A comparative study of the distribution networks reconfiguration problem : heuristic vs deterministic approaches

A network reconfiguration algorithm aims to determine the topology of the system that better fits a purpose, most frequently being decreasing the power losses, overall costs or increasing the reliability. Due to the advances in technology, especially in the fields of control and automation, it has become easier to change the state of the network switches, making the whole process easier. Since the enumeration and comparison of all possible topologies in medium and large scale networks would result in a extremely high computational complexity, optimization methods were developed to solve the reconfiguration problem in a more efficient way. In this thesis we propose two different approaches to the reconfiguration problem. The first one is a genetic algorithm, that is based on the evolutionary theory and states that in the evolution process only the fittest individuals survive and the generations that come after them tend to present their best features. Due to this belief, the search space is reduced and so is the computational time needed to reach a solution, but it is not guaranteed to be the global optimal one. The second approach is a deterministic method that is assured to reach the best possible solution. The problem is described as a non-linear model and a mixed-integer quadratically constrained program solver is used. Though the results of this approach tend to be better than the ones of heuristic methods, the computational times required are also higher. Both models are applied to a distribution network in Milan and their results are then compared.

Un algoritmo per la riconfigurazione di reti di distribuzione mira a determinare la topologia ottima del sistema data una funzione obiettivo, il più delle volte la minimizzazione delle perdite di rete, dei costi complessivi o l’aumento dell'affidabilità. Grazie ai progressi della tecnologia, specialmente nel campo del controllo e dell'automazione, è più facile modificare lo stato degli interruttori e sezionatori di rete, rendendo più semplice l'intero processo di riconfigurazione. Data la numerosità di possibili topologie di rete, che risultano in una complessità computazionale estremamente elevata, molti metodi di ottimizzazione sono stati sviluppati per risolvere il problema della riconfigurazione in modo più efficiente. In questa tesi proponiamo due diversi approcci al problema della riconfigurazione. Il primo è un algoritmo genetico, che si basa sulla teoria evolutiva in cui solo gli individui migliori sopravvivono e le generazioni future tendono a presentare le loro caratteristiche migliori. Sulla base di questa assunzione, lo spazio di ricerca è ridotto e così anche il tempo di calcolo necessario per raggiungere una soluzione. Essendo gli algoritmi genetici metodi euristici non è garantito che la soluzione identificata corrisponda all’ottimo globale del problema. Il secondo approccio presenta un modello deterministico. Il problema è descritto come un modello misto-intero non lineare che utilizza variabili binarie e continue con funzione obiettivo quadratica e vincoli lineari. Sebbene i risultati di questo approccio tendano ad essere migliori di quelli forniti dall’algoritmo genetico, i tempi di calcolo richiesti sono molto maggiori. Entrambi i modelli vengono applicati alla rete di distribuzione dell’energia elettrica di Milano confrontando i risultati ottenuti.