CN113612239B - 配电台区多目标三相负荷不平衡相序调整方法及系统 - Google Patents

Abstract

本公开提供了一种配电台区多目标三相负荷不平衡相序调整方法及系统，包括以下步骤：获取配电台区负荷的数据信息，搭建换相优化数学模型；构造所述换相优化数学模型的目标函数；以电流不平衡度最小和换相开关动作个数最小为目标，基于多目标粒子群优化算法求解换相优化数学模型的非支配解集，得到各个非支配解集对应的负荷相序调整方案；利用分层序列法，按照重要程度排序，在所述得到各个非支配解集对应的负荷相序调整方案中选取每个负荷不平衡相序调整的最优方案。

Description

配电台区多目标三相负荷不平衡相序调整方法及系统

技术领域

本公开属于配电网用电负荷相序调节技术领域，具体涉及一种配电台区多目标三相负荷不平衡相序调整方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

低压配电台区拓扑结构复杂，线路馈线繁多，用户负荷普遍是单相用电，具有随机性和不确定性。由于台区负荷容量较小，负荷波动对电网的日常运行产生较大影响，实际运行中难以维持三相平衡。近年来，充电桩入驻居民小区，1kW以上的单相大功率电器迅速普及，大功率负荷不定时的投入使得某一相功率突然提升，给电网造成剧烈冲击，加剧了低压配电台区三相不平衡的程度。三相不平衡生成的零序分量和负序分量在电力线路、配电变压器内部发热，产生额外的能量损耗，干扰用电设备正常工作，对电力系统的供电安全、电能质量和经济运行产生不利影响。

据发明人了解，目前国内外治理三相不平衡的主要方法有负荷补偿、配电网重构和负荷相序调整三类。负荷相序调整在不改变配网原有框架结构的前提下，人工手动操作或者利用换相开关自动优化部分负荷的相序，使负荷平均分配到三相。

调度人员定期统计用电负荷的相关数据，分析用户的用电信息，手动将负载从负荷重的相向负荷轻的相上转移。然而，人工离线调整过程较为繁琐，存在一定的滞后性。论文(郭志民,张永浩,周兴华,等.考虑三相不平衡的低压用户业扩报装供电方案精准编制[J].电力系统保护与控制,2018,46(12):71-76.)通过评估不平衡度和线损率，对低压用户业扩报装方案进行完善，确定最优接入方案；但用户的平衡状态极易受到干扰，如果反复进行相间切换，费时费力。为满足实时在线换相的需求，常使用换相开关自动调配负荷接入相序，需平均分配三相负荷。文献(陈浩.基于智能换相开关的配电台区三相不平衡治理研究与应用[D].西安:西安理工大学,2019.)以负荷换相后三相不平衡度最小为目标优化用户相序，但忽略了换相开关机械动作次数和电气动作次数的限制。目标优化过程中需从多个角度进行目标函数的设定，文献(彭春华,陈首昆,于蓉.基于模拟结晶算法的长效三相平衡优化换相策略[J].中国电机工程学报,2014,34(22):3760-3767.)基于加权聚合归一化的思想，将几个目标函数按照各自权重相加，转化为单目标函数，但不同目标对应的量纲不同，难以统一和转化，且加权求和时权重系数的选择取决于决策者的经验，具有很强的主观性。

因此，针对随机性和不确定性较大的低压配电台区的负荷用电，需进行三相负荷不平衡相序调整的研究。

发明内容

为了解决上述问题，本公开提出了一种配电台区多目标三相负荷不平衡相序调整方法及系统，考虑到决策者希望对多个可行解进行比较，利用多目标粒子群算法求取多目标函数的非支配解集，得到不同的负荷相序调整方案，再利用分层序列法确定最终的负荷分配方式；基于负荷相序调整的方法，降低台区三相不平衡度。

