林清源，薛毓強(qiáng)，曾乙宸

(福州大學(xué)電氣工程與自動(dòng)化學(xué)院，福建 福州 350108)

1 引言

配電網(wǎng)是從輸電系統(tǒng)或發(fā)電廠接受電能然后分配給電力用戶的中間環(huán)節(jié)，在向用戶供電中占有重要地位，不同于輸電網(wǎng)，其電壓等級(jí)相對(duì)較低，因此網(wǎng)絡(luò)損耗較大。在各種降低配網(wǎng)損耗的措施中，配電網(wǎng)重構(gòu)因?yàn)椴恍枰黾油獠客顿Y而成為各學(xué)者研究的重點(diǎn)，其實(shí)質(zhì)就是在滿足系統(tǒng)輻射狀等安全運(yùn)行條件下，通過(guò)改變線路聯(lián)絡(luò)開(kāi)關(guān)和分段開(kāi)關(guān)的組合狀態(tài)，優(yōu)化當(dāng)前配電網(wǎng)運(yùn)行結(jié)構(gòu)，達(dá)到降低網(wǎng)絡(luò)損耗、改善電壓質(zhì)量等目的。

2008年國(guó)際大電網(wǎng)會(huì)議提出了主動(dòng)配電網(wǎng)(active distribution network，ADN)的概念，定義是：通過(guò)使用靈活的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)來(lái)管理潮流，以便對(duì)局部的分布式能源進(jìn)行主動(dòng)控制和主動(dòng)管理的配電系統(tǒng)[1]。其中分布式能源包括分布式發(fā)電(distributed generation，DG)、可控負(fù)荷(controllable load，CL)和分布式儲(chǔ)能(electrical energy storage，EES)，DG有光伏發(fā)電和風(fēng)力發(fā)電等，CL有電動(dòng)汽車(chē)(electric vehicle，EV)和響應(yīng)負(fù)荷(responsive load，RL)等。配電網(wǎng)優(yōu)化重構(gòu)就是對(duì)穩(wěn)定運(yùn)行的配電網(wǎng)進(jìn)行主動(dòng)控制，以往的重構(gòu)研究主要是考慮單一目標(biāo)的靜態(tài)重構(gòu)[2]，但隨著DG和EV大量接入配電網(wǎng)，考慮不確定因素的動(dòng)態(tài)重構(gòu)成為了研究重點(diǎn)。

本文介紹了傳統(tǒng)配電網(wǎng)靜態(tài)重構(gòu)模型以及動(dòng)態(tài)重構(gòu)一般思路，列舉了當(dāng)前重構(gòu)中對(duì)分布式電源出力等不確定因素的處理方法，分析了各種重構(gòu)算法的優(yōu)缺點(diǎn)，最后指出了未來(lái)配電網(wǎng)重構(gòu)的研究重點(diǎn)。

2 配電網(wǎng)重構(gòu)模型

配電網(wǎng)優(yōu)化重構(gòu)有靜態(tài)重構(gòu)和動(dòng)態(tài)重構(gòu)[3]。靜態(tài)重構(gòu)針對(duì)的是某一時(shí)刻的配電網(wǎng)狀態(tài)來(lái)對(duì)目標(biāo)進(jìn)行優(yōu)化，是動(dòng)態(tài)重構(gòu)的基礎(chǔ)。而動(dòng)態(tài)重構(gòu)考慮的是某一連續(xù)時(shí)段內(nèi)隨負(fù)荷波動(dòng)情況進(jìn)行優(yōu)化，更符合實(shí)際情況。但動(dòng)態(tài)重構(gòu)結(jié)果頻繁變化會(huì)降低系統(tǒng)的穩(wěn)定性和經(jīng)濟(jì)性，所以常需要開(kāi)關(guān)操作次數(shù)的約束。

2.1 靜態(tài)重構(gòu)

