j^2}(r_{\mathrm{ij}}+j{x}_{\mathrm{ij}})$

S_ij＝S′_ij+ΔS_ij

式中：S′_ij为支路ij末端流过的功率，S_j为负荷节点j的等效负荷容量，与负荷节点j相连的支路的首端功率和，ΔS_ij为支路ij的功率损耗，P′_ij、Q′_ij分别为S′_ij中的有功功率、无功功率，V_j为负荷节点j的电压，r_ij、x_ij分别为支路ij的电阻、电抗，S_ij为支路ij首端流过的功率；

所述回代算法设定初始负荷节点电压值为额定电压，相角为0，由始端向末端求解：

$V_j=V_i-\frac{P_{\mathrm{ij}}-j{Q}_{\mathrm{ij}}}{V_i}(r_{\mathrm{ij}}+j{x}_{\mathrm{ij}})$

式中：V_j为支路末端负荷节点j的电压，V_i为支路首端负荷节点i的电压，P_ij、Q_ij分别为支路ij首端流过的有功功率、无功功率，r_ij、x_ij分别为支路ij的电阻、电抗；

3.3：比较连续两次迭代得到的电压值，若其电压差的最大值小于0.00001，输出各支路末端负荷节点的有功功率、无功功率以及各负荷节点的节点电压，否则，转至操作3.2；

3.4：根据形成的辐射网中各支路末端负荷节点的有功功率、无功功率以及该负荷节点的节点电压计算辐射网的网损值：

$f=\underset{i=1}{\overset{L_i}{\mathrm{\Σ}}}{k}_i{r}_i\frac{P_i^2+Q_i^2}{V_i^2}$

式中：f为网损值，L_i为线路总数，r_i为线路的电阻值，k_i为线路开关状态，P_i为线路末端的有功功率，Q_i为线路末端的无功功率，V_i为线路末端负荷节点的电压值。

所述步骤3还包括约束条件检验操作，该操作位于操作3.2与操作3.3之间；

所述约束条件检验是指将不符合以下约束条件的辐射网舍去：

电压约束：V_imin＜V_i＜V_imax

式中，V_i为负荷节点i的节点电压值，V_imax、V_imin分别为负荷节点i的节点电压的上、下限值；

容量约束：S_i＜S_imax

式中，S_i、S_imax分别为经过负荷节点i的各支路流过的功率及其线路容量；

网络辐射状约束：不存在环网和孤岛。

步骤4中，所述根据本次计算的的最小网损值更新全局最小网损值是指：将本次计算的最小网损值与全局最小网损值进行比较，若比全局最小网损值大，则全局最小网损值无需更新；若比全局最小网损值小，则将本次计算的最小网损值设定为全局最小网损值。

步骤4中，所述根据本次计算的最小网损值及其对应的辐射网的网架结构更新相应支路的信息素浓度采用以下公式：

τ_ij(t+1)＝(1-ρ)τ_ij(t)+Δτ_ij

$\mathrm{\Δ}{\mathrm{\τ}}_{\mathrm{ij}}=\left\{\begin{array}{cc}{Q}^{\′}/f\left(C_{\mathrm{best}}^t\right)& (i,j)\∈C_{\mathrm{best}}^t\\ 0& (i,j)\∉C_{\mathrm{best}}^t\end{array}\right.$

式中：τ_ij(t)为本次迭代各支路的信息素浓度，τ_ij(t+1)为下一次迭代各支路的信息素浓度，Δτ_ij为本次迭代各支路信息素浓度的增加值，ρ为信息素挥发系数，Q'为全局信息素更新参数，为本次计算的最小网损值，为本次计算的最小网损值所对应的辐射网的网架结构。

步骤4中，所述对更新后的各支路的信息素浓度进行限定是指：

先采用以下公式计算各支路的最大信息素浓度和最小信息素浓度，然后将其与若更新后的各支路的信息素浓度进行比较，若更新后的各支路的信息素浓度大于最大信息素浓度，则令其等于最大信息素浓度，若小于最小信息素浓度，则令其等于最小信息素浓度，若位于最大信息素浓度与最小信息素浓度之间，则维持原值不变：