根据一些实施例，本公开的第一方案提供了一种配电台区多目标三相负荷不平衡相序调整方法，采用如下技术方案：

一种配电台区多目标三相负荷不平衡相序调整方法，包括以下步骤：

获取配电台区负荷的数据信息，搭建换相优化数学模型；

构造所述换相优化数学模型的目标函数；

以电流不平衡度最小和换相开关动作个数最小为目标，基于多目标粒子群优化算法求解换相优化数学模型的非支配解集，得到各个非支配解集对应的负荷相序调整方案；

利用分层序列法，按照重要程度排序，在所述得到各个非支配解集对应的负荷相序调整方案中选取每个负荷不平衡相序调整的最优方案。

根据一些实施例，本公开的第二方案提供了一种配电台区多目标三相负荷不平衡相序调整系统，采用如下技术方案：

一种配电台区多目标三相负荷不平衡相序调整系统，包括：

建模单元，用于获取配电台区负荷的数据信息，搭建换相优化数学模型；

求解单元，构造换相优化数学模型的目标函数，以电流不平衡度最小和换相开关动作个数最小为目标，基于多目标粒子群优化算法求解换相优化数学模型的非支配解集，得到各个非支配解集对应的负荷相序调整方案；

优化单元，利用分层序列法，按照重要程度排序，在所述得到各个非支配解集对应的负荷相序调整方案中选取每个负荷不平衡相序调整的最优方案。

与现有技术相比，本公开的有益效果为：

本公开从均衡分配各相负荷的角度出发，运用换相控制策略调换部分用户的相序，改善配电网的三相不平衡状态；考虑线路最大允许载流量的约束，以配电变压器低压侧三相电流不平衡度最小和换相开关动作个数最少为目标，建立了配电台区优化换相数学模型；利用多目标粒子群优化算法，求取基于三相电流不平衡度最小和换相开关动作个数最少两个目标的非支配解集。利用分层序列法，选取负荷不平衡相序调整方案，有效降低了配电台区三相电压的电流不平衡度，减小中性线电流，提高重载相负荷电压。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。

图1是本公开实施例一中配电台区多目标三相负荷不平衡相序调整方法的流程图；

图2是本公开实施例一中基于多目标粒子群优化算法求解换相优化数学模型的非支配解集的流程图；

图3是本公开实施例一中配电台区负荷自动调节装置的配置图；

图4是本公开实施例一中多目标粒子群优化的非支配解集空间分布图；

图5(a)是本公开实施例一中换相前后配电台区三相电流的变化波形图；

图5(b)是本公开实施例一中换相前后配电台区三相电压的变化波形图；

图5(c)是本公开实施例一中换相前后配电台区中性线电流的变化波形图；

图5(d)是本公开实施例一中换相前后配电台区重载相负荷电压的变化波形图；

图6是本公开实施例二中配电台区多目标三相负荷不平衡相序调整系统的结构框图。

具体实施方式

下面结合附图与实施例对本公开作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

实施例一

本公开实施例提供了一种配电台区多目标三相负荷不平衡相序调整方法。

如图1所示的一种配电台区多目标三相负荷不平衡相序调整方法，包括以下步骤：

获取配电台区负荷的数据信息，搭建换相优化数学模型；

构造所述换相优化数学模型的目标函数；

以电流不平衡度最小和换相开关动作个数最小为目标，基于多目标粒子群优化算法求解换相优化数学模型的非支配解集，得到各个非支配解集对应的负荷相序调整方案；

利用分层序列法，按照重要程度排序，在所述得到各个非支配解集对应的负荷相序调整方案中选取每个负荷不平衡相序调整的最优方案。

其中，换相优化数学模型包括以电流不平衡度最小为目标的第一换相优化数学模型和以换相开关动作个数最小为目标的第二换相优化数学模型。

作为一种或多种实施方式，换相后配电台区三相不平衡的改善程度，是衡量负荷相序调整效果的重要指标。

换相后配电台区的三相电流不平衡度尽可能小，建立以电流不平衡度最小为目标的第一换相优化数学模型。根据配电网运维规程计算三相电流不平衡度ΔI_ABC：

设I_A、I_B、I_C分别为A、B、C三相电流，在公式(1)中，I_max代表三者中最大的电流值，I_min代表三者中最小的电流值。

求解最优换相方案时，主要考虑相序改变对不平衡度的影响，认为当配电台区三相负荷完全平衡时，三相电流也达到完全平衡。以配电台区主变低压侧三相电流不平衡度最小为目标进行换相。设共有D台换相开关，x_k表示第k(k≤D)台换相开关所连接的负荷相序，D台换相开关所连接的负荷相序组合用向量X表示，则目标函数表示为：