(1)配電網(wǎng)重構(gòu)中將需要優(yōu)化的指標(biāo)都通過(guò)數(shù)學(xué)表達(dá)式來(lái)描述，常見(jiàn)的目標(biāo)函數(shù)如下。

①配電網(wǎng)有功網(wǎng)損最小

(1)

式中，m為配電網(wǎng)中的支路總數(shù)；βk為該支路上聯(lián)絡(luò)開(kāi)關(guān)或者分段開(kāi)關(guān)的開(kāi)合狀態(tài)，閉合時(shí)值為l，斷開(kāi)時(shí)值為0；Rk為支路k的電阻值；Pk和Qk為支路k的有功和無(wú)功功率；Uk為支路k末端節(jié)點(diǎn)電壓。

②均衡負(fù)荷

(2)

式中，Sk、Sk.max分別為支路k的視在功率的實(shí)際值和允許的最大值。

③節(jié)點(diǎn)電壓偏差最小

(3)

式中，Ui為節(jié)點(diǎn)i的實(shí)際電壓；Ur為額定電壓。

相比于以上傳統(tǒng)的單目標(biāo)重構(gòu)，現(xiàn)在更多文獻(xiàn)考慮的是多目標(biāo)重構(gòu)，但多目標(biāo)重構(gòu)時(shí)，各個(gè)目標(biāo)普遍存在相互制約的情況，多個(gè)目標(biāo)難以同時(shí)達(dá)到最優(yōu)，只能得到折中解。簡(jiǎn)單的做法是采用線性加權(quán)和法將多目標(biāo)問(wèn)題轉(zhuǎn)化為單目標(biāo)問(wèn)題，比如文獻(xiàn)[4]將污染物排放量最少，供電可靠性提高最大，DG總費(fèi)用最小，有功損耗費(fèi)用最小這四個(gè)目標(biāo)函數(shù)乘上各自的權(quán)重系數(shù)后相加轉(zhuǎn)化為單一目標(biāo)函數(shù)；文獻(xiàn)[5]把有功損耗和負(fù)荷均衡指數(shù)最小兩個(gè)目標(biāo)函數(shù)加權(quán)合并為單個(gè)目標(biāo)。但是單一目標(biāo)不能完整地反映實(shí)際配電網(wǎng)運(yùn)行要求，各目標(biāo)度量標(biāo)準(zhǔn)不一致，加權(quán)值帶有主觀性?，F(xiàn)在一般是基于Pareto最優(yōu)的方法，求得的Pareto最優(yōu)解是一個(gè)集合，根據(jù)實(shí)際情況和決策者偏好從解集中挑選出一個(gè)或多個(gè)解作為所求多目標(biāo)優(yōu)化問(wèn)題的最優(yōu)解。文獻(xiàn)[6]以降低網(wǎng)損和開(kāi)關(guān)動(dòng)作次數(shù)為優(yōu)化目標(biāo)，改進(jìn)單目標(biāo)灰狼算法為多目標(biāo)算法，通過(guò)逐步淘汰的方法得到最優(yōu)的pareto解集。文獻(xiàn)[7]計(jì)及網(wǎng)架結(jié)構(gòu)的均勻性，提出了兼顧均勻性和有功功率損耗的配電網(wǎng)多目標(biāo)重構(gòu)模型，通過(guò)多目標(biāo)和聲搜索算法求解該模型；文獻(xiàn)[8]以網(wǎng)損，節(jié)點(diǎn)電壓，開(kāi)關(guān)次數(shù)為優(yōu)化目標(biāo)，將粒子群算法結(jié)合pareto支配關(guān)系求解模型，并通過(guò)輪盤(pán)賭選取全局最優(yōu)。

文獻(xiàn)[9]以降低網(wǎng)損和減少開(kāi)關(guān)操作次數(shù)為綜合優(yōu)化目標(biāo),由于網(wǎng)損和開(kāi)關(guān)操作次數(shù)這兩個(gè)優(yōu)化目標(biāo)會(huì)互相沖突，無(wú)法同時(shí)達(dá)到最優(yōu)，因此通過(guò)一種新型的復(fù)合型微分進(jìn)化多目標(biāo)優(yōu)化算法來(lái)求解。