${\mathrm{\τ}}_{\max }=\frac{1}{1-\mathrm{\ρ}}\frac{Q^{\′}}{f\left(s_{\mathrm{opt}}\right)}$

${\mathrm{\τ}}_{\min }=\frac{{\mathrm{\τ}}_{\max }}{2n}$

式中：ρ为信息素挥发系数,Q'为全局信息素更新参数，f(s_opt)为全局最小网损值，τ_min为最小信息素浓度，τ_max为最大信息素浓度，n为负荷节点数。

本发明的原理说明如下：

本发明采用最大最小蚁群算法对处于正常运行状态下的含DG的配电网进行重构，通过改变原有的开关状态，改变供给负荷的线路，得到一个总网损最小的配电网结构，并基于生成树理论保证了配电网重构过程中的网络约束，提高了可行配电网结构的数量。

信息素浓度初始值：为了使蚂蚁在开始时能够更多的搜索新的解决方案，本发明将各支路信息素浓度初始值设定为最大信息素浓度。

电压约束：为了保证各负荷节点的电压不会超过或低于额定值，产生较差质量的电能。

容量约束：为了保证各线路流过的电能不会超过本线路允许的最大值，避免发热而导致出现故障。

为了防止某些支路的信息素浓度过大，某些支路的信息素浓度过小，最大最小蚁群算法通过设置各支路信息素浓度的最大、最小值来扩大蚂蚁的搜寻范围，防止其陷入局部最优解：

${\mathrm{\τ}}_{\max }=\frac{1}{1-\mathrm{\ρ}}\frac{Q^{\′}}{f\left(s_{\mathrm{opt}}\right)}$

${\mathrm{\τ}}_{\min }=\frac{{\mathrm{\τ}}_{\max }}{2n}$

实施例1：

参见图1、图2，一种含分布式电源的配电网重构方法，该方法依次包括以下步骤：

1：获取IEEE69节点配电网的网架结构参数和运行参数，并初始化最大最小蚁群算法的参数，其中，所述配电网运行参数包括配电网中分布式电源的并网位置及容量、配电网中各负荷节点的负荷大小，所述配电网的网架结构参数包括配电网的电压等级、配电网的拓扑结构、配电网中各线路的电阻电抗，所述配电网的拓扑结构包括配电网中各负荷节点的编号、各线路的编号、线路与负荷节点之间的连接关系、联络开关和常闭开关所处位置，具体为该配电网包含69个节点，73条支路，其中5条为联络开关支路，其额定电压为12.66kV，总负荷为3802.19+j2694.60kVA，首节点电压标幺值为1，PV型分布式电源电压标幺值为1，分布式电源的安装位置如下表：

表1分布式电源的安装信息

	DG1	DG2	DG3
				有功功率(kW)	250	250	500
无功范围(kVar)	0–225	0–75	0–450
				安装位置	21	39	51

所述初始化最大最小蚁群算法的参数是指：设定信息素因子α为1，信息素挥发系数ρ为0.2，全局信息素更新参数Q'为0.1，信息素浓度初始值为最大信息素浓度，最大迭代次数为30，蚂蚁个数为30，启发式函数因子β为1，启发式函数η_ij＝1/R_ij，R_ij为支路ij的电阻值；

2：形成多个辐射网

2.1：输入配电网中各负荷节点的编号、各线路的编号，并将各线路的信息素浓度设定为信息素浓度初始值；

2.2：输入集合H、集合E、集合W，其中，H为已接入树的节点(初始化为首节点)，E为未接入树的节点，W为H和E之间待搭建的支路；

2.3：计算集合W中各支路的概率，采用轮盘赌规则，让蚂蚁依据概率随机选择W中的支路作为下一条路径：

$P_{\mathrm{ij}}=\frac{{\left[{\mathrm{\τ}}_{\mathrm{ij}}\right]}^{\mathrm{\α}}{\left[{\mathrm{\η}}_{\mathrm{ij}}\right]}^{\mathrm{\β}}}{\mathrm{\Σ}{\left[{\mathrm{\τ}}_{\mathrm{ij}}\right]}^{\mathrm{\α}}{\left[{\mathrm{\η}}_{\mathrm{ij}}\right]}^{\mathrm{\β}}}$

