💥💥💞💞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.
