CN105375481A - 超级量子进化算法控制下的微电网减损方法 - Google Patents

Abstract

本发明公开了一种超级量子进化算法控制下的微电网减损方法，采用了遗传算法与量子算法相结合的手段，将量子的态矢量表达引入遗传编码，利用量子逻辑门实现染色体的演化，实现了比常规遗传算法更好的效果，并针对微电网系统容量较小，电压等级较低，系统内网损较大的特点，以及微电网高智能化、快速反应的需求，进行了优化处理，使得该算法能够满足微电网对智能化、快速反应、高可靠性的要求。本发明成功的将改进的量子进化算法应用到微电网系统中，利用该算法将微电网系统的网损实时保持最低，并改善其电能质量，提高系统可靠性，填补了微电网重构计算领域的一项技术空白，对微电网节能减排，提高电力系统可靠性有着实际的意义。

Description

超级量子进化算法控制下的微电网减损方法

技术领域

本发明涉及电力系统微电网智能控制领域，具体是一种超级量子进化算法控制下的微电网减损方法。

背景技术

微电网(SmartGrid)，是规模较小的分散的独立系统，它采用了大量的现代电力技术，将燃气轮机、风电、光伏发电、燃料电池和储能设备等并在一起，直接连接在用户侧。对于大电网来说，微电网可以被认为是大电网中的一个可控单元，它可以在数秒钟内动作以满足外部输配电网络的需求；对用户来说，微电网可以满足他们特定的需求，如增加本地可靠性、降低馈线损耗、保持本地电压稳定、通过利用部分分布式电源的余热提高能量利用的效率及提供不间断电源等。微电网和大电网通过PCC(pointofcommoncoupling)进行能量交换，双方互为备用，从而提高了供电的可靠性。

微电网网络重构的目的在于：一，在各馈线之间正常或事故时进行必要的负荷转移；二，在微电网网络正常运行时能达到降低网损，防止系统电压异常，消除过负荷及其带来的变压器过载、馈线过热等情况。微电网重构算法的不同直接影响了计算的精度，收敛性，效率，是否最优解等问题。研究快速有效的微电网重构算法，目的在于保证在今后的微电网故障处理中，配合计算机系统和软件使微电网控制变得更加智能化，能够高效快速的转移负荷，提高供电可靠性，以及在正常运行时能降低网损，更加节能环保。

微电网与传统配电网在结构和供电方式上存在较大差异，因此，其网络重构也和传统的配电网重构不尽相同。例如，常规配电网重构中不允许出现逆向潮流，同时需要保持网络的辐射状，而微电网中则不存在这两个约束，且微电网有孤岛运行模式，可以独立于大电网之外运行，也可根据需要并网运行。微电网可看做一个接入了大电网系统的单元。随着科技的发展和社会对供电可靠性以及节能减排的需求，分布式电源以及微电网的数量会快速上升，于是微电网快速重构对于提高微电网供电可靠性及降低其网损有着重要意义。

目前，已有大量关于常规配电网网络重构的研究，但仅有少量文献考虑了分布式电源接入后的配电网重构，而关于微电网快速重构的方法则几乎没有。王林川等人根据含有分布式电源配电网络的特点，将二进制粒子群算法(BPSO)和变领域搜索法相结合，对网络开关状态和分布式电源输出功率同时优化，达到降低网损的目的(含有分布式电源配电网重构算法的研究[J].电力系统保护与控制.2011,39(5))。从目前的研究现状看，国际上几乎没有有效的，以减损为目的的微电网快速重构方法。

发明内容

本发明的目的在于提供一种超级量子进化算法控制下的微电网减损方法，能够较大程度的降低微电网系统网损，并提高微电网系统的电能质量以及供电可靠性。

为实现上述目的，本发明提供如下技术方案：

超级量子进化算法控制下的微电网减损方法，其具体步骤如下：

以网损最小为目标函数：

$\min f={\Σ}_{i=1}^{n_b}{k}_i{r}_i|I_i{|}^2---\left(1\right)$

式中，f为网损；n_b为支路总数；k_i为开关i的状态，1表示闭合，0表示断开；r_i为第i条支路的电阻；I_i为第i条支路的电流。

约束条件如下：

潮流约束：

$P_i+P_{{\mathrm{DG}}_i}=P_{L_i}+V_1{\Σ}_{j=1}^{n_b}{V}_{j}Y---\left(2\right)$

$Q_i+Q_{{\mathrm{DG}}_i}=Q_{L_i}+V_i{\Σ}_{j=1}^{n_b}{V}_{j}Y---\left(3\right)$

式中，P_i、Q_i为节点注入功率；为DG注入功率；为负荷功率；V_i、V_j为节点电压；Y为支路导纳矩阵。

支路容量约束：

S_i＜S_imax(4)

