CN111754035A - 风电场布局的优化方法、优化***及计算机可读存储介质 - Google Patents
风电场布局的优化方法、优化***及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111754035A CN111754035A CN202010555783.5A CN202010555783A CN111754035A CN 111754035 A CN111754035 A CN 111754035A CN 202010555783 A CN202010555783 A CN 202010555783A CN 111754035 A CN111754035 A CN 111754035A
- Authority
- CN
- China
- Prior art keywords
- cable
- wind
- nodes
- optimization
- dimension information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 38
- 230000005540 biological transmission Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 20
- 239000002245 particle Substances 0.000 claims description 17
- 230000006870 function Effects 0.000 description 43
- 230000008569 process Effects 0.000 description 11
- 239000000463 material Substances 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000010248 power generation Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Wind Motors (AREA)
Abstract
本申请提供一种风电场布局的优化方法、优化***及计算机可读存储介质。风电场包括多个节点，多个节点包括升压站和多台风机。优化方法包括：获取多台风机的风机位置坐标；及根据所述风机位置坐标，利用元启发式算法对以风电场电缆成本的目标函数最小化为目标的优化问题进行求解，得到升压站的位置坐标的优化解、多个节点的连接关系的优化解，及连接多个节点的多条路径的电缆信息的优化解。其中，连接关系表征多个节点中两两节点是否连接。目标函数包括根据风电场的潮流确定的电缆功率损耗。
Description
技术领域
本申请涉及风电场规划技术领域，尤其涉及一种风电场布局的优化方法、优化***及计算机可读存储介质。
背景技术
风是没有公害的能源之一，而且取之不尽，用之不竭。对于缺水、缺燃料和交通不便的沿海岛屿、草原牧区、山区和高原地带，因地制宜地利用风力发电，非常适合，大有可为。风力发电是指把风能转为电能。利用风力发电非常环保，且风能蕴量巨大，因此日益受到世界各国的重视。风电场的电缆的布局和升压站的选址对风电场的成本有很大的影响，如何优化电缆布局和升压站选址成为风电场布局优化的一项重要任务。
发明内容
本申请提供一种改进的风电场布局的优化方法、优化***及计算机可读存储介质。
根据本申请实施例的一个方面，提供一种风电场布局的优化方法，所述风电场包括多个节点，所述多个节点包括升压站和多台风机，所述优化方法包括：获取所述多台风机的风机位置坐标；及根据所述风机位置坐标，利用元启发式算法对以风电场电缆成本的目标函数最小化为目标的优化问题进行求解，得到所述升压站的位置坐标的优化解、所述多个节点的连接关系的优化解，及连接所述多个节点的多条路径的电缆信息的优化解；其中，所述连接关系表征所述多个节点中两两节点是否连接，所述目标函数包括根据所述风电场的潮流确定的电缆功率损耗。
根据本申请实施例的另一个方面，提供一种风电场布局的优化***，优化***包括一个或多个处理器，用于实现上述优化方法。
根据本申请实施例的另一个方面，提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现上述优化方法。
本申请一些实施例的优化方法考虑风电场的潮流的影响，以考虑电缆功率损耗对风电场电缆成本的影响，且利用元启发式算法，对升压站的选址、节点的连接关系和每条路径的电缆进行同时优化，可以更大程度地提升对成本的优化效果，可明显提升整体风电场的电气设计的经济性能。
附图说明
图1所示为本申请风电场布局的优化方法的一个实施例的流程图；
图2所示为图1所示的优化方法的利用元启发式算法对以风电场电缆成本的目标函数最小化为目标的优化问题进行求解的步骤的子流程图；
图3所示为图2所示的确定目标函数的可行解的步骤的子流程图；
图4所示为图2所示的进行潮流计算的步骤的子流程图；
图5所示为一个风电场的风机位置示意图；
图6所示为本申请实施例方法对图5的风电场进行优化布局后获得的风电场布局的示意图；
图7所示为本申请风电场布局的优化***的一个实施例的模块框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”可以指单数形式，也可包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。除非另行指出，“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而且可以包括电性的连接，不管是直接的还是间接的。
