配電網網架規劃

配電網的網架規劃是確定在何時、何地投建何種類型的線路及其迴路數，以達到規劃周期內所需要的輸電能力，在滿足各項技術指標的前提下使系統的費用最小的電網規劃。配電網網架規劃的內容為確定城市中的輸電方式、選擇電網電壓、確定變電站布局和規模、確定網路結構。

配電網網架規劃的重點是對主網網架進行規劃。

基本介紹

• 中文名：配電網網架規劃
• 外文名：distribution network structure planning
• 學科：電氣工程
• 基礎：負荷預測、電源規劃
• 工作內容：確定輸電方式、電網布局等
• 目標：提高供電可靠性、減少損耗等
• ：

配電網結構模式

隨著地區電力負荷的不斷增長，電網配電網也在不斷地擴大，配電網的電壓等級逐漸增大，最高電壓等級達到500kV，而且500kV電壓等級開始進入地區(或地級市)區域，220kV電壓等級也已逐步進入縣(或縣級市)區域，而且縣(市)建有220kV變電站已經成為現實。

1．220kV網路

220kV變電站大部分建在城市(也是負荷中心)附近。從有利於城市建設和電網經濟運行的角度來考慮，變電站離城區邊緣3kin左右為宜。

220kV變電站的電壓等級大多為220/110/35(10)kV，110kV側擔負著向全市(縣)供電的任務，其低壓側(35kV或10kV)就近向城區供電。

220kV網路應以500kV變電站或其他大電源點為中心，形成單環網，逐步建成雙環網。正常時採用閉環運行方式，這樣可提高供電的可靠性。

2．110kV網路

新建110kV變電站的布點應綜合考慮負荷密度、供電半徑等因素，站內的二次設備優先採用綜合自動化裝置，為實現無人值班打下良好的基礎。對採用常規二次設備的變電站，可完善其RTU的“四遙或五遙”功能和通信通道，逐步改造成為無人值班變電站。

110kV網路以220kV變電站為中心，形成單環網(正常情況下線路開環運行或母線分段運行)為主，雙迴路和單放射為輔的結構。

3．35kV網路

在110kV變電站布點較少的地方或山區，大力建設小型化35kV無人值班變電站。35kV變電站的布點以220kV變電站為中心，深入規劃區的負荷中心。35kV變電站供電的線路至少兩回，這兩回線路既可從同一座110kV變電站的35kV母線的不同段上引進，亦可分別從兩座110kV變電站引進。

在110kV變電站布點較密的地方或山區，如果當地條件成熟時，可逐步採用110kV降壓系統和20kV配電網，取消35kV和10kV電壓等級。

4．10kV(或20kV)網路

城市的10kV(或20kV)配電網路建設要以“小環網”為主，雙迴路和兩端供電為輔，補充少量單放射線路的結構。農村配電網的10kV(或20kV)線路以單放射為主，有條件的則建設雙迴路。

網架規劃的內容

配電網的網架規劃以負荷預測和電源規劃為基礎。配電網的網架規劃是確定在何時、何地投建何種類型的線路及其迴路數，以達到規劃周期內所需要的輸電能力，在滿足各項技術指標的前提下使系統的費用最小。配電網的網架規劃往往是針對具體電網發展中存在的問題確定具體內容的。其主要內容如下：

(1)確定輸電方式；

(2)選擇電網電壓；

(3)確定變電站布局和規模；

(4)確定網路結構。

配電網網架規劃的重點是對主網網架進行規劃。如何加強主網網架結構，是電網規劃最重要的內容之一，網架也是規劃成敗與否的關鍵。

網架規劃的最佳化算法

配電網網架最佳化規劃問題是複雜的、非線性的、整數性的、多目標的大規模組合最佳化問題，屬於最佳化數學中常說的 NP 類難題。NP 類難題如果規模較大，一般就不可能得到精確解。所以當我們遇到大規模的配電網最佳化規劃問題，就應當放棄尋找精確解的念頭。對於配電網最佳化規劃問題，目前還沒有真正有效的求解算法。為了給出這類問題滿意的求解方案，就必須對各種最佳化算法進行仔細分析，找出能有效解決問題，計算速度較快，結果令人信服，好控制的最佳化算法。下面是對目前用於電力系統規劃的各種最佳化算法的分析。

自然科學，社會科學，以及人們的日常生活中廣泛存在著大量求解目標最大或最小的問題，即所謂的最最佳化問題，用數學語言來說，就是決定一組參量，使其對應的目標函式達到最小值或最大值。目前常用於求解配電網規劃的算法概括起來可分為三類:經典數學最佳化方法、啟發式算法和隨機最佳化方法。