α(X)＝min{ΔI_ABC(X)} (2)

约束条件为：各线路电流不超过线路最大允许载流量。

I_k≤I_kmax (3)

式中：I_k表示第k(k≤D)台换相开关采集到的负荷电流；I_kmax为线路最大允许载流量。进行用户相序调整时，未安装换相装置的负荷组所连接相序保持不变，运用换相开关动作调整部分负荷组相序，改变台区主变低压侧三相电流，使之不平衡度最小。

作为一种或多种实施方式，为了延长换相开关的使用寿命，提高设备使用的经济效益，还希望每次换相时参与动作的换相装置台数尽量少，建立以换相开关动作个数最少为目标的第二换相优化数学模型。换相开关的动作个数依据换相前后各个开关所连接的负荷相序变化情况确定，设台区内共有D台换相开关，w_k表示第k(k≤D)台换相开关的动作状态。比较换相前后第k(k≤D)台换相开关所连接的负荷相序x_k，当负荷相序x_k发生了变化，表示这台开关进行了换相，记w_k为1；若负荷相序x_k未发生变化，表示这台换相开关没有进行动作，记w_k为0。整个台区D台换相开关的动作个数W，通过对w_k累加求和得到：

换相开关动作个数最少的目标函数表示为：

β(X)＝min{W(X)} (5)

作为一种或多种实施方式，基于三相负荷不平衡度减小的同时换相开关的动作个数最少的目标，制定负荷相序调整策略，多目标优化结果使换相开关的使用年限延长，一定程度上提高了装置投资的经济效益。基于不平衡度最小和换相开关动作个数最少的多目标优化换相模型数学表达式如下：

min f(X)＝(α(X),β(X)) (6)

其中，自变量X是换相装置所连接的负荷相序状态组合；α(X)是关于三相电流不平衡度的目标函数；β(X)是关于换相开关动作个数的目标函数。

分析可知，电流不平衡度最小和换相开关动作个数最少两个目标之间存在着冲突，换相开关动作个数越少，不平衡调节的效力越低，不存在所有目标同时达到最小的最优解。但是能够求出这样一组解集：人们无法从两个目标函数的角度比较解集中解的优劣，在一个目标得到改进的同时另一个目标必然会被削弱，这样的解集被称作为非支配解集。对于本文建立的多维、离散、非线性优化换相数学模型，采用多目标粒子群算法求取其非支配解集。

粒子群优化算法(particle swarm optimization，PSO)的基本思想来源于鸟群寻找食物的过程，鸟类在飞行过程中存在着一种社会信息共享机制，能够依据自己过往的飞行经验和同伴的飞行经验不断调整飞行方向。将每一只鸟定义为一个粒子，代表一个可行解，把搜索食物的过程看作寻找最优解的过程。粒子的速度和位置更新公式为：

式中：t为当前迭代次数；X_i和V_i为粒子i对应的位置和速度；w是惯性权重；c₁和c₂是学习因子；rand₁和rand₂是两个取值范围在[0,1]之间的随机数；X_pbest是个体最优粒子，代表粒子自身在飞行过程中经历过的最优位置；X_gbest是全局最优粒子，代表整个粒子群在飞行过程中经历过的最优位置，X_pbest和X_gbest通过比较粒子的适应度函数选择。更新公式由三部分组成，新一代粒子既继承了先前的速度，也利用了自己过往个体最优位置的经验，还学习了其他粒子全局最优位置经验。