式中，P_ij为集合W中各支路的概率，[τ_ij]为信息素浓度，[η_ij]为启发式因子，α为信息素浓度的影响因子，β为启发式因子的影响因子，Σ[τ_ij]^α[η_ij]^β为集合W中所有支路计算结果的总和；

2.4：在集合H中增加新增支路的节点，在集合E中去掉新增支路的节点，去掉集合W中新增的支路，增加集合H中新增节点与E中节点相连的支路；

2.5：循环执行操作2.3和操作2.4，直至集合E为空集。

3：网损值的潮流计算

3.1：计算各负荷节点的等效负荷容量：

P_i＝P_Li-P_DGi

Q_i＝Q_Li-Q_DGi

式中，P_i、Q_i分别为接入分布式电源后负荷节点i的等效负荷容量中的有功功率、无功功率，P_Li、Q_Li分别为负荷节点i的实际负荷容量中的有功功率、无功功率，P_DGi、Q_DGi分别为接入负荷节点i的分布式电源容量中的有功功率、无功功率；

3.2：根据各负荷节点的等效负荷容量，采用前推回代法潮流计算形成的辐射网中各支路末端负荷节点的有功功率、无功功率以及该负荷节点的节点电压，其中，所述前推回代法包括前推算法、回代算法；

所述前推算法根据辐射网的拓扑结构和各负荷节点的实际负荷大小，由末端向始端求解：

$S_{\mathrm{ij}}^{\′}=S_j+\underset{m\∈N_j}{\mathrm{\Σ}}{S}_{\mathrm{jm}}$

$\mathrm{\Δ}{S}_{\mathrm{ij}}=\frac{{P^{\′}}_{\mathrm{ij}}^2+{Q^{\′}}_{\mathrm{ij}}^2}{V_j^2}(r_{\mathrm{ij}}+j{x}_{\mathrm{ij}})$

S_ij＝S′_ij+ΔS_ij

式中：S′_ij为支路ij末端流过的功率，S_j为负荷节点j的等效负荷容量，为与负荷节点j相连的支路的首端功率和，ΔS_ij为支路ij的功率损耗，P′_ij、Q′_ij分别为S′_ij中的有功功率、无功功率，V_j为负荷节点j的电压，r_ij、x_ij分别为支路ij的电阻、电抗，S_ij为支路ij首端流过的功率；

所述回代算法设定初始负荷节点电压值为额定电压，相角为0，由始端向末端求解：

$V_j=V_i-\frac{P_{\mathrm{ij}}-j{Q}_{\mathrm{ij}}}{V_i}(r_{\mathrm{ij}}+j{x}_{\mathrm{ij}})$

式中：V_j为支路末端负荷节点j的电压，V_i为支路首端负荷节点i的电压，P_ij、Q_ij分别为支路ij首端流过的有功功率、无功功率，r_ij、x_ij分别为支路ij的电阻、电抗；

3.3：若辐射网不符合以下约束条件，则舍去：

电压约束：V_imin＜V_i＜V_imax

式中，V_i为负荷节点i的节点电压值，V_imax、V_imin分别为负荷节点i的节点电压的上、下限值；

容量约束：S_i＜S_imax

式中，S_i、S_imax分别为经过负荷节点i的各支路流过的功率及其线路容量；

网络辐射状约束：不存在环网和孤岛；

3.4：比较连续两次迭代得到的电压值，若其电压差的最大值小于0.00001，输出各支路末端负荷节点的有功功率、无功功率以及各负荷节点的节点电压，否则，转至操作3.2；