相关技术的电缆功率损耗成本模型只涉及风电场的年平均利用小时数与风机额定功率。一方面，该电缆功率损耗成本模型忽略了风电场的电缆沿线电压降幅以及无功功率的影响；另一方面，该电缆功率损耗成本模型假设所有风机在额定功率状态下输出能量，然而场内风机大部分时间处于非额定工作状态，并且由于风机间的尾流效应，同一时间场内不同风机输出的功率也并不相同。因此，计算过程及结果并不合理，所以根据该电缆功率损耗成本模型生成的优化结果与实际最优结果存在较大差距。
本申请实施例提供风电场布局的优化方法，优化方法可以用于海上风电场的布局优化，也可以用于陆上风电场的布局优化。风电场分布有多台风机，风机采集风能，将风能转换为电能。对于长距离传输电能的风电场，尤其是远海风电场，为了减少电缆传输损耗，建设升压站，升压站与多台风机电连接，将多台风机发出的电能汇总升压后，进行长距离传输，输送给与升压站连接的变电站。例如，海上风电场建设有海上升压站，将风机的电能汇总升压后输送到陆上变电站。
风电场包括多个节点，多个节点包括升压站和多台风机。优化方法包括：获取多台风机的风机位置坐标；及根据所述风机位置坐标，利用元启发式算法对以风电场电缆成本的目标函数最小化为目标的优化问题进行求解，得到升压站的位置坐标的优化解、多个节点的连接关系的优化解，及连接多个节点的多条路径的电缆信息的优化解。其中，连接关系表征多个节点中两两节点是否连接。目标函数包括根据风电场的潮流确定的电缆功率损耗。
本申请实施例的优化方法考虑风电场的潮流的影响，从而考虑电缆沿线电压降幅以及无功功率的影响，如此考虑电缆功率损耗对风电场电缆成本的影响，利用元启发式算法，对升压站的选址、节点的连接关系和每条路径的电缆进行同时优化，优化过程考虑的因素更符合风机实际工作状态，考虑的因素更全面充分，从而优化过程和结果更加合理，可以得到更接近实际最优结果的优化结果，可以更大程度地提升对成本的优化效果，可明显提升整体风电场的电气设计的经济性能。
下面结合附图，对本申请的风电场布局的优化方法、优化***及计算机可读存储介质进行详细说明。在不冲突的情况下，下述的实施例及实施方式中的特征可以相互组合。
图1所示为风电场布局的优化方法100的一个实施例的流程图。风电场包括多个节点，多个节点包括升压站和多台风机。优化方法100包括步骤101和102。
在步骤101中，获取多台风机的风机位置坐标。
在一些实施例中，风机位置坐标可以包括在笛卡尔坐标系中的风机的坐标。在一些实施例中，风机位置坐标可以包括风机的经纬度坐标。在另一些实施例中，风机位置坐标可以包括风机的二维坐标。自西向东为二维坐标系的x轴的正方向，自南向北为二维坐标系的y轴的正方向，风机的二维坐标为在二维坐标系中的坐标。在一些实施例中，可以获取风机的经纬度坐标或二维坐标，转换为笛卡尔坐标系中的坐标。
在一些实施例中，可以从记录有风机位置坐标的文档(例如Text文档、Excel文档)中读取风机位置坐标。在另一些实施例中，可以接收用户输入的风机位置坐标。
在步骤102中，根据风机位置坐标，利用元启发式算法对以风电场电缆成本的目标函数最小化为目标的优化问题进行求解，得到升压站的位置坐标的优化解、多个节点的连接关系的优化解，及连接多个节点的多条路径的电缆信息的优化解。其中，连接关系表征多个节点中两两节点是否连接。目标函数包括根据风电场的潮流确定的电缆功率损耗。
元启发式算法(MetaHeuristic Algorigthm)是启发式算法的改进，是随机算法与局部搜索算法相结合的产物。元启发式算法可以包括禁忌搜索算法、模拟退火算法、遗传算法、蚁群优化算法、粒子群优化算法、人工鱼群算法、人工蜂群算法、人工神经网络算法等。可以利用元启发式算法，迭代寻优，找到优化问题的全局最优解或者近似最优解。“优化解”可以为全局最优解或近似最优解。
优化问题为风电场电缆成本的目标函数最小化。在一些实施例中，风电场电缆成本包括电缆铺设成本、电缆材料成本和电缆功率损耗成本。电缆铺设成本主要为铺设填埋电缆的成本，主要与电缆的长度相关。电缆的长度越长，电缆铺设成本越高。电缆材料成本可以为购买到的电缆的价格，与电缆的长度和截面积相关。截面积一定时，电缆的长度越长，电缆材料成本越高。长度一定时，电缆的截面积越大，电缆材料成本越高。电缆材料成本可以等于单位长度的电缆材料成本与电缆长度的乘积。电缆功率损耗成本为风电场的寿命期间风机间电缆的功率损耗成本，与电缆的长度和电缆承载的功率相关。电缆承载的功率一定时，电缆长度越长，电缆功率损耗成本越高；电缆的长度一定时，电缆承载的功率越大，电缆功率损耗成本越高。电缆承载的功率越大，电缆的截面积需越大。例如，在海上风电场中，包括电缆铺设成本和电缆材料成本的风电场电缆的投资成本可占总投资成本的10％。除了投资成本外，电缆功率损耗成本在风电场全寿命周期内同样占据较大一部分比重。因此在设计阶段，考虑电缆功率损耗成本，以对风电场电缆成本进行优化也尤其重要。
基于风机位置已知，寻找升压站的位置坐标的优化解、多个节点的连接关系的优化解，及连接多个节点的多条路径的电缆信息的优化解，以使风电场电缆成本尽可能小，实现对风电场的布局的优化。升压站的位置不同，风机到升压站的电缆长度不同，从而影响风电场电缆成本，因此寻找升压站的位置坐标的优化解可以有利于优化风电场的成本。升压站的位置坐标可以包括在笛卡尔坐标系中的升压站的位置坐标。在一些实施例中，升压站的位置坐标可以包括升压站的经纬度坐标。在另一些实施例中，升压站的位置坐标可以包括升压站的二维坐标。在一些实施例中，可以得到升压站的经纬度坐标或二维坐标，转换为笛卡尔坐标系中的坐标。
连接关系表征多台风机之间及风机与升压站之间是否连接。在一些实施例中，可以用“1”表示连接，“0”表示不连接。在另一些实施例中，可以用“0”表示连接，“1”表示不连接。多个节点的连接关系体现电缆连接结构。风机的位置已知，升压站的位置坐标和多个节点的连接关系得到后，每条连接两节点路径的电缆的长度可以确定。连接关系不同，电缆路径不同，电缆长度可能不同，且每条电缆承载的风机数可能不同。电缆连接的风机不同，电缆承载的风机数不同时，电缆两端的电压降幅和流过的电流可能不同，电缆承载的功率可能不同。因此连接关系影响风电场电缆成本，所以对连接关系进行优化可以提升风电场的经济性能。