(2)配電網(wǎng)重構(gòu)還需要滿足一定的條件限制，一般的約束條件如下。

①潮流約束

(4)

(5)

式中，Pis為節(jié)點(diǎn)i注入的有功功率；Qis為節(jié)點(diǎn)i注入的無(wú)功功率；Vi為節(jié)點(diǎn)i的電壓幅值；Gij為節(jié)點(diǎn)導(dǎo)納矩陣實(shí)部；Bij為節(jié)點(diǎn)導(dǎo)納矩陣虛部；θij為節(jié)點(diǎn)i和節(jié)點(diǎn)j的相角差。

②節(jié)點(diǎn)電壓約束

Vi.min≤Vi≤Vi.max

(6)

式中，Vi為節(jié)點(diǎn)i的電壓；Vi.min和Vi.max分別為節(jié)點(diǎn)i電壓下限和上限。

③支路功率約束

Sk≤Sk.max

(7)

式中，Sk為流過(guò)支路k的功率；Sk.max為支路k的傳輸功率上限。

(4)拓?fù)浣Y(jié)構(gòu)約束

配電網(wǎng)重構(gòu)后要保持輻射狀結(jié)構(gòu)，不能出現(xiàn)環(huán)路或孤島

2.2 動(dòng)態(tài)重構(gòu)

動(dòng)態(tài)重構(gòu)的一般思路就是將整個(gè)連續(xù)時(shí)段劃分為多個(gè)離散時(shí)段，再在各個(gè)時(shí)段進(jìn)行靜態(tài)重構(gòu)，由于動(dòng)態(tài)重構(gòu)不是靜態(tài)重構(gòu)的簡(jiǎn)單組合，還需要考慮時(shí)段間的聯(lián)系，依據(jù)判定條件合并相鄰重構(gòu)時(shí)段，滿足開(kāi)關(guān)動(dòng)作次數(shù)的限制。因此，如何進(jìn)行重構(gòu)時(shí)段劃分，將有限的開(kāi)關(guān)動(dòng)作次數(shù)分配到各個(gè)時(shí)段是研究的重點(diǎn)。

目前動(dòng)態(tài)重構(gòu)時(shí)段劃分方式大致分為倆類。第一類是根據(jù)預(yù)測(cè)的負(fù)荷曲線來(lái)劃分重構(gòu)時(shí)段：文獻(xiàn)[10]考慮到負(fù)荷長(zhǎng)時(shí)間緩慢變化和短時(shí)間快速變化的情況，根據(jù)負(fù)荷曲線波動(dòng)的單調(diào)性和大小來(lái)初步劃分時(shí)段，再以網(wǎng)損閾值作為判斷依據(jù)確定最終的時(shí)段數(shù)。文獻(xiàn)[11]先用改進(jìn)最優(yōu)模糊C均值聚類對(duì)負(fù)荷數(shù)據(jù)聚類和初步劃分時(shí)段，再用枚舉法二次劃分，這種方法步驟繁瑣而且需要預(yù)設(shè)分段數(shù)。文獻(xiàn)[12]也是先用改進(jìn)模糊C均值聚類初步劃分時(shí)段，再定義損失函數(shù)確定最優(yōu)分段數(shù)。文獻(xiàn)[13]采用改進(jìn)的雙層聚類劃分時(shí)段，不僅考慮了負(fù)荷曲線幅值上的差異，還考慮到曲線形態(tài)上的差異，其中外層以皮爾遜為相似度量進(jìn)行形態(tài)相似聚類，內(nèi)層以歐氏距離為相似度量進(jìn)行幅值相近聚類。