式中，S_i、S_imax为线路流过的功率和线路允许最大功率。

节点电压约束：

V_imin＜V_i＜V_imax(5)

式中，V_imin/V_imax为节点电压允许最小值/最大值；V_i为节点电压。

DG容量约束：

$S_{{\mathrm{DG}}_i}<S_{{\mathrm{DG}}_{i\max }}---\left(6\right)$

式中，为DG的功率和最大功率值。

一天内综合网损最小的数学模型如下：

minf＝0.25P_Lmax+0.5P_Lav+0.25P_Lmin(7)

式中，f为网损；P_Lmax表示最大负荷运行方式；P_Lav表示一般负荷运行方式；P_Lmin表示最小负荷运行方式。

基于三种负荷方式的微电网重构的步骤为：

1)分别在最大、最小和一般负荷方式下进行微电网重构，得到最优解；

2)对这三种重构的结果分别计算其潮流得到网络损耗，并检查各支路功率和节点电压有无越限情况，若有则去掉这种重构的结果；

3)找出这三种方案下综合网损最小的方案，这个方案即为最优的优化方案。

在量子计算中，充当信息存储单元的物理介质是一个双态量子系统，称为量子比特。量子进化算法中的个体采用量子比特编码，每个量子比特位|w＞可以由|0＞和|1＞这两种量子态的叠加表示：

|w＞＝a|0＞+b|1＞(8)

式中，a、b为复数，分别表示状态|0＞和|1＞的概率幅。

|a|²和|b|²分别表示该量子位处于状态0和状态1的概率大小，并且满足归一化条件|a|²+|b|²＝1，所以通过a、b的数值大小可以知道该量子位处于状态0或1的概率，具体的状态需要通过量子位的坍塌来决定：首先产生0～1之间的一个随机数s，如果s<|a|²，则该量子位的状态取1，否则取0。对于微电网重构问题，每个开关有两种状态，分配一个量子比特位，种群个体的量子比特编码

式中，为第t代第j个个体的量子位编码；m为支路数目。

初始状态时每个量子位上的概率幅(a,b)设为这意味着在初始化种群个体时每个可行解能够以相等的概率生成。

根据微电网重构的需要，本发明采用量子旋转门U(θ_i)

式中，(a_i，b_i)为第i个量子位旋转前的概率幅；(a′_i，b′_i)为旋转后的概率幅；θ_i为旋转角，θ_i的大小和方向可以采用查表方式更新(娄素华,吴耀武,彭磊等.量子进化算法在电力系统无功优化中的应用[J].继电器,2005,33(18):30-35.)。

DG位置、注入功率和网络开关这3个变量的综合编码为：

式中，为第t代第j个个体的量子位编码； 分别为DG位置、注入功率和网络开关的量子位编码。

进行量子坍塌后的状态表达式：

$G_j^t=\&lsqb;C_{11}^t\left|\mathrm{...}\right|C_{1k1}^t\left|C_{21}^k\right|\mathrm{...}\left|C_{2k2}^t\right|C_{31}^t\left|\mathrm{...}\right|C_{3k3}^t\&rsqb;---\left(12\right)$

式中，为第t代第j个个体的状态编码； 分别为DG位置，注入功率和网络开关的状态编码。

算法操作流程如下：

(1)读取网络拓扑数据，设定种群规模为N，初始化量子编码公式中的概率幅；

(2)初始化个体状态式(12)；

(3)通过潮流计算得到种群个体的适应度大小(网损)；

(4)找出当代最优个体，作为本代量子进化的向导，按式(10)进化；

(5)迭代次数加1，判断是否达到预先设定的迭代次数的上限，满足则结束，否则转至步骤(2)。

与现有技术相比，本发明的有益效果是：针对目前该领域的技术空白，本发明提出使用经过改进的量子进化算法对微电网进行快速重构，能够较大程度的降低微电网系统网损，并提高微电网系统的电能质量以及供电可靠性。本发明采用了遗传算法与量子算法相结合的手段，将量子的态矢量表达引入遗传编码，利用量子逻辑门实现染色体的演化，实现了比常规遗传算法更好的效果，并针对微电网系统容量较小，电压等级较低，系统内网损较大的特点，以及微电网高智能化、快速反应的需求，进行了优化处理，使得该算法能够满足微电网对智能化、快速反应、高可靠性的要求。本发明成功的将改进的量子进化算法应用到微电网系统中，利用该算法将微电网系统的网损实时保持最低，并改善其电能质量，提高系统可靠性，填补了微电网重构计算领域的一项技术空白，对微电网节能减排，提高电力系统可靠性有着实际的意义。