經典數學最佳化方法

求解整數規劃的經典數學最佳化算法有：窮舉法、分枝定界法（Branch and bound）、隱數法、割平面法（Valid cutting planes）、Dijkstra 算法和 DFS 搜尋法等。

1）窮舉法：即檢查變數取值的每一種組合，比較目標函式值以求得最優解。對於最簡單的整數規劃 0-1 規劃，窮舉法的時間複雜性為側 Θ( )，n是變數個數。當n充分大時，用該方法實際上不可行。窮舉法也叫強行搜尋法，是對搜尋空間的遍歷，因而對於大規模配電網規劃問題的求解是不可行的。

2）分枝定界法： 是 20 世紀 60 年代初，由 Land Doig 和 Dakin 等人提出。因為這種方法靈活且便於用計算機求解，所以現在它已經是求解整數規劃的重要方法。

3）隱數法：通過增加過濾條件，並且在計算中不斷改進過濾條件以縮小搜尋範圍，提高運算效率。

4）割平面法：割平面法是 Gomory 提出來的，這個方法的基礎是用解線性規劃的方法去解整數規劃問題。首先不考慮變數是整數這一條件，但增加線性約束(割平面)使得由原可行域中切割掉一部分，這部分只包含非整數解，但沒有切掉任何整數可行解。這個方法就是指出怎樣找到適當的割平面(不一定一次就能找到)，使切割後最終得到這樣的可行域，它的一個整數坐標的極點恰好是問皿的最優解。割平面法依然不是求解配電網規劃的有效算法。

5）Dijkstra 算法：Dijkstra 算法是當邊的權值大於 0 的條件下，求解最短路的有效算法，算法的基本思想是從Vs (起始點)出發，逐步的向外探尋最短路。執行過程中與每個點對應，記錄下一個數(稱為這個點的標號)，它或者表示從Vs 到該點的最短路的權，或者是從Vs 到該點的最短路的權的上界，方法的每一步是去修改T 標號，並且把某一個具有T 標號的點改變為具有 P 標號的點，從而使 D 中具有 P 標號的頂點數多一個，這樣，至多經過 P−1步，就可以求出從氣到各點的最短路。

啟發式算法

啟發式算法（Heuristic approach）是和問題求解及搜尋相關的，也就是說，啟發式算法是為了提高搜尋效率才提出的。

1)構造法（Construction）：一個最佳化問題的解是由若干個構造元素組成的，構造性啟發式算法法通過一個一個地增加解的構造元素來求得一個可行解。“貪婪法”在每一步都尋找最大的改進，其中包含了大量構造性的啟發式算法。在大多數構造性

啟發式算法中，直到算法結束才會找到可行解。例如對於旅行銷售商問題來說，其解是由n 個城市間的距離組成，這些城市間的距離就是解的構造元素。旅行銷售商問題的構造性算法之一就是從某一城市開始，每次尋找與其距離最近且未走過的城市作為增加的構造元素，如此循環，到結束時，一個較短的可行環遊路線就得到了構造性算法的循環次數與問題解的構造元素個數成正比，而與解空間的人小無關，因此其計算速度通常很快。

2)改進法（Improvement）：

該算法從一個可行解開始，通過在其鄰域 N 的搜尋如交換、合併結構元素等來改進解的質量。一般來講，在整個搜尋過程中，解一直處於可行狀態。

3)數學規劃法（Mathematical programming）：該方法在問題的數學最佳化模型及其精確求解方法的基礎上，修改求解方法以其得到問題有效的啟發式算法。

4)分解法（Decomposition）：

該法指求解一系列容易求解的小問題，一個問題的輸出是下一個問題的輸入，然後將這些解歸納、合併成一個解。許多規劃(Schedule)問題的啟發式算法使用了分解法。

5)分割法（Partitioning）：分割法將一個問題分割為幾個子問題，然後獨立地解決每個子問題。這些子問題的解再合併成整個問題的解。

6)解空間限制法（Solution space restriction）：

該法的思想是限制解的構造，以使問題變得容易求解。在某種意義上，所有的啟發式算法都是限制法，然而在這裡指明確地約束解空間的方法。典型的限制法只允許算法在具有特殊性質的解中搜尋。