第二類是先將周期時(shí)段以固定的時(shí)間間隔簡(jiǎn)單劃分為多個(gè)時(shí)段，再以不同判斷依據(jù)合并這些時(shí)段：文獻(xiàn)[14]將全天分為24個(gè)時(shí)段，計(jì)算各時(shí)段功率矩不平衡度，依次比較兩個(gè)時(shí)段功率矩不平衡度的極差和標(biāo)準(zhǔn)差，小于設(shè)定值則合并時(shí)段；文獻(xiàn)[15]將重構(gòu)后的網(wǎng)損和電壓總偏移量作為系統(tǒng)運(yùn)行性能指標(biāo)，經(jīng)過(guò)歸一化和權(quán)重系數(shù)的方法融合成綜合運(yùn)行指標(biāo)，把一天分為24個(gè)時(shí)段，對(duì)于綜合運(yùn)行指標(biāo)標(biāo)準(zhǔn)差小于設(shè)定值的時(shí)段進(jìn)行合并；文獻(xiàn)[16]基于信息熵減小最少來(lái)合并時(shí)段，不需要預(yù)設(shè)分段數(shù)和用來(lái)比較的閾值，避免了人為主觀性的影響；文獻(xiàn)[17]先對(duì)24個(gè)時(shí)段進(jìn)行靜態(tài)重構(gòu)，然后把相同拓?fù)浣Y(jié)構(gòu)的時(shí)段合并，得到初步合并的時(shí)段，計(jì)算這些時(shí)段的動(dòng)態(tài)降損參數(shù)，根據(jù)參數(shù)大小進(jìn)一步合并時(shí)段以滿足開(kāi)關(guān)次數(shù)限制。

2.3 不確定因素處理方法

隨著DG和EV對(duì)配電網(wǎng)的滲透率越來(lái)越高，考慮DG和EV帶來(lái)的不確定性因素的配電網(wǎng)重構(gòu)具有重要現(xiàn)實(shí)意義。

傳統(tǒng)的配電網(wǎng)重構(gòu)只考慮DG，將其簡(jiǎn)單當(dāng)作功率為負(fù)的負(fù)荷，即把DG當(dāng)作PQ節(jié)點(diǎn)，不考慮其出力的不確定性[18-19]，然后用前推回代法進(jìn)行確定性潮流計(jì)算。這種做法沒(méi)有考慮到各種DG的模型是不同的，為了更符合實(shí)際，可以將分布式電源分為PQ、PQ(V)、PI、PV等四類節(jié)點(diǎn)，用前推回代法進(jìn)行潮流計(jì)算時(shí)，因?yàn)橹荒芴幚鞵Q節(jié)點(diǎn)，要將其他三類節(jié)點(diǎn)轉(zhuǎn)換為PQ節(jié)點(diǎn)[20-21]，但這種做法也沒(méi)有考慮到DG出力的不確定性。

現(xiàn)在最普遍的方法是采用概率分布模型來(lái)描述DG、EV的不確定性，文獻(xiàn)[22-24]用Weibull分布、Beta分布、正態(tài)分布來(lái)描述風(fēng)電、光伏、電動(dòng)汽車(chē)和負(fù)荷的不確定性，其中文獻(xiàn)[22]采用半不變量法和Cornish-Fisher級(jí)數(shù)展開(kāi)法進(jìn)行概率潮流計(jì)算；文獻(xiàn)[23]采用拉丁超立方采樣法結(jié)合牛頓拉夫遜法進(jìn)行概率潮流計(jì)算；文獻(xiàn)[24]采用基于拉丁超立方采樣的蒙特卡洛法進(jìn)行隨機(jī)潮流的計(jì)算。

由于概率分布函數(shù)不易確定，而且求解過(guò)程中的卷積計(jì)算比較復(fù)雜，一些文獻(xiàn)引入了區(qū)間數(shù)來(lái)描述不確定量，相比于概率模型，只需得到不確定量的上下界即可，更有工程應(yīng)用價(jià)值。文獻(xiàn)[17]用區(qū)間數(shù)描述DG和EV的不確定性，以區(qū)間數(shù)描述最小化網(wǎng)損作為目標(biāo)函數(shù)；文獻(xiàn)[25]對(duì)DG和負(fù)荷的不確定性進(jìn)行仿射數(shù)建模。