附图说明

图1是改进IEEE16节点微电网测试系统网络结构图；

图2是IEEE16节点微电网测试系统重构后网络结构图。

具体实施方式

下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明实施例中，超级量子进化算法控制下的微电网减损方法，采用在IEEE16节点配电网系统基础上改进后的，能反映典型微电网特征的16节点微电网系统来作为算例。系统中电压为220V，节点1为连接主网的开关所在处，故不带负荷。2、3、4、11、14负荷为个人电脑，正常功率为500W一台，功率因数一般为0.65；5、13为空调，正常功率为1500W一台，功率因数一般取0.8；8、12为热水器，正常功率为500W一台，本测试将其看做纯阻性负载，功率因数为1；6、7、9、10为电灯，正常功率为300W一区域，功率因数取0.9；15、16为DG，提供的有功功率为8kW/台，选用PQ可控的快速反应燃料电池供能。具体情况见表1。

表1三种负荷方式下的系统数据

注：DG功率为负是因为重构时将其看做负的负荷(即提供功率)。

设线路等效阻抗为Z＝R+jX，则两点间的潮流S＝P+jQ可以表示为：

$P=\frac{U_1\&lsqb;R(U_1-2U_2\cos \mathrm{\&delta;})+U_{2}X\sin \mathrm{\&delta;}\&rsqb;}{R^2+X^2}---\left(13\right)$

$Q=\frac{U_1\&lsqb;X(U_1-U_2\cos \mathrm{\&delta;})-U_{2}R\sin \mathrm{\&delta;}\&rsqb;}{R^2+X^2}---\left(14\right)$

在计算潮流时，一般认为线路两端功角差很小，即满足sin≈δ。对于低压配电网，所采用的输电线路R＞＞X(选用16mm²截面积的低压配电网电力电缆，其R＝2.25Ω·km^-1，R/X＝29.2)，因此可以忽略X的影响，于是式(13)、(14)简化为：

$P=\frac{U_1(U_1-U_2)}{R}---\left(15\right)$

$Q=-\frac{U_1{U}_2}{R}\mathrm{\&delta;}---\left(16\right)$

由上可以看出，在低压配电网中，P主要取决于线路两端电压差U₁-U₂，Q主要取决于线路两端电压的相位差δ。具体表现为有功潮流从电压幅值较高的一端流向较低端，无功潮流从电压相角滞后的一端流向超前端。由于传输特性不同，与常规高压电网相比，低压电网在功率分布上会有很大不同，这个在重构中能够得到很明显的体现。同时，由于线路R＞＞X，根据分析可知，与高压输电系统相比，低压配电网的传输功率损耗比率更高；而且高压输电系统由于有充电电容的存在，可以为系统注入一定量的容性无功功率，但低压配电网中传输线充电电容很小，因此需要发电机或专门的无功补偿装置向系统补偿无功功率。系统的支路参数在表2中可见。

表2系统支路参数

注：5-15、13-16由于连接分布式电源到负荷的线路距离很短，近似认为电阻为零。

在该改进的IEEE16节点系统中，连接分布式电源的5-15、13-16开关在重构时不允许断开；由于节点1为微电网系统与主网连接的接口，因此1-2、1-3、1-4在重构时也不允许断开；因为节点8只与节点7相连，为保证负荷8的供电可靠性，7-8在重构时也不允许断开。其余开关在保证负荷不出现孤岛的情况下，均参与微电网重构。

测试系统重构计算结果如下：

在改进后的IEEE16节点测试系统中，应用所提的量子进化算法，设定种群规模为40，最大迭代次数为100次，初始化量子编码中的概率幅为初始化个体状态式(12)，按前述量子进化算法流程，以网损最小为目标函数，分别计算单个负荷方式下的重构方案，得到结果如下表3。

表3三种不同负荷方式下系统重构结果

在单个负荷方式下，重构后网损有所降低，最低节点电压幅值有改善，验证了量子进化算法的有效性。

请参阅图2，采用该算法对综合负荷方式下的该系统进行网络重构计算，设定参数与先前不变，重构后测试系统网络结构图如图2所示，重构结果如表4，重构前后各节点电压幅值数据如表5。