3.5：根据形成的辐射网中各支路末端负荷节点的有功功率、无功功率以及该负荷节点的节点电压计算辐射网的网损值：

$f=\underset{i=1}{\overset{L_i}{\mathrm{\Σ}}}{k}_i{r}_i\frac{P_i^2+Q_i^2}{V_i^2}$

式中：f为网损值，L_i为线路总数，r_i为线路的电阻值，k_i为线路开关状态，P_i为线路末端的有功功率，Q_i为线路末端的无功功率，V_i为线路末端负荷节点的电压值；

3.6：找出本次计算的最小网损值及该最小网损值所对应的辐射网的网架结构；

4：更新各支路的信息素浓度以完成一次迭代:

4.1：将本次计算的最小网损值与全局最小网损值进行比较，若比全局最小网损值大，则全局最小网损值无需更新；若比全局最小网损值小，则将本次计算的最小网损值设定为全局最小网损值；

4.2：采用以下公式更新本次计算的最小网损值所对应的辐射网的网架结构中各支路的信息素浓度：

τ_ij(t+1)＝(1-ρ)τ_ij(t)+Δτ_ij

$\mathrm{\Δ}{\mathrm{\τ}}_{\mathrm{ij}}=\left\{\begin{array}{cc}{Q}^{\′}/f\left(C_{\mathrm{best}}^t\right)& (i,j)\∈C_{\mathrm{best}}^t\\ 0& (i,j)\∉C_{\mathrm{best}}^t\end{array}\right.$

式中：τ_ij(t)为本次迭代各支路的信息素浓度，τ_ij(t+1)为下一次迭代各支路的信息素浓度，Δτ_ij为本次迭代各支路信息素浓度的增加值，ρ为信息素挥发系数，Q'为全局信息素更新参数，为本次计算的最小网损值，为本次计算的最小网损值所对应的辐射网的网架结构；

4.2：先采用以下公式计算各支路的最大信息素浓度和最小信息素浓度，然后将其与若更新后的各支路的信息素浓度进行比较，若更新后的各支路的信息素浓度大于最大信息素浓度，则令其等于最大信息素浓度，若小于最小信息素浓度，则令其等于最小信息素浓度，若位于最大信息素浓度与最小信息素浓度之间，则维持原值不变：

${\mathrm{\τ}}_{\max }=\frac{1}{1-\mathrm{\ρ}}\frac{Q^{\′}}{f\left(s_{\mathrm{opt}}\right)}$

${\mathrm{\τ}}_{\min }=\frac{{\mathrm{\τ}}_{\max }}{2n}$

式中：ρ为信息素挥发系数,Q'为全局信息素更新参数，为本次计算的最小网损值，Δτ_ij为本次计算后各支路信息素浓度的增加值，为本次计算的最小网损值所对应的辐射网的网架结构，f(s_opt)为全局最小网损值，τ_min为信息素浓度最小值，τ_max为信息素浓度最大值，n为负荷节点数；

5：重复步骤2–4以完成下一次迭代，依次循环，直至完成最大迭代次数，最后输出得到的全局最小网损值及该全局最小网损值所对应的辐射网的网架结构。

为验证本发明方法的重构效果，现分别采用蚁群算法、二进制差分算法对IEEE69节点配电网进行重构，将得到的网损值、最低电压进行对比，相关结果见下表：

表2不同算法的重构降损效果对比

由上表能够看出，与蚁群算法、二进制差分算法相比，采用本发明的最大最小蚁群算法对含DG的配电网重构后，配电网的网损值最小，且最低电压也最高，因此其重构效果最优。

Claims (10)