場(chǎng)景分析法也是處理不確定性問(wèn)題的有效方法，將不確定問(wèn)題轉(zhuǎn)化到多個(gè)確定性場(chǎng)景中處理，避免建立復(fù)雜的隨機(jī)數(shù)學(xué)模型，相比于概率分布模型更加簡(jiǎn)潔,計(jì)算效率更高。文獻(xiàn)[26]根據(jù)風(fēng)速大小與風(fēng)電機(jī)組出力的關(guān)系將風(fēng)電機(jī)組的出力劃分為額定、欠額定、停機(jī)三種場(chǎng)景，并確定每種場(chǎng)景發(fā)生的概率和該場(chǎng)景下風(fēng)電機(jī)組輸出功率的期望值；文獻(xiàn)[27]對(duì)DG和EV進(jìn)行場(chǎng)景劃分，不同場(chǎng)景內(nèi)采用線性化潮流計(jì)算，在不失準(zhǔn)確性的前提下簡(jiǎn)化了DG和EV的概率模型和潮流計(jì)算。但這種方法是假設(shè)不同DG間各場(chǎng)景發(fā)生概率相互獨(dú)立，忽略了DG出力的相關(guān)性，而且隨著更多 DG 的接入，場(chǎng)景分析法容易出現(xiàn)場(chǎng)景組合爆炸。文獻(xiàn)[28-29]對(duì)風(fēng)機(jī)、光伏出力和負(fù)荷進(jìn)行場(chǎng)景劃分時(shí)，為了避免場(chǎng)景組合爆炸，采用同步回代縮減法進(jìn)行場(chǎng)景削減。

3 重構(gòu)算法

配電網(wǎng)線路上有大量的開(kāi)關(guān)，組合方案非常多，所以配電網(wǎng)重構(gòu)在數(shù)學(xué)上是復(fù)雜的非線性組合優(yōu)化問(wèn)題，需要選取合適的算法進(jìn)行求解。目前配電網(wǎng)重構(gòu)算法有數(shù)學(xué)優(yōu)化算法、啟發(fā)式算法、人工智能算法以及上述算法的結(jié)合。

3.1 數(shù)學(xué)優(yōu)化算法

通過(guò)建立數(shù)學(xué)模型用數(shù)學(xué)優(yōu)化算法求解，不依賴于配電網(wǎng)結(jié)構(gòu)，但隨著配電網(wǎng)規(guī)模的擴(kuò)大，計(jì)算量較大，不能有效收斂，因此不適用于當(dāng)前的配電網(wǎng)重構(gòu)。文獻(xiàn)[30]提出了0-1整數(shù)規(guī)劃法求解配電網(wǎng)重構(gòu)，使系統(tǒng)損耗最小。

3.2 啟發(fā)式算法

啟發(fā)式算法中用于配電網(wǎng)重構(gòu)的有支路交換法和最優(yōu)流模式法。

支路交換法由Civanlar等人提出[31]，又稱開(kāi)關(guān)交換法，為了保持配電網(wǎng)輻射狀結(jié)構(gòu)，一次只閉合一個(gè)聯(lián)絡(luò)開(kāi)關(guān)，然后打開(kāi)一個(gè)分段開(kāi)關(guān)，這一過(guò)程稱為一次拓?fù)湔{(diào)整，通過(guò)改變開(kāi)關(guān)狀態(tài)來(lái)轉(zhuǎn)移負(fù)荷，實(shí)現(xiàn)負(fù)荷均衡從而減小網(wǎng)絡(luò)損耗。這種算法尋優(yōu)時(shí)間長(zhǎng)，效率較低，容易陷入局部最優(yōu)。文獻(xiàn)[32]針對(duì)傳統(tǒng)支路交換法一次只能實(shí)現(xiàn)一個(gè)拓?fù)湔{(diào)整的情況，提出了一次能實(shí)現(xiàn)多個(gè)獨(dú)立拓?fù)湔{(diào)整的方案，根據(jù)節(jié)點(diǎn)流過(guò)的負(fù)荷電流值與理想轉(zhuǎn)移負(fù)荷之間的距離來(lái)決定是否斷開(kāi)分段開(kāi)關(guān)，當(dāng)網(wǎng)損降低效率低于給定閾值時(shí)不再進(jìn)行重構(gòu)。

