摘 要

近年来，随着分布式电源的研究和技术的发展，配电网中DG的渗透率不断提高，对配电网的结构和运行方式产生了多方面的影响。对含分布式电源的配电网进行以网损最小为目标的网络重构具有重要意义。

本文先提出了一种网损最小的配电网重构的启发式算法——支路交换法。对于网络中每一次的负荷变化，该方法都需要进行大量的潮流计算进行寻优，运算速度慢。因此为使含分布式电源的配电网重构后的有功损耗最小且重构速度快，本文提出了基于SVM的配电网重构模型来反映负荷模式与开关状态的非线性关系。该模型主要是利用了SVM中的核函数将线性不可分的样本点映射到高维空间并且线性可分，解决有限样本、非线性和高维识别的问题。经过训练后的SVM可以根据样本的负荷模式输入快速得到开关状态的输出。通过IEEE33节点算例进行仿真研究，并与基于神经网络的配电网重构模型进行对比，算例表明本文所提出的方法在保持学习速度快的同时，取得了较好的预测效果。

关键词：配电网重构 网损最小 支路交换法 支持向量机

Abstract

In recent years, with the development of distributed generator and technology, the permeability of DG in the distribution network has been improved, which has greatly influenced the structure and operation mode of the distribution network.It is essential to carry out the network reconfiguration with the minimum power loss for distribution network with distributed power supply.

In this paper, we propose a heuristic algorithm for network reconstruction with the aim of minimum power loss - branch switching method. For each load change in the network, the method requires a large number of power flow calculation to optimize. The operation speed is slow. Therefore, in order to minimize the active loss after reconstructing the distribution network with DG and the reconstruction speed is fast, this paper proposes a SVM-based distribution network reconfiguration model to reflect the nonlinear relationship between load mode and switch state. The model mainly uses the kernel function in SVM to change linear inseparable sample points into linearly separable in high dimensional space to solve the problem of finite samples, nonlinear and high dimensional recognition. The SVM after training can quickly get the switch state output. according to the input of sample load mode. Compared with reconfiguration model based on the neural network, the simulation results show that the method proposed in this paper can improve the learning speed and achieve better prediction results.

Keywords: distribution network reconfiguration, minimal power loss, branch switching method, Support Vector Machines

目 录

第1章 绪论 1

1.1 配电网重构研究的背景及意义 1

1.2研究现状 2

1.2.1人工智能算法 3

1.2.2数学优化方法 3

1.2.3启发式方法 4

1.3配电网重构问题概述 4

1.3.1最小化系统网络损耗目标函数 5

1.3.2网损最小问题的约束条件 5

1.4 论文的主要工作 5

第2章 配电网重构的传统算法 7

2.1遗传算法的基本过程 7

2.2基于遗传算法的配电网重构 9

2.3本章小结 10

第3章 含分布式电源的配电网潮流计算 11

3.1分布式电源的种类和特点 11

3.2分布式电源在潮流计算中的处理 12

3.2.1燃料电池 12

3.2.2光伏发电系统 12

3.2.3同步发电系统 12

3.2.4风力发电机 13

3.3支路交换法 13

3.3.1支路交换法介绍 13

3.3.2支路交换法的实现 14

3.3.3计算环网电阻 15

3.3.4最佳拓扑方案的确定 15

3.4算例分析 18

3.5本章小结 20

第4章 基于支持向量机的配电网重构 21

4.1支持向量机简介 21

4.1.1最优分类面 21

4.1.2 核函数 23

4.2基于SVM的配电网模型重构 23

4.2.1 支持向量机的模式识别模型 23

4.2.2重构模型 23

4.3 算例分析 24

4.4本章小结 25

第5章 总结 26

参考文献 27

附录A：IEEE33节点算例数据 29

致谢 31

第1章 绪论

1.1 配电网重构研究的背景及意义

近些年来我国工业以及国民经济的高速发展，使得电力行业受到越来越大的挑战，加上过去广泛使用的化石能源对环境造成污染等，这些都驱使着电网朝着灵活、高效、智能和可持续的方向发展。可再生能源的规模化应用主要以分布式电源（DG）的形式连入有需要的配电网，就地发电并使用。

国际热电联产机构过去有过预言“分布式发电将成为21世纪电力工业的发展方向”。电力行业单方向的买方市场的格局甚至未来整个的电力行业都会将随着DG的出现而被改变，目前的电力和市场现状也有力地验证了这一点。分布式发电是指在不影响现有的配电网安全有效运行的前提下，为满足用户的特定需求而就近安装的模块化的、清洁高效的小型发电机组，发电功率一般为几兆瓦到几十兆瓦。