在一些实施例中，电缆信息可以包括截面积、单位长度的电阻值和载流量中的至少一个。在一些实施例中，电缆信息还可以包括单位长度价格。在一些实施例中，电缆信息可以包括电缆类型，不同的电缆的截面积对应不同的电缆类型。选择合适的电缆，在满足载流量的基础上使成本尽可能低。升压站的位置、连接关系和每条路径的电缆对风电场电缆成本均有影响，而且升压站的位置和连接关系互相影响，且影响每条路径的电缆，因此对升压站的位置坐标、多个节点的连接关系和每条路径的电缆同时进行优化，可综合优化使成本尽可能小。
目标函数包括电缆功率损耗，考虑电缆功率损耗对风电场电缆成本的影响。电缆功率损耗可以根据风电场的潮流确定，考虑风电场的潮流非凸性，从而考虑风电场的电缆功率损耗对风电场电缆成本的影响。优化方法考虑风电场的潮流的影响，考虑电缆沿线电压降幅以及无功功率的影响，如此考虑电缆功率损耗对风电场电缆成本的影响，利用元启发式算法，对升压站的选址、节点的连接关系和每条路径的电缆进行同时优化，优化过程考虑的因素更符合风机实际工作状态，考虑的因素更全面充分，从而优化过程和结果更加合理，可以得到更接近实际最优结果的优化结果，可以更大程度地提升对成本的优化效果，可明显提升整体风电场的电气设计的经济性能。
图2所示为利用元启发式算法对以风电场电缆成本的目标函数最小化为目标的优化问题进行求解的步骤102的子流程图。步骤102包括步骤201-207。在一些实施例中，步骤102包括执行优化迭代步骤，直至满足迭代结束条件。优化迭代步骤包括步骤201-206。
在步骤201中，确定目标函数的可行解，可行解包括表征升压站的位置坐标的第一维度信息、表征多个节点的连接关系的第二维度信息和表征对应连接关系的每条路径的电缆信息的第三维度信息。
在一些实施例中，确定目标函数的可行解包括初始化可行解。在第一次迭代时，先初始化可行解，在求解空间内随机生成可行解。在一些实施例中，元启发式算法包括粒子群算法，利用所述粒子群算法，对优化问题进行求解，得到升压站的位置坐标的优化解、多个节点的连接关系的优化解，及电缆信息的优化解。一个粒子为一个可行解，初始化可行解包括初始化粒子的位置与速度，即在D维搜索空间中随机产生粒子的位置和速度。在本实施例中，D维搜索空间为三维搜索空间。
在一些实施例中，在初始化可行解之前，初始化元启发式算法的参数。初始化粒子群算法的参数，参数可包括惯性权重w、学习因子C1、C2和随机概率值。
在一些实施例中，确定目标函数的可行解包括更新可行解。在一次迭代完成后，更新可行解，进行下一次迭代。在一些实施例中，更新可行解包括更新粒子的位置和速度。
在一些实施例中，以多个节点为顶点，其中升压站作为初始顶点，建立随机树，以确定第二维度信息，得到多个节点的连接关系。风机的电能汇聚至升压站，因此以升压站作为初始顶点，随机树的其他顶点为风机。随机树的每个分支为连接两个节点的路径，因此生成随机树即获得节点的连接关系。在一些实施例中，可以确定随机树的分支的长度，从而确定连接节点的电缆的长度。可以根据第一维度信息(升压站的位置坐标)和风机的坐标，即初始顶点的坐标和其他顶点的坐标，确定随机树的分支的长度。
在一些实施例中，建立随机树包括：利用元启发式算法，从多台风机中选择顶点，直至多台风机均被选择。升压站作为初始顶点被选择后，利用元启发式算法随机选择其他顶点，以制定分支，从而生成随机树。在一些实施例中，可以利用粒子群算法从多台风机中选择顶点。
在一些实施例中，可以对风电场的风机和升压站进行编号，并定义如下集合和矩阵：
集合Ⅰ：包括已经在随机树中连接的顶点；
集合Ⅱ：包括尚未在随机树中连接的顶点；
集合ⅡⅠ：包括集合Ⅰ中每个分支(即每条路径)的长度；
集合IV：包括随机树中每个分支承载的风机数；
邻接矩阵：包括每对相邻的顶点之间的距离。
初始时，随机制定随机树布局，并且集合Ⅰ、ⅡⅠ和IV为空，所有顶点都存储在集合II中。随机树生成过程中，从给定的顶点(升压站)开始，将该顶点从集合Ⅱ转移到集合Ⅰ中。然后通过元启发式算法随机选择集合Ⅱ中的一个新顶点(风机)，从集合Ⅱ转移到集合Ⅰ中，并制定分支。同时，根据邻接矩阵中的相应信息，将新制定的分支的长度(电缆长度)添加到集合Ⅲ，并将集合IV中的对应分支承担的风机数加1。如此选择顶点直到所有的顶点都被选择，集合Ⅱ为空，终止该过程。如此，利用元启发式算法，从多台风机中选择顶点，直至多台风机均被选择，且以升压站作为初始顶点，建立随机树，并且得到每条路径承载的风机数和每条路径的电缆长度。邻接矩阵可以根据第一维度信息(升压站的位置坐标)和风机的坐标确定。
在一些实施例中，如图3所示，确定目标函数的可行解的步骤201包括步骤301-303。在步骤301中，根据第二维度信息，确定每条路径承载的风机数。连接关系确定后，可以得到每条路径承载的风机数量。
在步骤302中，根据风机数，确定每条路径的电缆的最小截面积。每条路径的电缆的最小截面积为最小满足载流量的截面积。根据每条路径承载的风机数，可以确定每条路径的载流量，从而可以确定最小截面积。
在步骤303中，根据最小截面积，确定第三维度信息，第三维度信息对应的每条路径的电缆截面积不小于最小截面积。可行解的第三维度信息对应的电缆截面积不小于最小截面积。在一些实施例中，可行解的第三维度信息对应的电缆截面积大于最小截面积。从而保证选择的电缆可以满足载流量的要求。
在一些实施例中，第三维度信息可以包括电缆类型。在另一些实施例中，第三维度信息可以包括电缆截面积。可以获取多种电缆信息的集合，可以从集合中选择每条路径的电缆，以保证每条路径的电缆的截面积不小于该条路径的电缆的最小截面积。在一些实施例中，电缆信息可以包括电缆类型和/或电缆截面积。在一些实施例中，电缆信息还可以包括对应不同电缆截面积的电缆的单位长度电阻、载流量和单位长度价格。