当粒子群优化算法被用于解决多目标优化问题时，需要引入非支配解的概念。设f＝(f₁,f₂,…,f_m)是多目标优化函数，X₁和X₂是函数的两个可行解。

则称X₁支配X₂。如果空间中不存在其他解支配X₁，称X₁为多目标优化函数的非支配解，非支配解也被称作非劣解或Pareto最优解。

多目标优化问题可能存在多个彼此不受支配的非劣解，因此，运用粒子群算法求解时选取个体最优粒子和全局最优粒子的方法和单目标优化问题不同。初始化种群后，计算粒子在各个目标下对应的适应度值，并基于适应度支配的思想，划分种群的非支配解集。个体最优粒子通过比较更新后粒子和上一代个体最优粒子的适应度函数，在两个粒子中选择支配粒子，当两个粒子都不是支配粒子时，随机选择一个粒子作为个体最优粒子。全局最优粒子从当前种群的非支配解集中随机进行选择。

作为一种或多种实施方式，基于多目标粒子群优化算法求解换相优化数学模型的非支配解集时，首先要将实际问题转化为算法能够接受的数学表达形式，对配电台区负荷节点连接相序编码。低压配电台区居民用户负荷多为单相用电，连接于A、B、C三相之一。若用x表示换相开关连接负荷相位，x_k表示第k(k≤D)台换相开关所连接的负荷相位，x_k＝1代表换相开关k接入A相；x_k＝2代表换相开关k接入B相；x_k＝3代表换相开关k接入C相，整个台区D台换相装置所连接的负荷相序状态组合可以用D个1到3的离散数字组成的行向量X表示。

X＝[x₁,x₂,…,x_D-1,x_D] (10)

如图2所示，基于多目标粒子群优化算法求解换相优化数学模型的非支配解集的主要步骤如下：

(1)初始化

设置算法参数，对粒子的位置和速度随机初始化。在D维解空间中，种群中含有N个粒子，每个粒子都代表一组换相开关的连接状态，初始化阶段随机生成N×D维矩阵Z。

(2)计算适应度函数

将生成的各个粒子代入公式(1)和公式(4)，计算不同负荷相序状态对应的台区三相电流不平衡度和换相开关动作个数，得到两个目标下分别的适应度函数值。

(3)求取非支配解集

依据适应度函数值，判断各个粒子位置的优劣程度，求出就不平衡度最小和换相开关动作个数最少两个目标的非支配解集。

(4)选取个体最优粒子和全局最优粒子

初代群体中，随机生成的粒子即为个体最优粒子。进入迭代阶段后，个体最优粒子通过比较更新后的粒子和原来的个体最优粒子选出。如果一个粒子对应的三相电流不平衡度和换相开关动作个数都小于另一个粒子，就选择该粒子为个体最优粒子。否则，在两个粒子中随机选择一个粒子作为个体最优粒子。全局最优粒子从更新后的非支配解集中随机选取。

(5)更新群体的速度和位置

依据公式(7)和公式(8)，更新粒子群的速度和位置，形成新一代的种群。算法运行过程中，每完成一次迭代都对非支配解集更新。达到最大迭代次数时运行结束，输出的非支配解集是几组台区换相开关连接相序。

为验证所提出方法的有效性，本实施例以某一配电台区为例搭建模型。该配电台区由34个节点构成，网络结构复杂，用户分布分散且负荷为随机性接入的单相负荷，负荷分布及换相装置配置情况如图3所示。某一时刻，测得配变低压侧A相电流105A、B相电流116A、C相电流154A，负荷不平衡度高达31.81％，通过换相装置动作调整负荷相序，降低当前台区三相不平衡度。

利用多目标粒子群算法，求解变压器低压侧三相电流不平衡度最小和换相开关动作个数最少时，非支配解集对应的负荷相序优化方案。设定搜索空间维数D为12，种群数量N为50，迭代次数T为200次。随机初始化粒子群的位置和速度，计算各个粒子的三相不平衡度和换相开关动作个数，依据这两个目标求取非劣解集。将第一代粒子任命为个体最优粒子，并从非劣解集里随机选择一个粒子作为全局最优粒子，代入速度和位置更新公式形成新一代粒子群。每次迭代后都重新计算种群的适应度函数值，更新个体最优粒子和全局最优粒子的位置。迭代200次后导航结束，输出最终的非支配解集。

