一种船舶综合电力推进系统配电网络的两阶段重构方法

• 摘要：

  本发明具体涉及一种船舶综合电力推进系统配电网络的两阶段重构方法.本发明包括:(1)判断失电负载;(2)基于宽度优先搜索策略的最短路径搜索;(3)格雷码布谷鸟搜索.本发明提出两阶段重构策略,分阶段采用基于宽度优先搜索策略的最短路径搜索算法和格雷码布谷鸟搜索算法解决线路恢复和负载恢复供电问题,避免了传统配电网络重构方法中开关状态和负载供电高度耦合导致计算复杂的缺点,提高了配电网络重构的效率.

• 专利类型：

  发明专利

• 申请/专利号：

  CN201611038182.7

• 申请日期：

  2016.11.11

• 公开/公告号：

  CN106451439A

• 公开/公告日：

  2017-02-22

• 发明人：

  刘胜 张兰勇 贾云璐 李冰 郭晓杰 耿文杰 王博

• 申请人：

  哈尔滨工程大学

• 主分类号：

  H02J3/00(2006.01)I,H,H02,H02J,H02J3

• 分类号：

  H02J3/00(2006.01)I,G06F17/50(2006.01)I,H,G,H02,G06,H02J,G06F,H02J3,G06F17,H02J3/00,G06F17/50

• 主权项：

  一种船舶综合电力推进系统配电网络的两阶段重构方法,其特征是,包括如下步骤:(1)判断失电负载当系统发生故障时,通过更新表示系统结构的相关矩阵和变量的信息,获得系统故障后的运行状态以及是否出现了失电负载;矩阵和变量更新的步骤如下:(1.1)当系统中设备发生故障时,为了防止故障蔓延,设备所在的区域应被隔离,即连接到该区域母线的所有断路器断开以实现隔离的目的,且这些断路器不能用于重构操作,将BK_STATUS中的相应元素置为??1,BK_FLOW中的相应元素置为0;(1.2)对节点??支路关联矩阵S进行更新处理,将S中故障节点所对应的行元素均置为0,不能用于重构操作的断路器所对应的列元素均置为0;(1.3)通过公式(2)计算Zone_Balance,判断矩阵中是否存在小于0的元素,若存在,则表明该元素对应的区域因为故障的发生出现了功率不足的情况,转向步骤4;若向量中不存在负元素,则表明故障并未造成系统中未故障负载失电;(1.4)判断发电单元所连接的断路器的状态是否为??1,若为否表明该发电单元能够通过断路器连接到电网上为电网供电,将向量BK_FLOW中相应的元素置为发电单元的容量;(1.5)重新计算Zone_Balance,如果向量中不存在小于0的元素,表明负载当前所在线路上发电容量充足,通过提高发电单元的输出功率就能够满足负载需求,如果向量中仍然存在小于0的元素,则表明负载当前线路上的发电容量不足,必须寻找新的连接线路;(2)基于宽度优先搜索策略的最短路径搜索,步骤如下:(2.1)如果p_queue非空,选择p_queue中第一个权值为x₁的节点作为起点v_s,令v₁:＝v_s,并将节点v₁放入到队列v_queue中,并标记该节点已被访问过,将该节点从p_queue中删除;否则转向步骤(2.10);(2.2)在节点??支路关联矩阵中S中找到与节点v₁连接的所有边,并判断边的类型,选择能够流入该权值节点的边放入集合E;(2.3)如果E不为空,选择E中第一个元素e₁,将e₁放入队列e_queue中,将e₁从集合E中删除,然后转向步骤(2.4);否则转向步骤(2.8);(2.4)在关联矩阵S中找到e₁的另一端的权值为x₂的节点v₂,将v₂放入到队列v_queue中,并标记该节点已经被访问过,判断v₂是否属于队列p_queue中的节点,如果是,将v₂从队列p_queue中删除;然后转向步骤(2.5);(2.5)判断v₁和v₂的权值代数和x₁+x₂是否为非负值,如果是转向步骤(2.7),否则转向步骤(2.6);(2.6)更新v₁权值为x₁:＝x₁+x₂,v₂权值x₂:＝0,更新断路器状态向量和流量向量中相应的元素BK_STATUS(e₁):＝1,BK_FLOW(e₁):＝BK_FLOW(e₁)??x₂,然后转向步骤(2.3);(2.7)更新v₁权值为x₁:＝0,v₂权值x₂:＝x₂+x₁,更新断路器状态向量和流量向量中相应的元素BK_STATUS(e₁):＝1,BK_FLOW(e₁):＝BK_FLOW(e₁)+x₁,然后转向步骤(2.9);(2.8)将节点v₂视为v₁,转向步骤(2.2);(2.9)输出以v_s为起点结果v_queue、e_queue、BK_STATUS以及BK_FLOW,更新区域功率平衡矩阵Zone_Balance,转向步骤(2.1);(2.10)算法结束;(3)格雷码布谷鸟搜索:用D维格雷编码的二进制向量x＝[x₁,x₂,…,x_D]表示一个鸟巢位置即搜索空间中的一个候选解,向量x中的所有元素只能为0或1,每个鸟巢位置都对应一个适应度值f(x)表示当前鸟巢位置的优劣;算法的搜索步骤如下:(3.1)初始化种群,设置算法的终止条件;(3.2)决策变量数目为D,因此解空间的组合数量为K＝2^D,取β＝1.5,λ＝0.37,进一步计算出跳跃步长的选择概率;(3.3)将x转换为对应解空间中解的状态编号十进制数y;(3.4)生成一个随机数,采用轮盘赌选择法生成跳跃步长k,则下一代解的状态编号更新为y′＝y+sign(rand??0.5)·k,其中y和y′分别表示当代和下一代解的状态编号,sign(rand??0.5)表示跳跃具有双向性;(3.5)将十进制y′转换为格雷编码表示的二进制向量x′,通过比较f(x)与f(x′)确定新解是否优于旧解,若新解优于旧解,则替换旧解,否则保留旧解;(3.6)对每一个候选解重复步骤(3.3)~步骤(3.5),生成通过离散莱维飞行更新的新种群;(3.7)对于步骤(3.6)生成的新种群,按照发现概率p_a丢弃部分解,采用随机偏好游走方式重新生成相同数量的解;新解生成的方法为:选择当代种群中的两个随机解y_p和y_q,更新下一代解的状态编号y′＝y+sign(rand??0.5)·(y_p??y_q);然后重复步骤(3.4)选择是否保留新解;(3.8)记录全局最优解,如果不满足终止条件,则重复步骤(3.3)至步骤(3.7).