基于DistFlow的含分布式电源配电网优化模型【IEEE39节点】（Python代码实现）

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Python代码实现

---

💥1 概述

随着化石能源逐渐枯竭、环境问题日益严峻，以光伏和风力发电为代表的清洁能源获得了长足

发展，形成了含高渗透率新能源的电力系统［1］。传统配电网在接入大量分布式电源以后成为了主动配电网，配电网的运行状态受到分布式电源的影响而频繁变化。调度人员通过操作分段开关和

联络开关来调整网络拓扑结构，在满足功率平衡、电压电流不越限和网络拓扑约束条件下，实现降

低系统网损、均衡线路负载和优化电压分布的目的［2 － 3］。目前国内外关于配网重构的研究方法主要可以分为三类: 数学规划方法［4 － 6］、启发式方法［7］和 人工智能算法［8］。其中，常见的数学规划方法主要思路为将潮流等式松弛为二阶锥规划，启发式算法主要是支路交换法，人工智能算法包括模拟退火算法、粒子群算法、遗传算法等等。通过比较发现，启发式方法局限于考虑部分信息，很少能够从整个配电网的全局角度进行优化重构，因此优化结果的精确度较低，但计算速度最快; 人工智能算法对模型有更好的适应性，可以建立复杂非凸的优化模型，但存在容易陷入局部最优、每次求解可能结果不同以及大规模优化中计算速度很慢的问题; 数学规划方法的数值稳定性强，在大规模配网重构问题中有稳定的求解速度。综上所述，基于数学规划方法的配网重构研究具有更广阔的前景，如文献［6］中提出的混合整数二阶锥模型，可以直接由成熟的商业化求解器进行求解，适用于大规模配电网实时重构的场合。但是，以文献［6］为代表的二阶锥规划方法直接对极坐标下的潮流等式进行变量代换，其等价性缺乏理论证明;此外，该模型中对于线路连接状态的约束过于繁琐，增加了大量的优化变量，如支路端电压变量等。

📚2 运行结果

Coefficient statistics:
  Matrix range     [1e-12, 1e+00]
  QMatrix range    [1e+00, 1e+00]
  Objective range  [3e-01, 3e-01]
  QObjective range [2e-02, 2e-02]
  Bounds range     [9e-01, 3e+01]
  RHS range        [2e-02, 1e+03]
Presolve removed 175 rows and 11 columns
Presolve time: 0.00s
Presolved: 227 rows, 280 columns, 783 nonzeros
Presolved model has 47 second-order cone constraints
Ordering time: 0.00s

Barrier statistics:
 AA' NZ     : 1.705e+03
 Factor NZ  : 3.330e+03
 Factor Ops : 5.458e+04 (less than 1 second per iteration)
 Threads    : 1

                  Objective                Residual
Iter       Primal          Dual         Primal    Dual     Compl     Time
   0   2.07626953e+01  5.47569526e+00  1.47e+01 1.00e-01  1.05e+00     0s
   1   2.08500196e+01  2.19105000e+00  3.00e+00 4.49e-03  2.06e-01     0s
   2   2.16794514e+01  1.24286815e+01  1.63e+00 4.94e-09  9.03e-02     0s
   3   2.34915129e+01  1.77786509e+01  5.12e-01 1.84e-14  3.06e-02     0s
   4   2.46249216e+01  2.28055646e+01  3.97e-01 4.81e-14  1.44e-02     0s
   5   2.56174123e+01  2.51414326e+01  1.04e-01 1.10e-13  3.70e-03     0s
   6   2.60001933e+01  2.60209114e+01  3.48e-02 1.10e-12  7.34e-04     0s
   7   2.60896856e+01  2.61642623e+01  1.73e-02 1.10e-11  1.96e-04     0s
   8   2.61281523e+01  2.61876086e+01  1.09e-02 4.55e-11  9.85e-05     0s
   9   2.61822733e+01  2.61974189e+01  2.52e-03 1.12e-10  2.16e-05     0s
  10   2.61981821e+01  2.62008968e+01  4.10e-04 2.10e-10  3.13e-06     0s
  11   2.62013732e+01  2.62015286e+01  3.43e-05 2.72e-09  4.59e-07     0s
  12   2.62015959e+01  2.62016337e+01  7.24e-06 8.94e-08  8.55e-08     0s
  13   2.62016457e+01  2.62016528e+01  1.23e-06 5.71e-07  1.33e-08     0s

Barrier solved model in 13 iterations and 0.01 seconds (0.00 work units)
Optimal objective 2.62016457e+01

Process finished with exit code 0
 

🎉3 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]姚艳,许家玉,崔勤越.基于DistFlow的含分布式电源配电网优化重构模型[J].能源工程,2020,No.204(01):12-16.DOI:10.16189/j.cnki.nygc.2020.01.004.

🌈4 Python代码实现