在一些实施例中，通过上文所述的方法，每个分支承载的风机数存储在集合Ⅳ中，如此可以确定每个分支的最小电缆截面积。第三维度信息的选择范围仅包含不小于最小电缆截面积对应的电缆信息。
回到图2，在步骤202中，根据风机位置坐标、第一维度信息、第二维度信息和第三维度信息，进行潮流计算，获得风电场的潮流。
在一些实施例中，根据本次确定的粒子，进行潮流计算，获得风电场的潮流。粒子包括第一维度信息、第二维度信息和第三维度信息。根据风机位置坐标、升压站的位置坐标、节点连接关系和电缆信息，进行潮流计算。第三维度信息可以包括电缆的单位长度的电阻值、电容值和电感值，用于潮流计算。在一些实施例中，可以将风机位置坐标、第一维度信息、第二维度信息和第三维度信息输入包括风电场电缆成本的目标函数的成本计算模型中，成本计算模型计算潮流。
在一些实施例中，如图4所示，计算潮流的步骤202包括步骤401和402。在步骤401中，根据风机位置坐标、第一维度信息和第二维度信息，确定多个节点的拓扑。拓扑包括节点的位置、节点之间的相对位置和连接关系。拓扑包括风机位置、升压站位置、风机之间及风机与升压站之间的相对位置、风机之间及风机与升压站之间的连接关系。在一些实施例中，确定坐标矩阵，坐标矩阵包括风机位置坐标和第一维度信息(升压站位置坐标)。根据坐标矩阵，确定节点之间的相对位置矩阵。以升压站为初始顶点，根据相对位置矩阵和第二维度信息(连接关系)，生成多个节点的拓扑。拓扑体现风电场的布局。根据节点之间的相对位置关系，可以确定每条路径的长度。
在步骤402中，根据拓扑和第三维度信息，进行潮流计算，获得风电场的潮流。第三维度信息可以包括电缆的单位长度的电阻值、电容值和电感值。
根据风机位置、升压站位置、风机之间及风机与升压站之间的相对位置、风机之间及风机与升压站之间的连接关系，以及电缆的单位长度的电阻值、电容值和电感值，计算风电场的潮流，可以获得节点的电压和每条路径上的电流。如此可以进行精确的风电场的潮流计算。
在一些实施例中，优化方法100包括：获取风电场的多种风况信息。在一些实施例中，在风电场建设的规划阶段，可以收集风资源数据。利用风资源数据可以绘制风玫瑰图。在一些实施例中，可以根据风向将风资源数据划分为多组，例如36组，则每组10°。每组的风分布通过威布尔分布表示，得到风速威布尔分布。根据不同的风向和相应的风速威布尔分布，可以绘制风玫瑰图。风玫瑰图体现风电场某一时间段内的风向和风速的分布情况。风况信息可以包括风玫瑰图中的风向、风速范围和相应风速范围内的概率。
在一些实施例中，根据风机位置坐标和风况信息，确定每台风机在多种风况下的输出功率。在一些实施例中，根据风机位置坐标和风况信息，通过尾流模型确定输出功率。通过尾流模型，确定多种风况下每台风机的输出功率。在不同的风况下，考虑尾流效应对风机输出功率的影响，计算每台风机在不同风况下的发电量。
在一些实施例中，根据多台风机在多种风况下的输出功率进行潮流计算，获得多种风况下的风电场的潮流。分别计算获得每种风况下的风电场的潮流。在每一风况下，根据对应风况下的多台风机的输出功率进行潮流计算，得到对应风况下的风电场的潮流。由于风机间的尾流效应，同一时间风电场内的不同风机输出的功率并不相同。通过尾流模型合理估算不同风况下的风机的输出功率，考虑了风电场的风资源分布特性，考虑了尾流效应，如此更加精确地计算风电场的潮流，更符合风电场实际情况，可以得到更优化的风电场布局。通过精确的潮流计算，可以对风电场做更加具体的技术限制，例如可以规定沿线压降不高于5％，可以规定每条路径的电压变动范围在规定的范围内，可以规定电压相角变化在规定的相角范围内。
在一些实施例中，根据风电场的多台风机在多种风况下的输出功率、多个节点的拓扑和可行解的第三维度信息(每条路径的电缆信息)，计算多种风况下的风电场的潮流。在每一风况下，根据多台风机的输出功率、多个节点的拓扑和可行解的第三维度信息，计算对应风况下的风电场的潮流。如此对风电场的潮流进行精确计算。
回到图2，在步骤203中，根据风电场的潮流，确定电缆功率损耗。
在一些实施例中，可以通过牛顿—拉夫逊法(Newton-Raphson)进行潮流计算，并计算电缆功率损耗。
在一些实施例中，根据多种风况下的风电场的潮流，确定多种风况下的风电场的电缆功率损耗。在每种风况下，根据对应的风况的风电场的潮流，确定对应风况下的风电场的电缆功率损耗。
在步骤204中，根据电缆功率损耗，确定目标函数的值。
将确定的电缆功率损耗代入目标函数中，得到目标函数的值，目标函数的值为风电场的电缆成本，如此得到包含电缆功率损耗成本的风电场电缆成本的值。在一些实施例中，粒子群算法中，目标函数可称作适应度函数，目标函数的值称作适应值。
在一些实施例中，根据多种风况下的电缆功率损耗，确定目标函数的值。在一些实施例中，目标函数包括多种风况下的电缆功率损耗的总和，风电场成本包括多种风况下的电缆功率损耗成本的总和。将多种风况下的电缆功率损耗代入目标函数中，得到包括风电场全年的功率损耗成本的风电场电缆成本的值。
在一些实施例中，优化迭代步骤包括：根据第三维度信息和风电场的潮流，确定电缆介质损耗；根据电缆介质损耗，确定目标函数的值。目标函数的值包括电缆功率损耗成本和电缆介质损耗成本。第三维度信息包括每条路径的电缆的电阻值，风电场的潮流包括每条路径的电缆上流过的电流和/或电缆两端的电压。可以根据电阻值和电流(或电压)计算得到电缆介质损耗。风电场电缆成本包括电缆介质损耗成本，根据电缆功率损耗成本和电缆介质损耗，计算风电场电缆成本，得到包含电缆功率损耗成本和电缆介质损耗成本的风电场电缆成本的值，从而可以更全面地考虑风电场的损耗成本，使得优化更符合实际情况，更完善。