1.一种含分布式电源的配电网重构方法，其特征在于： 

该方法依次包括以下步骤： 

1）：获取当前需要重构的配电网的网架结构参数和运行参数，并初始化最大最小蚁群算法的参数； 

2）：依据最大最小蚁群算法和生成树理论形成多个辐射网； 

3）：先根据获取的配电网运行参数，采用前推回代法潮流计算形成的多个辐射网的网损值，然后找出本次计算的最小网损值及该最小网损值所对应的辐射网的网架结构； 

4）：先根据本次计算的的最小网损值大小更新全局最小网损值，然后采用最大最小蚁群算法，根据本次计算的最小网损值及其对应的辐射网的网架结构更新相应支路的信息素浓度，再对更新后的各支路的信息素浓度进行限定，此时，完成一次迭代； 

5）：重复步骤2–4以完成下一次迭代，依次循环，直至完成最大迭代次数，最后输出得到的全局最小网损值及该全局最小网损值所对应的辐射网的网架结构。 

2.根据权利要求1所述的一种含分布式电源的配电网重构方法，其特征在于：所述配电网运行参数包括配电网中分布式电源的并网位置及容量、配电网中各负荷节点的负荷大小。 

3.根据权利要求2所述的一种含分布式电源的配电网重构方法，其特征在于： 

步骤1中， 

所述配电网的网架结构参数包括配电网的电压等级、配电网的拓扑结构、配电网中各线路的电阻电抗，所述配电网的拓扑结构包括配电网中各负荷节点的编号、各线路的编号、线路与负荷节点之间的连接关系、联络开关和常闭开关所处位置； 

所述初始化最大最小蚁群算法的参数是指：设定信息素因子α为1，信息素挥发系数ρ为0.2，全局信息素更新参数Q'为0.1，信息素浓度初始值为最大信息素浓度，最大迭代次数为30，蚂蚁个数为30，启发式函数因子β为1，启发式函数η_ij＝1/R_ij，其中，R_ij为支路ij的电阻值。 

4.根据权利要求3所述的一种含分布式电源的配电网重构方法，其特征在于： 

步骤2中， 

所述依据最大最小蚁群算法和生成树理论形成多个辐射网依次包括以下操作： 

2.1：输入配电网中各负荷节点的编号、各线路的编号，并将各线路的信息素浓度设定为信息素浓度初始值； 

2.2：输入集合H、集合E、集合W，其中，H为已接入树的节点(初始化为首节点)，E为未接入树的节点，W为H和E之间待搭建的支路； 

2.3：计算集合W中各支路的概率，采用轮盘赌规则，让蚂蚁依据概率随机选择W中的支路作为下一条路径： 

式中，P_ij为集合W中各支路的概率，[τ_ij]为信息素浓度，[η_ij]为启发式因子，α为信息素浓度的影响因子，β为启发式因子的影响因子，Σ[τ_ij]^α[η_ij]^β为集合W中所有支路计算结果的总和； 

2.4：更新集合H、集合E及集合W； 

2.5：循环执行操作2.3和操作2.4，直至集合E为空集。 

5.根据权利要求4所述的一种含分布式电源的配电网重构方法，其特征在于： 

所述操作2.4是指：在集合H中增加新增支路的节点，在集合E中去掉新增支路的节点，去掉集合W中新增的支路，增加集合H中新增节点与E中节点相连的支路。 

6.根据权利要求3所述的一种含分布式电源的配电网重构方法，其特征在于： 

步骤3中，所述采用前推回代法潮流计算形成的辐射网的网损值依次包括以下操作： 

3.1：计算各负荷节点的等效负荷容量： 

P_i＝P_Li-P_DGi

Q_i＝Q_Li-Q_DGi

式中，P_i、Q_i分别为接入分布式电源后负荷节点i的等效负荷容量中的有功功率、无功功率，P_Li、Q_Li分别为负荷节点i的实际负荷容量中的有功功率、无功功率，P_DGi、Q_DGi分别为接入负荷节点i的分布式电源容量中的有功功率、无功功率； 

3.2：根据各负荷节点的等效负荷容量，采用前推回代法潮流计算形成的辐射网中 各支路末端负荷节点的有功功率、无功功率以及该负荷节点的节点电压，其中，所述前推回代法包括前推算法、回代算法； 