最優(yōu)流模式法由Shirmohammadi等人[33]提出。先閉合配電網(wǎng)所有開(kāi)關(guān)形成多個(gè)環(huán)網(wǎng)，每次打開(kāi)一個(gè)開(kāi)關(guān)，計(jì)算最優(yōu)潮流，直到網(wǎng)絡(luò)形成輻射狀結(jié)構(gòu)，以環(huán)網(wǎng)損耗最小為目標(biāo)尋找最優(yōu)潮流分布，將求解開(kāi)關(guān)操作方式轉(zhuǎn)化為求解潮流的問(wèn)題。這種算法應(yīng)用在實(shí)際復(fù)雜配電網(wǎng)中計(jì)算量比較大，而且環(huán)網(wǎng)間會(huì)相互影響，不同的開(kāi)關(guān)操作順序會(huì)影響最終的結(jié)果。文獻(xiàn)[34]改進(jìn)了算法，提高了全局尋優(yōu)的能力，但仍沒(méi)有解決開(kāi)關(guān)操作順序帶來(lái)影響的問(wèn)題。

3.3 人工智能算法

人工智能算法模擬的是自然界中的各種自然過(guò)程，在求解復(fù)雜多變的不確定性問(wèn)題時(shí)比數(shù)學(xué)優(yōu)化算法和啟發(fā)式算法有明顯的優(yōu)勢(shì)，常見(jiàn)的算法有：粒子群算法、遺傳算法、模擬退火算法、人工神經(jīng)網(wǎng)絡(luò)等。

粒子群算法模擬的是自然界中鳥(niǎo)群覓食時(shí)的遷徙和群體行為，模仿鳥(niǎo)群之間協(xié)作學(xué)習(xí)、信息分享來(lái)實(shí)現(xiàn)尋優(yōu)的目的。該算法計(jì)算簡(jiǎn)單，控制參數(shù)少，但容易陷入局部最優(yōu)。文獻(xiàn)[35]采用基于環(huán)路十進(jìn)制編碼策略的改進(jìn)粒子群算法；文獻(xiàn)[36]為了解決基本粒子群算法容易陷入局部最優(yōu)的問(wèn)題，采用了量子粒子群算法并加以改進(jìn)。

遺傳算法模擬的是生物遺傳進(jìn)化過(guò)程，通過(guò)復(fù)制、交叉、變異產(chǎn)生下一代種群。該算法不依賴梯度尋優(yōu)信息，具有并行性和自適應(yīng)性，不易陷入局部最優(yōu)。文獻(xiàn)[37]改進(jìn)了遺傳算法的染色體編碼，適應(yīng)度函數(shù)和變異模式，提高了尋優(yōu)效率。文獻(xiàn)[38]采用十進(jìn)制編碼策略的改進(jìn)遺傳算法，環(huán)網(wǎng)個(gè)數(shù)為染色體長(zhǎng)度，開(kāi)關(guān)狀態(tài)為染色體基因，并采用分層前推回代進(jìn)行潮流計(jì)算。