在一些实施例中，风电场包括用于接收升压站输出的电能的变电站。变电站可以进一步将电能传输至主电网。变电站可以与多个升压站连接，接收多个升压站的电能。在一些实施例中，升压站为海上升压站，变电站为陆上变电站。优化方法包括：获取变电站的位置坐标。变电站的位置坐标可以包括在笛卡尔坐标系中的坐标，或经纬度坐标，或二维坐标。在一些实施例中，变电站的位置确定。在另一些实施例中，变电站的位置可以通过元启发式算法求解。
目标函数包括升压站至变电站的输电电缆成本。输电电缆成本与升压站和变电站之间的电缆长度和电缆截面积有关，升压站的位置影响电缆长度，电缆截面积与升压站和变电站之间传输的电能有关。输电电缆成本包括电路功率损耗成本，在一些实施例中，还可以包括电缆介质损耗。
优化迭代步骤包括：根据变电站的位置坐标和第一维度信息，确定输电电缆成本；及根据输电电缆成本，确定目标函数的值。目标函数进一步包括输电电缆成本。根据变电站的位置坐标和升压站的位置坐标可以确定输电电缆的长度，进而可以确定输电电缆的成本。在一些实施例中，根据变电站的位置坐标、第一维度信息和风电场的潮流，确定输电电缆成本。可以根据风电场的潮流确定汇入变电站的电能，可以确定输电电缆的截面积，进而确定输电电缆的成本。
目标函数的值包括输电电缆成本，从而可以更全面地考虑风电场电缆成本，使得优化更符合实际情况，更完善。风电场包括集电***和输电***，集电***包括多台风机和连接风机和升压站的电缆，输电***包括升压站、变电站和连接升压站和变电站的电缆。在本实施例中，既考虑集电***的电缆成本，也考虑输电***的电缆成本，在优化过程中对风电场的电缆成本进行充分考虑。可以通过上文所述的目标函数的成本计算模型计算目标函数的值。
继续参考图2，在步骤205中，寻找目标函数的最小值作为目标函数的最优值。在一些实施例中，在粒子群算法中，比较当前目标函数的值(适应值)与个体最优值，如果优于个体最优值，则个体最优值的位置就是当前粒子位置，即将当前可行解作为个体最优值对应的解；进一步比较当前目标函数的值与群体全体最优值，如果当前目标函数的值优于群体全体最优值，则设置群体全体最优值对应的位置就是当前粒子的位置，即当前可行解作为群体全体最优值对应的解。每次迭代中，寻找目标函数的最小值作为目标函数的最优值，如此每次迭代寻找风电场电缆成本的最小值。如此更新迭代，寻找经济成本最小的个体。
在步骤206中，判断是否满足迭代结束条件。满足迭代结束条件可以包括达到最大迭代次数和/或达到迭代时间阈值。未满足迭代结束条件时，继续迭代。
在步骤207中，在满足迭代结束条件时，将当前目标函数的最优值对应的可行解的第一维度信息作为升压站的位置坐标的优化解，将第二维度信息作为多个节点的连接关系的优化解，将第三维度信息作为电缆信息的优化解。迭代结束时，找到当前的目标函数的最优解，其对应的可行解作为优化结果。如此得到风电场布局的优化结果，确定升压站的位置、风机的连接关系、风机和升压站的连接关系，和每条路径的电缆信息。在一些实施例中，电缆信息包括电缆类型。在另一些实施例中，电缆信息包括电缆的截面积等，可以根据电缆信息，选择相应的电缆类型。
图5所示为一个风电场的风机位置示意图。图6所示为本申请实施例方法对图5的风电场进行优化布局后获得的风电场布局的示意图。从图5可以看出风电场的每台风机的位置和年平均等效满负荷小时数。对风机进行了编号。图6中S1为升压站的位置，从图4中可以看出优化后的升压站的位置、风机之间及风机和升压站之间的连接关系，以及电缆的截面积。本申请实施例方法考虑风电场的潮流对电缆功率损耗成本的影响，布局优化更合理。
图7所示为风电场布局的优化***700的一个实施例的模块框图。优化***700包括一个或多个处理器701，用于实现优化方法100。在一些实施例中，优化***700可以包括计算机可读存储介质704，计算机可读存储介质可以存储有可被处理器701调用的程序，可以包括非易失性存储介质。在一些实施例中，优化***700可以包括内存703和接口702。在一些实施例中，优化***700还可以根据实际应用包括其他硬件。
本申请实施例的计算机可读存储介质704，其上存储有程序，该程序被处理器701执行时，实现优化方法100。
本申请可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读存储介质的例子包括但不限于：相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请实施例所提供的方法和装置进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
本专利文件披露的内容包含受版权保护的材料。该版权为版权所有人所有。版权所有人不反对任何人复制专利与商标局的官方记录和档案中所存在的该专利文件或者该专利披露。
Claims (13)
1.一种风电场布局的优化方法，所述风电场包括多个节点，所述多个节点包括升压站和多台风机，其特征在于，所述优化方法包括：
获取所述多台风机的风机位置坐标；及
根据所述风机位置坐标，利用元启发式算法对以风电场电缆成本的目标函数最小化为目标的优化问题进行求解，得到所述升压站的位置坐标的优化解、所述多个节点的连接关系的优化解，及连接所述多个节点的多条路径的电缆信息的优化解；其中，所述连接关系表征所述多个节点中两两节点是否连接，所述目标函数包括根据所述风电场的潮流确定的电缆功率损耗。
2.根据权利要求1所述的优化方法，其特征在于，所述利用元启发式算法对以风电场电缆成本的目标函数最小化为目标的优化问题进行求解，包括：执行优化迭代步骤，直至满足迭代结束条件，所述优化迭代步骤包括：
确定所述目标函数的可行解，所述可行解包括表征所述升压站的位置坐标的第一维度信息、表征所述多个节点的连接关系的第二维度信息和表征对应所述连接关系的每条路径的电缆信息的第三维度信息；