所述前推算法根据辐射网的拓扑结构和各负荷节点的实际负荷大小，由末端向始端求解： 

S_ij＝S′_ij+ΔS_ij

式中：S′_ij为支路ij末端流过的功率，S_j为负荷节点j的等效负荷容量，为与负荷节点j相连的支路的首端功率和，ΔS_ij为支路ij的功率损耗，P′_ij、Q′_ij分别为S′_ij中的有功功率、无功功率，V_j为负荷节点j的电压，r_ij、x_ij分别为支路ij的电阻、电抗，S_ij为支路ij首端流过的功率； 

所述回代算法设定初始负荷节点电压值为额定电压，相角为0，由始端向末端求解： 

式中：V_j为支路末端负荷节点j的电压，V_i为支路首端负荷节点i的电压，P_ij、Q_ij分别为支路ij首端流过的有功功率、无功功率，r_ij、x_ij分别为支路ij的电阻、电抗； 

3.3：比较连续两次迭代得到的电压值，若其电压差的最大值小于0.00001，输出各支路末端负荷节点的有功功率、无功功率以及各负荷节点的节点电压，否则，转至操作3.2； 

3.4：根据形成的辐射网中各支路末端负荷节点的有功功率、无功功率以及该负荷节点的节点电压计算辐射网的网损值： 

式中：f为网损值，L_i为线路总数，r_i为线路的电阻值，k_i为线路开关状态，P_i为线路末端的有功功率，Q_i为线路末端的无功功率，V_i为线路末端负荷节点的电压值。 

7.根据权利要求6所述的一种含分布式电源的配电网重构方法，其特征在于： 

所述步骤3还包括约束条件检验操作，该操作位于操作3.2与操作3.3之间； 

所述约束条件检验是指将不符合以下约束条件的辐射网舍去： 

电压约束：V_imin＜V_i＜V_imax

式中，V_i为负荷节点i的节点电压值，V_imax、V_imin分别为负荷节点i的节点电压的上、下限值； 

容量约束：S_i＜S_imax

式中，S_i、S_imax分别为经过负荷节点i的各支路流过的功率及其线路容量； 

网络辐射状约束：不存在环网和孤岛。 

8.根据权利要求3所述的一种含分布式电源的配电网重构方法，其特征在于： 

步骤4中，所述根据本次计算的的最小网损值大小更新全局最小网损值是指：将本次计算的最小网损值与全局最小网损值进行比较，若比全局最小网损值大，则全局最小网损值无需更新；若比全局最小网损值小，则将本次计算的最小网损值设定为全局最小网损值。 

9.根据权利要求4所述的一种含分布式电源的配电网重构方法，其特征在于： 

步骤4中，所述根据本次计算的最小网损值及其对应的辐射网的网架结构更新相应支路的信息素浓度采用以下公式： 

τ_ij(t+1)＝(1-ρ)τ_ij(t)+Δτ_ij

式中：τ_ij(t)为本次迭代各支路的信息素浓度，τ_ij(t+1)为下一次迭代各支路的信息素浓度值，Δτ_ij为本次迭代各支路信息素浓度的增加值，ρ为信息素挥发系数，Q'为全局信息素更新参数，为本次计算的最小网损值，为本次计算的最小网损值所对应的辐射网的网架结构。 

10.根据权利要求9所述的一种含分布式电源的配电网重构方法，其特征在于： 

步骤4中，所述对更新后的各支路的信息素浓度进行限定是指： 

先采用以下公式计算各支路的最大信息素浓度和最小信息素浓度，然后将其与若更新后的各支路的信息素浓度进行比较，若更新后的各支路的信息素浓度大于最大信息素浓度，则令其等于最大信息素浓度，若小于最小信息素浓度，则令其等于最小信息素浓度，若位于最大信息素浓度与最小信息素浓度之间，则维持原值不变： 

式中：ρ为信息素挥发系数,Q'为全局信息素更新参数，f(s_opt)为全局最小网损值，τ_min为最小信息素浓度，τ_max为最大信息素浓度，n为负荷节点数。