表4综合负荷方式下重构计算结果

表5重构前后各节点电压幅值

节点号	重构前	重构后	节点号	重构前	重构后
						1	1.0000	1.0000	8	0.9349	0.9452
2	0.9855	0.9896	9	0.9650	0.9681
						3	0.9752	0.9782	10	0.9673	0.9706
4	0.9812	0.9854	11	0.9711	0.9768
						5	0.9805	0.9882	12	0.9668	0.9711
6	0.9769	0.9791	13	0.9612	0.9671
						7	0.9583	0.9632	14	0.9601	0.9659

由上表可知，经过量子进化算法优化后的改进IEEE16节点微电网系统，系统有功网损减少了24.93％，并且各节点电压幅值、电能质量均有改善且符合要求，证明该发明的正确性和实用价值。

微电网由于电压等级较低，容量一般不大，对稳定性和灵活性的要求很高，对能量利用效率要求较高，因此，微电网重构对于降低网损、改善电能质量、提高系统稳定性有着重要的意义。分布式电源大多属于环境友好型电源，其不仅促进了节能减排，更是对常规电网的一个有益补充。本发明的结论如下：

本发明根据微电网智能化程度高、灵活性强、重构中允许出现逆向潮流等特点，建立了一种考虑多种负荷方式下的微电网重构模型，对每种负荷方式都进行重构计算，对比其计算后的网损和减损结果，使重构方案更接近实际情况。采用将遗传算法和量子算法结合的量子进化算法，利用量子算法态矢量的特性，解决了遗传算法容易出现的收敛速度慢、出现局部极值等情况。并利用经本人改进后的，适用于微电网重构的IEEE16节点系统，选用其作为改进后的量子进化算法的测试系统，效果良好。本发明主要测试了微电网孤岛运行的情况，仿真结果说明微电网在孤岛运行下的稳定性完全符合要求。选用的DG为PQ可控的快速反应燃料电池，具有很强的调峰能力、节能环保、装配灵活，非常适用于做微电网的电源理论上可以广泛使用。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (3)

1.超级量子进化算法控制下的微电网减损方法，其特征在于，所述的量子进化算法的操作流程如下：

(1)读取网络拓扑数据，设定种群规模为N，初始化量子编码公式|w＞＝a|0＞+b|1＞中的状态|0＞、|1＞的概率幅a、b；

(2)初始化个体状态式 $G_j^t=\&lsqb;C_{11}^t|...|C_{1k1}^t\left|C_{21}^t\right|...\left|C_{2k2}^t\right|C_{31}^t|...|C_{3k3}^t\&rsqb;;$ 式中，为第t代第j个个体的状态编码；分别为DG位置，注入功率和网络开关的状态编码；

(3)通过潮流 $P_i+P_{{\mathrm{DG}}_i}=P_{L_i}+V_i{\&Sigma;}_{j=1}^{n_b}{V}_{j}Y,$ $Q_i+Q_{{\mathrm{DG}}_i}=Q_{L_i}+V_i{\&Sigma;}_{j=1}^{n_b}{V}_{j}Y,$ 式中，P_i、Q_i为节点注入功率；为DG注入功率；为负荷功率；V_i、V_j为节点电压；Y为支路导纳矩阵；计算得到种群个体的网损；

(4)找出当代最优个体，作为本代量子进化的向导，按以下公式进化，公式如下：式中，(a_i，b_i)为第i个量子位旋转前的概率幅；(a′_i，b′_i)为旋转后的概率幅；θ_i为旋转角；

(5)迭代次数加1，判断是否达到预先设定的迭代次数的上限，满足则结束，否则转至步骤(2)；

所述微电网减损方法，包括以下步骤：

1)分别在最大、最小和一般负荷方式下进行微电网重构，得到最优解；

2)对这三种重构的结果分别计算其潮流得到网络损耗，并检查各支路功率和节点电压有无越限情况，若有则去掉这种重构的结果；

3)找出这三种方案下综合网损最小的方案，这个方案即为最优方案。

2.根据权利要求1所述的超级量子进化算法控制下的微电网减损方法，其特征在于，所述步骤(1)中，初始状态时每个量子位上的概率幅(a,b)设为

3.根据权利要求1所述的超级量子进化算法控制下的微电网减损方法，其特征在于，所述步骤3)中，一天内综合网损最小的数学模型如下：minf＝0.25P_Lmax+0.5P_Lav+0.25P_Lmin，其中，f为网损；P_Lmax表示最大负荷运行方式；P_Lav表示一般负荷运行方式；P_Lmin表示最小负荷运行方式。