模擬退火算法模擬的是固體的退火過(guò)程，屬于隨機(jī)尋優(yōu)的算法。該算法在確定初始值下，從現(xiàn)有網(wǎng)絡(luò)結(jié)構(gòu)通過(guò)交換支路形成新的網(wǎng)絡(luò)結(jié)構(gòu)，計(jì)算潮流和網(wǎng)損等目標(biāo)函數(shù)，如果該網(wǎng)損值比較小則沿用該結(jié)構(gòu)，否則按一定概率選擇新的結(jié)構(gòu)，如此重復(fù)直到最大支路交換數(shù)，冷卻繼續(xù)，若滿足負(fù)荷結(jié)束判據(jù)則結(jié)束該過(guò)程。文獻(xiàn)[39]把模擬退火算法引入到二進(jìn)制粒子群算法中，解決了粒子群算法容易陷入局部最優(yōu)的問(wèn)題，能有效快速降低網(wǎng)損。

人工神經(jīng)網(wǎng)絡(luò)算法是根據(jù)邏輯規(guī)則進(jìn)行推理的過(guò)程，先通過(guò)神經(jīng)元上的興奮模式分布將儲(chǔ)在網(wǎng)絡(luò)上的信息轉(zhuǎn)換成概念，并用符號(hào)表示，然后，通過(guò)神經(jīng)元之間同時(shí)相互作用的動(dòng)態(tài)過(guò)程來(lái)完成信息處理，根據(jù)符號(hào)運(yùn)算按串行模式進(jìn)行邏輯推理[40]。人工神經(jīng)網(wǎng)絡(luò)算法應(yīng)用在配電網(wǎng)重構(gòu)時(shí)不需要潮流計(jì)算和降損效果的估算，只要訓(xùn)練樣本就能得到最優(yōu)解，但需要大量精確的樣本。文獻(xiàn)[41]提出將BP神經(jīng)網(wǎng)絡(luò)用在配電網(wǎng)重構(gòu)中降低網(wǎng)絡(luò)損耗。隨著配電網(wǎng)結(jié)構(gòu)越來(lái)越復(fù)雜，人工神經(jīng)網(wǎng)絡(luò)在重構(gòu)中的應(yīng)用受到了限制。

3.4 其它算法

除了以上算法，還有禁忌搜索算法[42]、和聲搜索算法[43]、果蠅優(yōu)化算法[44]、人工魚(yú)群算法[45]等越來(lái)越多的算法被用于配電網(wǎng)重構(gòu)問(wèn)題的求解，但隨著分布式電源與電動(dòng)汽車(chē)的接入，配電網(wǎng)的規(guī)模逐漸擴(kuò)大，基本的智能算法在尋優(yōu)效率，計(jì)算時(shí)間等都存在不足，因此，現(xiàn)在更多做法的是根據(jù)實(shí)際需求改進(jìn)算法，或者是多種算法相結(jié)合，彌補(bǔ)各自的缺陷。

文獻(xiàn)[29]在傳統(tǒng)螢火蟲(chóng)算法的基礎(chǔ)上引入了混沌理論和全局化的思想，克服了原本算法容易早熟、收斂速度慢和過(guò)度依賴控制參數(shù)等缺陷；文獻(xiàn)[46]采用基于回路的十進(jìn)制整數(shù)編碼，在入侵雜草算法的基礎(chǔ)上，提出初始種群選擇機(jī)制，使隨機(jī)產(chǎn)生的初始值得到優(yōu)化，還引入了Lévy飛行過(guò)程、類海明距離判定和種子數(shù)量調(diào)節(jié)策略，提高了全局尋優(yōu)能力和收斂速度；文獻(xiàn)[3]將改進(jìn)遺傳算法和動(dòng)態(tài)小生境差分進(jìn)化算法結(jié)合到一起，該混合算法避免了多目標(biāo)權(quán)重選取的主觀性，克服了改進(jìn)遺傳算法在后期容易陷入局部最優(yōu)的缺點(diǎn)。

4 配電網(wǎng)重構(gòu)研究重點(diǎn)

目前多數(shù)配電網(wǎng)重構(gòu)研究都是基于配電網(wǎng)三相對(duì)稱，等效為單相模型，但實(shí)際中配電網(wǎng)是三相不對(duì)稱的，為了更加貼近工程實(shí)際，需要研究三相不對(duì)稱情況下的配電網(wǎng)重構(gòu)，建立三相潮流模型，考慮三相不平衡的數(shù)學(xué)模型，在這方面已經(jīng)開(kāi)始有一些學(xué)者進(jìn)行研究[25,47-48]。