非支配解在目标空间中的位置(α，β)可以理解为：要想使不平衡度降为α％，至少需要有β个换相开关切换负荷相序；也可以理解为：台区中β个换相开关动作时，不平衡度最低降为α％。该多目标问题优化得到的非支配解集由五个非劣解组成，各个非劣解在目标空间中的分布如图4所示。

下表1中给出了各个非支配解对应的电流不平衡度及换相开关动作方案，去除解集中换相开关动作个数为0的初始状态解，得到四种负荷相序优化方案：方案一有4个换相开关动作，不平衡度降低为1.59％；方案二有3个换相开关动作，不平衡度降低为3.91％；方案三有2个换相开关动作，不平衡度降低为6.15％；方案四有1个换相开关动作，不平衡度降低为14.71％。对四种方案中的两个目标同时比较，没有一个方案的不平衡度和换相开关动作个数均小于其他方案，因此无法比较这四种负荷相序调整方案的优劣。

表1各个非支配解对应的电流不平衡度及换相开关动作方案

利用分层序列法在四种优化方案中选取一个进行相应的相序调整。对目标按照重要程度排序，认为降低负荷不平衡度更为重要，选择三相电流不平衡度最小的非劣解，采用方案一优化换相。与三相不平度最小的单目标最优解相比，该非劣解能够在多个满足不平衡度最小的换相方案中，找出开关动作个数最少的方案。

0.055s时发出换相指令，换相开关在电流过零点断开当前相序，在下一个电压过零点接入新的相序。图5(a)、图5(b)、图5(c)和图5(d)分别为换相前后配电台区三相电压、电流、中性线电流及重载相负荷电压情况。由图5(a)可见，换相前C相电流与A相电流相差近50A，三相电流不平衡严重，换相后不平衡度显著降低，各相电流基本平衡；由图5(b)可见，换相前C相电压较低，A、B相电压较高，换相后三相电压相对均衡，电压不平衡状况得到改善；由图5(c)可知，换相前中性线电流超过30A，电流流经线路引起额外的电能损耗，换相后中性线电流显著下降，维持在10A以内；由图5(d)可知，换相前重载相负荷电压偏低，仅为198V，换相后上升到208V，提高了5.05％。仿真结果表明，本文的负荷相序调整方法能够有效治理台区三相负荷不平衡。

低压配电台区的负荷用电具有很强的随机性和不确定性，三相不平衡现象普遍存在。本实施例从均衡分配各相负荷的角度出发，运用换相控制策略调换部分用户的相序，改善配电网的三相不平衡状态。

(1)考虑线路最大允许载流量的约束，以配电变压器低压侧三相电流不平衡度最小和换相开关动作个数最少为目标，建立了台区优化换相数学模型。

(2)利用多目标粒子群优化算法，求取基于三相电流不平衡度最小和换相开关动作个数最少两个目标的非支配解集。利用分层序列法，选取负荷不平衡相序调整方案。MATLAB仿真验证了此方法能有效降低台区三相电压电流不平衡度，减小中性线电流，提高重载相负荷电压。

针对低压配电台区常见的三相负荷不平衡现象，本实施例研究了一种多目标三相负荷不平衡相序调整方法：运用换相控制策略，建立以电流不平衡度最小、换相开关动作个数最少为目标的优化换相数学模型；通过多目标粒子群算法，求取目标函数的非支配解集，得到各个非支配解对应的负荷相序调整方案；利用分层序列法，对目标按照重要程度排序，获得每个负荷的最优分配方式；通过MATLAB仿真验证了该方法的有效性，可显著降低配电台区三相负荷的不平衡程度。

实施例二

本公开实施例二提供了一种电台区多目标三配相负荷不平衡相序调整系统。

如图6所示的一种配电台区多目标三配相负荷不平衡相序调整系统，包括：

建模单元，用于获取配电台区负荷的数据信息，搭建换相优化数学模型；

求解单元，构造换相优化数学模型的目标函数，以电流不平衡度最小和换相开关动作个数最小为目标，基于多目标粒子群优化算法求解换相优化数学模型的非支配解集，得到各个非支配解集对应的负荷相序调整方案；