根据所述风机位置坐标、所述第一维度信息、所述第二维度信息和所述第三维度信息，进行潮流计算，获得所述风电场的潮流；
根据所述风电场的潮流，确定所述电缆功率损耗；
根据所述电缆功率损耗，确定所述目标函数的值；
寻找所述目标函数的最小值作为所述目标函数的最优值；
在满足所述迭代结束条件时，将当前所述目标函数的最优值对应的所述可行解的所述第一维度信息作为所述升压站的位置坐标的优化解，将所述第二维度信息作为所述多个节点的连接关系的优化解，将所述第三维度信息作为所述电缆信息的优化解。
3.根据权利要求2所述的优化方法，其特征在于，所述根据所述风机位置坐标、所述第一维度信息、所述第二维度信息和所述第三维度信息，进行潮流计算，获得所述风电场的潮流，包括：
根据所述风机位置坐标、所述第一维度信息和所述第二维度信息，确定所述多个节点的拓扑，所述拓扑包括节点的位置、节点之间的相对位置和连接关系；
根据所述拓扑和所述第三维度信息，进行潮流计算，获得所述风电场的潮流。
4.根据权利要求2所述的优化方法，其特征在于，所述优化方法包括：获取所述风电场的多种风况信息；
所述优化迭代步骤包括：
根据所述风机位置坐标和所述风况信息，确定每台所述风机在多种风况下的输出功率；
根据所述多台风机在所述多种风况下的所述输出功率进行潮流计算，获得所述多种风况下的所述风电场的潮流；
根据所述多种风况下的所述风电场的潮流，确定所述多种风况下的所述电缆功率损耗；及
根据所述多种风况下的所述电缆功率损耗，确定所述目标函数的值。
5.根据权利要求4所述的优化方法，其特征在于，所述根据所述风机位置坐标和所述风况信息，确定每台所述风机在多种风况下的输出功率，包括：
根据所述风机位置坐标和所述风况信息，通过尾流模型确定所述输出功率。
6.根据权利要求2所述的优化方法，其特征在于，所述确定所述目标函数的可行解，包括：
根据所述第二维度信息，确定每条所述路径承载的风机数；
根据所述风机数，确定每条所述路径的电缆的最小截面积；及
根据所述最小截面积，确定所述第三维度信息，所述第三维度信息对应的每条所述路径的电缆截面积不小于所述最小截面积。
7.根据权利要求6所述的优化方法，其特征在于，所述确定所述目标函数的可行解，包括：
以所述多个节点为顶点，其中所述升压站作为初始顶点，建立随机树，以确定所述第二维度信息。
8.根据权利要求7所述的优化方法，其特征在于，所述建立随机树，包括：
利用元启发式算法，从所述多台风机中选择顶点，直至所述多台风机均被选择。
9.根据权利要求2所述的优化方法，其特征在于，所述优化迭代步骤包括：
根据所述第三维度信息和所述风电场的潮流，确定所述电缆介质损耗；
根据所述电缆介质损耗，确定所述目标函数的值。
10.根据权利要求2所述的优化方法，其特征在于，所述风电场包括用于接收所述升压站输出的电能的变电站，所述目标函数包括所述升压站至所述变电站的输电电缆成本；所述优化方法包括：获取所述变电站的位置坐标；
所述优化迭代步骤包括：
根据所述变电站的位置坐标和所述第一维度信息，确定所述输电电缆成本；及
根据所述输电电缆成本，确定所述目标函数的值。
11.根据权利要求1-10中任一项所述的优化方法，其特征在于，所述元启发式算法包括粒子群算法；所述利用元启发式算法对以风电场电缆成本的目标函数最小化为目标的优化问题进行求解，包括：
利用所述粒子群算法，对所述优化问题进行求解，得到所述升压站的位置坐标的优化解、所述多个节点的连接关系的优化解，及所述电缆信息的优化解。
12.一种风电场布局的优化***，其特征在于，包括一个或多个处理器，用于实现如权利要求1-11中任一项所述的优化方法。
13.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时，实现如权利要求1-11中任一项所述的优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010555783.5A CN111754035A (zh) | 2020-06-17 | 2020-06-17 | 风电场布局的优化方法、优化***及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010555783.5A CN111754035A (zh) | 2020-06-17 | 2020-06-17 | 风电场布局的优化方法、优化***及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111754035A true CN111754035A (zh) | 2020-10-09 |
Family
ID=72674817
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010555783.5A Pending CN111754035A (zh) | 2020-06-17 | 2020-06-17 | 风电场布局的优化方法、优化***及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111754035A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112434846A (zh) * | 2020-11-11 | 2021-03-02 | 上海芯翌智能科技有限公司 | 优化摄像机部署的方法与设备 |
| CN112464545A (zh) * | 2020-11-18 | 2021-03-09 | 上海电气风电集团股份有限公司 | 海上风电场电缆及变电站的布局方法、***、设备及介质 |
| CN112906283A (zh) * | 2021-03-05 | 2021-06-04 | 广东安恒电力科技有限公司 | 一种电缆布局方法和电子设备 |