配電網(wǎng)潮流計(jì)算作為配電系統(tǒng)優(yōu)化運(yùn)行分析的基礎(chǔ)，是重構(gòu)中必不可少的步驟，傳統(tǒng)前推回代法，牛頓法等確定性潮流隨著分布式電源和電動(dòng)汽車(chē)接入配電網(wǎng)已經(jīng)不再適用，需要選取合適的不確定性潮流，比如模糊潮流、概率潮流、和區(qū)間潮流等，加快潮流計(jì)算速度，縮短重構(gòu)時(shí)間。

隨著配電網(wǎng)規(guī)模的不斷擴(kuò)大，傳統(tǒng)的重構(gòu)算法不再適用，盡管學(xué)者們已經(jīng)提出了許多算法用于配電網(wǎng)重構(gòu)，但都有各自的缺陷，需要繼續(xù)研究算法的改進(jìn)，提高尋優(yōu)效率，解決計(jì)算精度和速度的矛盾。

隨著對(duì)配電網(wǎng)運(yùn)行的可靠性、安全性、經(jīng)濟(jì)性和供電質(zhì)量的要求日益提高，對(duì)配電網(wǎng)重構(gòu)的目標(biāo)和約束條件也越來(lái)越苛刻，構(gòu)建能反映多方利益、滿足技術(shù)、物理和運(yùn)行約束的多目標(biāo)重構(gòu)模型有重要的現(xiàn)實(shí)意義，如何更好處理多個(gè)目標(biāo)之間的關(guān)系，使優(yōu)化效果最好是研究重點(diǎn)。

配電網(wǎng)是一個(gè)連續(xù)，變化的系統(tǒng)，系統(tǒng)中的各節(jié)點(diǎn)負(fù)荷和DG注入功率都會(huì)隨時(shí)間變化，導(dǎo)致網(wǎng)絡(luò)最優(yōu)拓?fù)浣Y(jié)構(gòu)也一直變化，靜態(tài)重構(gòu)在該時(shí)刻求得的開(kāi)關(guān)操作方案在下一時(shí)刻已經(jīng)不再適用，需要考慮動(dòng)態(tài)重構(gòu)，動(dòng)態(tài)重構(gòu)的特點(diǎn)是單個(gè)時(shí)段有空間復(fù)雜性，整個(gè)時(shí)段有時(shí)間復(fù)雜性，研究重點(diǎn)是重構(gòu)時(shí)段的劃分，把有限的開(kāi)關(guān)操作次數(shù)合理分配到各個(gè)時(shí)段。

5 結(jié)論

研究配電網(wǎng)重構(gòu)對(duì)于提高系統(tǒng)經(jīng)濟(jì)性，可靠性，安全性和電能質(zhì)量等具有重要意義。當(dāng)前配電網(wǎng)單目標(biāo)靜態(tài)重構(gòu)的研究已經(jīng)較為成熟，而考慮DG出力等不確定因素的多目標(biāo)動(dòng)態(tài)重構(gòu)的研究還較少，不確定因素的處理，動(dòng)態(tài)時(shí)段的劃分，多目標(biāo)重構(gòu)算法的運(yùn)用都是研究的重點(diǎn)，為了使配電網(wǎng)重構(gòu)能更加適用于實(shí)際工程，考慮配電網(wǎng)三相不平衡的動(dòng)態(tài)重構(gòu)是未來(lái)研究方向。隨著配電網(wǎng)規(guī)模的不斷擴(kuò)大，對(duì)配電網(wǎng)自動(dòng)化技術(shù)的要求也越來(lái)越高，配電網(wǎng)重構(gòu)作為系統(tǒng)優(yōu)化的重要手段還需要更加深入的研究。