优化单元，利用分层序列法，按照重要程度排序，在所述得到各个非支配解集对应的负荷相序调整方案中选取每个负荷不平衡相序调整的最优方案。

本实施例中的配电台区多目标三配相负荷不平衡相序调整系统的详细调整步骤与实施例一中所提供的配电台区多目标三配相负荷不平衡相序调整方法相同，在此不再赘述。

上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (5)

1.配电台区多目标三相负荷不平衡相序调整方法，其特征在于，包括以下步骤：

获取配电台区负荷的数据信息，搭建换相优化数学模型；

构造所述换相优化数学模型的目标函数；

以电流不平衡度最小和换相开关动作个数最小为目标，基于多目标粒子群优化算法求解换相优化数学模型的非支配解集，得到各个非支配解集对应的负荷相序调整方案；

利用分层序列法，按照重要程度排序，在所述得到各个非支配解集对应的负荷相序调整方案中选取每个负荷不平衡相序调整的最优方案；

所述换相优化数学模型包括以电流不平衡度最小为目标的第一换相优化数学模型和以换相开关动作个数最小为目标的第二换相优化数学模型；

所述第一换相优化数学模型的目标函数是负荷相序组合用向量的三相电流不平衡度，约束条件是各线路电流不超过线路最大允许载流量；

换相开关的动作个数取决于换相前后各个开关所连接的负荷相序变化情况；所述第二换相优化数学模型的目标函数是整个配电台区内所有的换相开关的动作个数；

所述换相开关动作个数越少，电流不平衡调节的效力越低，不存在两个目标同时达到最小的最优解；

所述基于多目标粒子群优化算法求解换相优化数学模型的非支配解集，具体过程包括：

设置算法参数，对各粒子的位置和速度进行初始化设置；

基于第一换相优化数学模型和第二换相优化数学模型的目标函数，分别计算相应的适应度函数；

通过相应的适应度函数，判断各个粒子位置的优劣程度，求出基于不平衡度最小和换相开关动作个数最少的两个目标函数的非支配解集；

选取个体最优粒子和全局最优粒子；

更新粒子群的速度和位置，形成新一代的种群，完成一次迭代后更新非支配解集；

判断是否达到最大迭代次数，若是则输出更新后的非支配解集，否则增加迭代次数重新计算适应度函数。

2.如权利要求1中所述的配电台区多目标三相负荷不平衡相序调整方法，其特征在于，结合配电网运维规则，在计算三相电流不平衡度的大小时，通过计算三相电流中最大电流值与最小电流值的差值，该差值与三相电流中最大电流值的比值即为三相电流不平衡度。

3.如权利要求1中所述的配电台区多目标三相负荷不平衡相序调整方法，其特征在于，所述选取个体最优粒子和全局最优粒子的过程中，在初代群体中，随机生成的粒子即为个体最优粒子；进入迭代阶段后，个体最优粒子通过比较更新后的粒子和原来的个体最优粒子选出；若一个粒子所对应的三相电流不平衡度和换相开关动作个数均小于另一个粒子，则将该粒子定义为个体最优粒子，否则，随机选择个体最优粒子。

4.如权利要求1中所述的配电台区多目标三相负荷不平衡相序调整方法，其特征在于，设是多目标优化函数，X ₁和X ₂是所述多目标优化函数的两个可行解，

则X ₁支配X ₂；若空间中不存在其他解支配X ₁，则称X ₁为多目标优化函数的非支配解。

5.配电台区多目标三相负荷不平衡相序调整系统，采用了如权利要求1-4中任一项所述的配电台区多目标三相负荷不平衡相序调整方法，其特征在于，包括：

建模单元，用于获取配电台区负荷的数据信息，搭建换相优化数学模型；

求解单元，构造换相优化数学模型的目标函数，以电流不平衡度最小和换相开关动作个数最小为目标，基于多目标粒子群优化算法求解换相优化数学模型的非支配解集，得到各个非支配解集对应的负荷相序调整方案；

优化单元，利用分层序列法，按照重要程度排序，在所述得到各个非支配解集对应的负荷相序调整方案中选取每个负荷不平衡相序调整的最优方案。