| CN113657013A (zh) * | 2021-08-04 | 2021-11-16 | 浙江大学 | 融合风电场调度策略的风力发电机布局优化方法 |
| CN113761696A (zh) * | 2021-08-31 | 2021-12-07 | 深圳中广核工程设计有限公司 | 海上风电场海缆布局方案生成方法、装置和计算机设备 |
| CN115270377A (zh) * | 2022-09-26 | 2022-11-01 | 浙江华东工程数字技术有限公司 | 一种基于改进蚁群算法的多电缆最佳路径规划方法 |
| CN116562424A (zh) * | 2023-03-30 | 2023-08-08 | 上海勘测设计研究院有限公司 | 海上变电站的位置选择方法、***、电子设备及存储介质 |
| CN116976153A (zh) * | 2023-09-25 | 2023-10-31 | 电子科技大学中山学院 | 一种基于一体化模型的海上风电场升压站选址方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014201849A1 (zh) * | 2013-06-18 | 2014-12-24 | 国网辽宁省电力有限公司电力科学研究院 | 配有储能电站的分散式风电场有功优化调控方法 |
| CN107330563A (zh) * | 2017-07-17 | 2017-11-07 | 华北电力大学 | 一种海上风电集电与输电***联合拓扑优化方法 |
| CN107609694A (zh) * | 2017-09-04 | 2018-01-19 | 国网江苏省电力公司经济技术研究院 | 海上风电集群输电***结构优化方法及存储介质 |
| CN108306334A (zh) * | 2018-02-28 | 2018-07-20 | 天津大学 | 基于粒子群优化算法的风电场内部无功优化策略 |
-
2020
- 2020-06-17 CN CN202010555783.5A patent/CN111754035A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014201849A1 (zh) * | 2013-06-18 | 2014-12-24 | 国网辽宁省电力有限公司电力科学研究院 | 配有储能电站的分散式风电场有功优化调控方法 |
| CN107330563A (zh) * | 2017-07-17 | 2017-11-07 | 华北电力大学 | 一种海上风电集电与输电***联合拓扑优化方法 |
| CN107609694A (zh) * | 2017-09-04 | 2018-01-19 | 国网江苏省电力公司经济技术研究院 | 海上风电集群输电***结构优化方法及存储介质 |
| CN108306334A (zh) * | 2018-02-28 | 2018-07-20 | 天津大学 | 基于粒子群优化算法的风电场内部无功优化策略 |
Non-Patent Citations (1)
| Title |
|---|
| RONGSEN JIN等: "Cable routing optimization for offshore wind power plants via wind scenarios considering power loss cost model", 《APPLIED ENERGY》, vol. 254, pages 3 - 10 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112434846A (zh) * | 2020-11-11 | 2021-03-02 | 上海芯翌智能科技有限公司 | 优化摄像机部署的方法与设备 |
| CN112464545B (zh) * | 2020-11-18 | 2022-05-03 | 上海电气风电集团股份有限公司 | 海上风电场电缆及变电站的布局方法、***、设备及介质 |
| CN112464545A (zh) * | 2020-11-18 | 2021-03-09 | 上海电气风电集团股份有限公司 | 海上风电场电缆及变电站的布局方法、***、设备及介质 |
| CN112906283A (zh) * | 2021-03-05 | 2021-06-04 | 广东安恒电力科技有限公司 | 一种电缆布局方法和电子设备 |
| CN113657013B (zh) * | 2021-08-04 | 2022-06-21 | 浙江大学 | 融合风电场调度策略的风力发电机布局优化方法 |
| CN113657013A (zh) * | 2021-08-04 | 2021-11-16 | 浙江大学 | 融合风电场调度策略的风力发电机布局优化方法 |
| WO2023010624A1 (zh) * | 2021-08-04 | 2023-02-09 | 浙江大学 | 融合风电场调度策略的风力发电机布局优化方法 |
| US11669663B2 (en) | 2021-08-04 | 2023-06-06 | Zhejiang University | Wind turbine layout optimization method combining with dispatching strategy for wind farm |
| CN113761696A (zh) * | 2021-08-31 | 2021-12-07 | 深圳中广核工程设计有限公司 | 海上风电场海缆布局方案生成方法、装置和计算机设备 |