7)鬆弛法（Relaxation）：這種方法與限制法相反，它是指為了得到容易處理的問題而擴展解空間。

隨機最佳化方法

目前常見的隨機最佳化算法有：遺傳算法、模擬退火法、人工神經網路法等，這些方法的主要特徵是搜尋的過程中引入了隨機技術。
1）遺傳算法

遺傳算法主要借用生物進化中“適者生存，優勝劣汰”的規律。選擇操作使群體中適應度高的個體有更多的機會傳給下一代，從而產生平均適應度越來越高的新群體；交叉是對新群體中隨機選擇的兩個個體進行交換基因的操作，體現了自然界中群體內個體之間的信息交換；變異操作則是對新群體中隨機選擇的某個個體的某個隨機產生的基因進行突變。交叉和變異都是為了引入新的變種，確保群體中個體的多樣性，不致陷入局部最優區域。經過遺傳操作，初始群體一代代地進化到搜尋空間中越來越好的區域，直至達到全局最優解。編碼簡單，對解無可微性、連續性等要求。
2）人工神經網路法

人上神經網路法( ANN )，以人工建立的有向圖為拓撲結構的動態系統，它通過對連續或者斷續的分散式存儲和並行協同處理，可實現函式逼近、數據聚類、最佳化計算、模式識別等功能。人工神經網路是一個非線性動力系統，其特色在於信息 ANN是以計算機仿真的方法，從物理結構上模擬人腦，以使系統具有人腦的某些智慧型。在眾多的 ANN 模型中。多層前饋神經網路模型是目前套用最為廣泛的模型。神經網路用於最佳化計算的基礎是神經網路的漸近穩定狀態對套用其計算能量函式的局部極小。
3）模擬退火法

模擬退火 SA（Simulated annealing）算法被認為是有效的最佳化方法之一。模擬退火方法的基本思想來源於固體的退火過積。首先我們回顧一下固體退火的物理過程。加熱固體時，固體中原子的熱運動不斷增強，隨著溫度的不斷升高，固體的長程有序被徹底破壞，固體熔解為液體(或氣體)。冷卻時，液體中原子的熱運動漸漸減弱，隨著溫度的徐徐降低，原子運動漸趨有序。當溫度降至結晶溫度後，原子運動變為圍繞晶體格點的微小振動，液體凝固成固體，這種由高溫向低溫逐漸降溫的過程稱為退火。退火過程中系統的熵值不斷減小，系統能量隨著溫度的降低趨於最小值。

網架規劃應具備的條件

配電網網架規劃的最終結果主要取決於原始資料及規劃方法，配電網網架規劃應具備的條件即可靠的原始資料以及優秀的規劃方法。一個優秀的電網規劃必須以堅實的前期工作為基礎，包括蒐集整理系統的電力負荷資料、當地的社會經濟發展情況、電源點和輸電線路方面的原始資料等。

原始資料包括：

(1)規劃年度用電負荷的電力、電量資料，包括總水平，分省、分區及分變電站的電力電量值，以及必要的負荷特性參數。

(2)規劃年度電源(現有和新增)的情況，包括電廠位置(廠址)、裝機容量、單機容量和機型等；對於水電廠，除上述參數外，還應有不同水文年發電量、保證輸出功率、受阻容量、重複容量、調節特性等參數；對於火電廠，還應考慮燃料來源以及需求量、運輸條件和存儲計畫；對於風電場，還應考慮風資源情況是否滿足開發大型風電場資源的條件，對於離岸風電場還需考慮國防、航道以及自然生態等因素；對於太陽能發電廠，還應考慮太陽能資源條件和規劃區氣候條件。

(3)現有電網(包括在建設和已列入基建計畫的線路和變電站)基礎資料，包括電壓等級，網路接線，線路長度，導線型號，變電站主變壓器容量、型式、台數等主要規範資料，一般應具有系統現狀圖(地理接線及單線接線圖)。對未來網路規劃的發展情況，包括可能架設新線路的路徑、長度，以及變電站擴建和待建變電站地理資料應予掌握，以便能夠形成足夠數量的網路方案。

另外，在規劃配電網的網架結構時還應考慮規劃區經濟發展、用電負荷的特點以及其增長情況。例如，在進行農村電力網的網架規劃時，應掌握農業發展、用電負荷的季節特性以及地區用電負荷的增長規律。

網架規劃的目標

改善配電網的各項運行指標是配電網網架規劃的目標，也是建設和改造電網必須完成的任務。作為重要的運行指標，有供電可靠性指標、電壓質量指標、線損率指標及容載比指標。這些運行指標在規劃的電網付諸工程實踐後應有明顯的改善。