| CN115270377A (zh) * | 2022-09-26 | 2022-11-01 | 浙江华东工程数字技术有限公司 | 一种基于改进蚁群算法的多电缆最佳路径规划方法 |
| CN115270377B (zh) * | 2022-09-26 | 2023-01-31 | 浙江华东工程数字技术有限公司 | 一种基于改进蚁群算法的多电缆最佳路径规划方法 |
| CN116562424A (zh) * | 2023-03-30 | 2023-08-08 | 上海勘测设计研究院有限公司 | 海上变电站的位置选择方法、***、电子设备及存储介质 |
| CN116562424B (zh) * | 2023-03-30 | 2024-03-22 | 上海勘测设计研究院有限公司 | 海上变电站的位置选择方法、***、电子设备及存储介质 |
| CN116976153A (zh) * | 2023-09-25 | 2023-10-31 | 电子科技大学中山学院 | 一种基于一体化模型的海上风电场升压站选址方法 |
| CN116976153B (zh) * | 2023-09-25 | 2024-03-22 | 电子科技大学中山学院 | 一种基于一体化模型的海上风电场升压站选址方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111754035A (zh) | 风电场布局的优化方法、优化***及计算机可读存储介质 | |
| WO2021253291A1 (zh) | 风电场布局的优化方法、优化***及计算机可读存储介质 | |
| Hou et al. | Optimisation of offshore wind farm cable connection layout considering levelised production cost using dynamic minimum spanning tree algorithm | |
| Hou et al. | Optimisation for offshore wind farm cable connection layout using adaptive particle swarm optimisation minimum spanning tree method | |
| CN106503839B (zh) | 一种海上风电场环形集电网络分层规划方法 | |
| CN106712076B (zh) | 一种海上风电场集群规模下的输电***优化方法 | |
| CN111030179B (zh) | 风电场布局的优化方法、优化***及计算机可读存储介质 | |
| WO2021128223A1 (zh) | 风电场布局的优化方法、优化***及计算机可读存储介质 | |
| Srikakulapu et al. | Optimized design of collector topology for offshore wind farm based on ant colony optimization with multiple travelling salesman problem | |
| CN113806947B (zh) | 海上风电场布局处理方法、装置及设备 | |
| CN107681655B (zh) | 一种潮汐流能发电场协调规划方法 | |
| CN112990538B (zh) | 一种山地光伏电站集电线路确定方法、装置及设备 | |
| Chen et al. | A novel technique for the optimal design of offshore wind farm electrical layout | |
| CN110504705A (zh) | 一种海上风电集群电气***规划方法 | |
| Beşkirli et al. | Optimal placement of wind turbines using novel binary invasive weed optimization | |
| Zuo et al. | Offshore wind farm collector system layout optimization based on self‐tracking minimum spanning tree | |
| CN112163711A (zh) | 一种基于mopso/cc的综合能源***优化调度方法 | |
| CN106355511A (zh) | 考虑新能源与电动汽车接入的主动配电网重构方法 | |
| CN109740975A (zh) | 考虑潮汐资源评估与流速方向的潮汐流能发电场规划方法 | |
| CN114421468A (zh) | 一种计及风电集群共享储能联合参与的一次调频容量规划方法 | |
| CN112464545B (zh) | 海上风电场电缆及变电站的布局方法、***、设备及介质 | |
| Lin et al. | Assessing the impacts of large‐scale offshore wind power in Southern China | |
| CN116029197A (zh) | 以变电站为落点的综合能源搭载及容量优化配置方法 | |
| Zangeneh | Optimal design of onshore wind farm collector system using particle swarm optimization and Prim’s algorithm | |
| CN110009254B (zh) | 基于变权重最小生成树的潮汐流能发电场集电***规划方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |