CN112184028A - 一种基于和声搜索算法的变电站工程动态选址规划方法 - Google Patents
一种基于和声搜索算法的变电站工程动态选址规划方法 Download PDFInfo
- Publication number
- CN112184028A CN112184028A CN202011055904.6A CN202011055904A CN112184028A CN 112184028 A CN112184028 A CN 112184028A CN 202011055904 A CN202011055904 A CN 202011055904A CN 112184028 A CN112184028 A CN 112184028A
- Authority
- CN
- China
- Prior art keywords
- transformer substation
- substation
- transformer
- cost
- load point
- 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
- 238000013439 planning Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000010845 search algorithm Methods 0.000 title claims abstract description 28
- 238000010276 construction Methods 0.000 claims abstract description 44
- 238000005457 optimization Methods 0.000 claims abstract description 43
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims description 13
- 238000007726 management method Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 5
- 101100182247 Caenorhabditis elegans lat-1 gene Proteins 0.000 claims description 4
- 101100182248 Caenorhabditis elegans lat-2 gene Proteins 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000013461 design Methods 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 23
- 238000010586 diagram Methods 0.000 description 5
- 230000007774 longterm Effects 0.000 description 5
- 238000007728 cost analysis Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 101100460203 Schizosaccharomyces pombe (strain 972 / ATCC 24843) new2 gene Proteins 0.000 description 1
- 101100273916 Schizosaccharomyces pombe (strain 972 / ATCC 24843) wip1 gene Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Educational Administration (AREA)
- Computer Hardware Design (AREA)
- Development Economics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Quality & Reliability (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于和声搜索算法的变电站工程动态选址规划方法,该方法包括以下步骤:A、建立变电站选址定容模型,该模型将成本费用目标及变电站与负荷点隶属关系目标设为优化目标;B、通过和声搜索算法对区域范围内的变电站基础设施进行变电容量优化及成本优化;C、实现变电站优化迭代,得到项目建设选址规划最优方案。本设计提高了变电站选址定容的精确度。
Description
技术领域
本发明涉及电力工程技术领域,尤其涉及一种基于和声搜索算法的变电站工程动态选址规划方法,主要适用于提高变电站选址定容的精确度。
背景技术
电网中任何变电站工程的建设,都会引起相关电网作用的变化,使该***中任何一个子***的地位和作用都发生相应变化,因此变电站工程选址规划是电网工程建设的关键,需要科学评估。变电站选址规划技术的传统优化方法有模糊综合评价法、层次分析法(AHP)、灰色理论方法、微分进化算法、地理信息***(GIS)法、Voronoi图法。最近几年随机技术蓬勃发展,其应用领域不断扩大,智能优化算法逐渐进入人们的视野,相对传统优化算法,智能算法全局寻优能力更强,所以通过智能算法对变电站规划选址进行研究越来越受到欢迎。智能优化算法是一种比较新颖的方法,它是对自然界中的一些常见的现象进行模拟得来,该算法取自大自然之中,更接近人类生活,符合人们常规思维,易于理解,而且其运行速度更快,同时能得到最优解和次优解,便于使用者对比分析并做出合理决策。其中,粒子群优化算法、遗传优化算法、神经网络算法是智能算法中较为典型的几种,在解决电网规划问题时因其算法简便有效进而得到了广泛的应用。现有选址定容模型的技术缺陷是未能考虑客户需求与电力负荷供应及调配的动态适应性,未能将远期及近期的费用目标加以一致性和连贯性考量,导致变电站选址定容的结果不精确。
发明内容
本发明的目的是克服现有技术中存在的变电站选址定容精确度低的缺陷与问题,提供一种变电站选址定容精确度高的基于和声搜索算法的变电站工程动态选址规划方法。
为实现以上目的,本发明的技术解决方案是:一种基于和声搜索算法的变电站工程动态选址规划方法,该方法包括以下步骤:
A、建立变电站选址定容模型,该模型将成本费用目标及变电站与负荷点隶属关系目标设为优化目标;
B、通过和声搜索算法对区域范围内的变电站基础设施进行变电容量优化及成本优化;
C、实现变电站优化迭代,得到项目建设选址规划最优方案。
步骤A中,成本费用目标函数为:
其中,Csn、Ctn、Clinkn分别为各阶段的变电站成本费用、变压器成本费用、变电站与负荷点间的网损费用;N为项目规划阶段总数;an为各阶段所包含年数;
变电站成本费用为:
Csn=Cs0[r0(1+r0)m/(1+r0)m-1]·an+Cop
其中,Cs0为变电站原始建设成本;r0为贴现率;m为变电站折旧年限;Cop为变电站的年平均运营管理费用;
变压器成本费用为:
Ctn=Ct0[r0(1+r0)m/(1+r0)m-1]·an+Cops
其中,Ct0为变压器原始建设成本,Cops为变压器的年平均运营管理费用;
变电站与负荷点间的网损费用为:
其中,β为网损系数;β1为规划期内电价均值;β2为线路每公里电阻;β3为各阶段供电小时数;U为当前所处电压等级;为功率因数;Pkp为第k个变电站对第p个负荷点的传输功率值;diskp为第k个变电站与第p个负荷点之间的空间距离。
对于高压、超高压变电站***,变电站与负荷点间的空间距离为:
其中,rad为坐标系弧度化函数;x为经度lng、纬度lat数值;a、b为两点间纬度、经度弧度制距离值;dis为变电站与负荷点间的空间距离。
步骤A中,变电站与负荷点隶属关系目标函数为:
其中,Ttotal为变电站与负荷点隶属关系变更目标函数;Lk,p,n为含变电站数、负荷点数、阶段数在内的三维矩阵,该式通过连接状态改变,统计隶属关系变更次数。
步骤A中,变电站选址定容模型的约束条件包括逻辑关系约束、最大容量约束、潮流约束与区域条件约束;
(1)逻辑关系约束
(11)变电站空间位置不变,变压器数量随阶段递增,约束表达式为:
Locnewsta(xk,yk)n=C
0≤T1≤T2≤Tn≤TMax
其中,Locnewsta(xk,yk)n为变电站空间位置不变,时间内连续存在控制函数;Tn为变电站内变压器数量的递增逻辑性约束;TMax为变电站内变压器最大数量;C为常量;
(12)假设电网内负荷点任一阶段均应与邻近唯一变电站相连接,但存在阶段性调整可能性,约束表达式为:
其中,K为负荷点周边变电站遍历取值,第p个负荷点无论与哪个变电站连接,连接状态取值均为1,未连接的变电站取值为0;Linkkp,n为第n阶段第k个变电站与第p个负荷点的连接状态取值;
(2)最大容量约束为:
POWSk,n≤α·Tk,n·POWt
其中,POWSk,n为第n阶段变电站k对外输出功率;α为负载率;Tk,n为第n阶段变电站内变压器数量;POWt为一台变压器的输出功率;
(3)潮流约束为:
其中,POWk,p,n为第n阶段变电站k对负荷点p输出功率;
(4)区域约束条件为:
其中,x、y分别为区域经度值、纬度值;lng1、lng2分别为限制区域最大经度值、最小经度值;lat1、lat2为限制区域最大纬度值、最小纬度值。
与现有技术相比,本发明的有益效果为:
本发明一种基于和声搜索算法的变电站工程动态选址规划方法中,通过和声搜索算法及遍历算法实现变电站新建及扩建的总和成本分析,从建设及运营成本角度分析判断项目在规划周期、建设周期中新建及扩建的合理性和均衡性;模型通过输入项目区域负荷、区域地理信息、建设成本信息及建模约束条件可求解电力***选址定容的远期多阶段规划目标,从而得到项目整体建设成本最优解。因此,本发明提高了变电站选址定容的精确度。
附图说明
图1是本发明的流程图。
图2是本发明的实施例中原始变电站与负荷点的隶属关系示意图。
图3是本发明的实施例中和声搜索算法与随机算法比对示意图。
图4是本发明的实施例中一阶段变电站与负荷点的隶属关系示意图。
图5是本发明的实施例中二至五阶段变电站与负荷点的隶属关系示意图。
具体实施方式
以下结合附图说明和具体实施方式对本发明作进一步详细的说明。
参见图1,一种基于和声搜索算法的变电站工程动态选址规划方法,该方法包括以下步骤:
A、建立变电站选址定容模型,该模型将成本费用目标及变电站与负荷点隶属关系目标设为优化目标;
B、通过和声搜索算法对区域范围内的变电站基础设施进行变电容量优化及成本优化;
C、实现变电站优化迭代,得到项目建设选址规划最优方案。
步骤A中,成本费用目标函数为:
其中,Csn、Ctn、Clinkn分别为各阶段的变电站成本费用、变压器成本费用、变电站与负荷点间的网损费用;N为项目规划阶段总数;an为各阶段所包含年数;
变电站成本费用为:
Csn=Cs0[r0(1+r0)m/(1+r0)m-1]·an+Cop
其中,Cs0为变电站原始建设成本;r0为贴现率;m为变电站折旧年限;Cop为变电站的年平均运营管理费用;
变压器成本费用为:
Ctn=Ct0[r0(1+r0)m/(1+r0)m-1]·an+Cops
其中,Ct0为变压器原始建设成本,Cops为变压器的年平均运营管理费用;
变电站与负荷点间的网损费用为:
其中,β为网损系数;β1为规划期内电价均值;β2为线路每公里电阻;β3为各阶段供电小时数;U为当前所处电压等级;为功率因数;Pkp为第k个变电站对第p个负荷点的传输功率值;diskp为第k个变电站与第p个负荷点之间的空间距离。
对于高压、超高压变电站***,变电站与负荷点间的空间距离为:
其中,rad为坐标系弧度化函数;x为经度lng、纬度lat数值;a、b为两点间纬度、经度弧度制距离值;dis为变电站与负荷点间的空间距离。
步骤A中,变电站与负荷点隶属关系目标函数为:
其中,Ttotal为变电站与负荷点隶属关系变更目标函数;Lk,p,n为含变电站数、负荷点数、阶段数在内的三维矩阵,该式通过连接状态改变,统计隶属关系变更次数。
步骤A中,变电站选址定容模型的约束条件包括逻辑关系约束、最大容量约束、潮流约束与区域条件约束;
(1)逻辑关系约束
(11)变电站空间位置不变,变压器数量随阶段递增,约束表达式为:
Locnewsta(xk,yk)n=C
0≤T1≤T2≤Tn≤TMax
其中,Locnewsta(xk,yk)n为变电站空间位置不变,时间内连续存在控制函数;Tn为变电站内变压器数量的递增逻辑性约束;TMax为变电站内变压器最大数量;C为常量;
(12)假设电网内负荷点任一阶段均应与邻近唯一变电站相连接,但存在阶段性调整可能性,约束表达式为:
其中,K为负荷点周边变电站遍历取值,第p个负荷点无论与哪个变电站连接,连接状态取值均为1,未连接的变电站取值为0;Linkkp,n为第n阶段第k个变电站与第p个负荷点的连接状态取值;
(2)最大容量约束为:
POWSk,n≤α·Tk,n·POWt
其中,POWSk,n为第n阶段变电站k对外输出功率;α为负载率;Tk,n为第n阶段变电站内变压器数量;POWt为一台变压器的输出功率;
(3)潮流约束为:
其中,POWk,p,n为第n阶段变电站k对负荷点p输出功率;
(4)区域约束条件为:
其中,x、y分别为区域经度值、纬度值;lng1、lng2分别为限制区域最大经度值、最小经度值;lat1、lat2为限制区域最大纬度值、最小纬度值。
本发明的原理说明如下:
和声搜索算法(Harmony Search)利用和声内存采纳率、调距率对全过程变量矢量进行阶段性调节,步骤如下:
(1)确定优化目标函数:
minf(x),s.t.xi∈Xi,i=1,2,...,N;
其中,f(x)为目标函数;X为自变量集合;Xi为自变量值域集合;同时确定和声内存(HM)、和声内存采纳率(HMCR)、调距率(PAR)及终止创作参数(NI);
(2)初始化和声内存,存储生成的随机解向量Xi于HM中,通过目标函数生成适应度值,HM存储形式如下式:
(3)和声创作,通过HMCR和PAR参数的作用,生成一个新的和声矢量xJ,其单位元素的取值需通过两次随机判定环节,判定调节参数分别为HMCR、PAR;HMCR判定环节为随机生成0-1区间数值,利用HMCR进行数值比较,替换或更新和声库内随机数对应存储元素,表达式如下:
其中,HMS为和声内存大小;HMCR可控制第一判定环节内原始元素与更新元素的比例关系;第二个判定环节采用PAR进行分流操作,判定原理与HMCR相似,如下式:
其中,BW为调距带宽,常取自变量值域域宽5%左右;PAR决定了该环节是否对已取的元素值进行带宽微调;HMCR、PAR参数调节可提高数据全局寻优能力,避免数据陷入局部最优解;
(4)更新内存HM,通过判定环节生成的新和声矢量导入f(x)生成目标函数值,与和声内最劣和声对应函数值进行比较,剔除二者比较最劣值,循环往复实现最优解收敛。
变电站选址规划方法将选址定容模型中变电站新、扩建项目阶段性联动匹配通过费用模型建立、条件约束等形式开展多目标动态建模。本设计针对区域变电站选址定容问题,构建动态选址定容模型探究变电站建设成本差异,采用HS算法对搜索进程等参数进行调整以提高模型全局寻优及高效迭代的能力,通过优化逻辑约束实现变电站扩建及新建的综合方案比选,以达到阶段及全局的费用目标、隶属变更次数最小的目标要求,所建模型为区域变电站选址定容多阶段成本规划提供了新型分析工具。为解决变电站项目的长期投资建设时间-成本分析模型数据寻优复杂以及方案多目标比选难的问题,本设计考虑采用基于和声搜索算法的数据遍历寻优模型建立动态变电站选址定容模型,以实现新建站定址等变量的优化迭代,提高参数寻优速度及准确率,防止数据陷入局部最优解,为变电站的定址、定容和定价提供高效算法。
实施例:
参见图1,一种基于和声搜索算法的变电站工程动态选址规划方法,该方法包括以下步骤:
A、建立变电站选址定容模型,该模型将成本费用目标及变电站与负荷点隶属关系目标设为优化目标;
成本费用目标函数为:
其中,Csn、Ctn、Clinkn分别为各阶段的变电站成本费用、变压器成本费用、变电站与负荷点间的网损费用;N为项目规划阶段总数;an为各阶段所包含年数;
考虑资金的时间价值,研究引入贴现率对变电站投资建设成本进行规划期限的费用分摊,变电站成本费用考虑已建及新建变电站两类成本费用,区域内现有变电站及新建变电站根据折旧年限进行建设成本费用分摊,并在建成投入使用后考虑运营管理成本;变电站成本费用为:
Csn=Cs0[r0(1+r0)m/(1+r0)m-1]·an+Cop
其中,Cs0为变电站原始建设成本;r0为贴现率;m为变电站折旧年限;Cop为变电站的年平均运营管理费用;
变电站变压器数量上限设为3,变压器费用模型与变电站费用模型一致,利用投资成本的时间价值对设备购置进行费用分摊;变压器成本费用为:
Ctn=Ct0[r0(1+r0)m/(1+r0)m-1|·an+Cops
其中,Ct0为变压器原始建设成本,Cops为变压器的年平均运营管理费用;
变电站选址定容模型采用站-网结合方式对变电站及下级输电网络进行动态多阶段成本费用分析,依据实际,变电站建设项目总投资中,网损费用比重相对较小,但仍考虑;变电站与负荷点间的网损费用为:
其中,β为网损系数;β1为规划期内电价均值,根据预测方法预测未来电价走势并取均值;β2为线路每公里电阻;β3为各阶段供电小时数;U为当前所处电压等级;为功率因数;Pkp为第k个变电站对第p个负荷点的传输功率值;diskp为第k个变电站与第p个负荷点之间的空间距离(考虑地球曲率半径);
对于高压、超高压变电站***,由于覆盖范围大,站点间距离采用基于地理坐标系下的变电站与负荷点间的空间距离以合理计算网损数额;变电站与负荷点间的空间距离为:
其中,rad为坐标系弧度化函数;x为经度lng、纬度lat数值;a、b为两点间纬度、经度弧度制距离值;dis为变电站与负荷点间的空间距离;
考虑变电站与负荷点连接线路建设成本较高,各阶段的线路隶属关系变更应充分考虑,变电站与负荷点隶属关系目标函数为:
其中,Ttotal为变电站与负荷点隶属关系变更目标函数,用于统计各阶段变电站与负荷点隶属关系变更次数总和,为节省变电站与负荷点线路建设成本,应尽量减小隶属关系变更总数;Lk,p,.n为含变电站数、负荷点数、阶段数在内的三维矩阵,该式通过连接状态改变,统计隶属关系变更次数;
变电站选址定容模型的约束条件包括逻辑关系约束、最大容量约束、潮流约束与区域条件约束,约束条件可确保模型各阶段参数达到连贯性要求,通过条件约束实现状态串联从而达到动态优化目的;
(1)逻辑关系约束
(11)变电站与配套变压器在空间及时间上存在连贯性,对于现有变电站,一般可通过增加变压器数量来提高容量上限从而达到变电站扩建目的;对于新建变电站,变电站一旦建立,变压器开始运行,变电站空间位置不会变更,变压器数量可随阶段递增;约束表达式为:
Locnewsta(xk,yk)n=C
0≤T1≤C≤Tn≤TMax
其中,Locnesta(xk,yk)n为变电站空间位置不变,时间内连续存在控制函数;Tn为变电站内变压器数量的递增逻辑性约束;TMax为变电站内变压器最大数量;C为常量;
(12)假设电网内负荷点任一阶段均应与邻近唯一变电站相连接,但存在阶段性调整可能性,约束表达式为:
其中,K为负荷点周边变电站遍历取值,第p个负荷点无论与哪个变电站连接,连接状态取值均为1,未连接的变电站取值为0;Linkk,p,n为第n阶段第k个变电站与第p个负荷点的连接状态取值;为了提高程序迭代效率,负荷点连接顺序存在优先级,先遍历已有变电站,再逐个遍历周边新建变电站;
(2)变电站对外提供负荷功率应小于变电站阶段现有变压器提供的负荷功率之和,已建变电站如达到扩容要求后仍无法满足周边负荷点需求,则采取新建变电站判断性选址措施;最大容量约束为:
POWSk,n≤α·Tk,n·POWt
其中,POWSk,n为第n阶段变电站k对外输出功率;α为负载率;Tk,n为第n阶段变电站内变压器数量;POWt为一台变压器的输出功率;
(3)考虑潮流约束的限制,变电站在某一阶段内出线上运行负荷功率总和应等于变电站所提供的负荷功率值,本设计对矿区等重点保证供电区域采用了双进线方案;潮流约束为:
其中,POWk,p,n为第n阶段变电站k对负荷点p输出功率;
(4)变电站项目选址多存在如地理条件等环境约束,例如某区域经遍历优化判定为最优选址区域,但该区域存在湖泊、山峰等复杂地理环境,须对该区域进行前期地理信息识别,对其排除选址区域;区域约束条件为:
其中,x、y分别为区域经度值、纬度值;lng1、lng2分别为限制区域最大经度值、最小经度值;lat1、lat2为限制区域最大纬度值、最小纬度值;
B、通过和声搜索算法对区域范围内的变电站基础设施进行变电容量优化及成本优化;
C、实现变电站优化迭代,得到项目建设选址规划最优方案。
本实施例以中部某省53个市县级负荷点500KV电压等级变电站远期规划为例,依据往年区域原始负荷数据对2020至2026年间4个年份进行负荷数据预测,结果如表1。
表1地区用电负荷预测(单位:MW)
截止2018年,研究区域共覆盖6座500KV高压等级变电站,分别为JM、SZ、XY、JZ、YC和SY,500KV高压枢纽变电站-负荷点的原始隶属关系如图2;随着地区经济规模不断扩大,部分区域负荷呈跳跃式发展,需进行区域高压枢纽变电站的新建、扩建项目建设。
选址定容模型参数数据编制如下:变电站新建及扩建项目单台变压器容量类型选为750、1000、1200、1500MVA,变压器数量上限设为3个,设备折旧年限取20年,贴现率取10%,新建变电站投资原始费用为125.37元/KVA(综合单价),扩建变电站投资原始费用为46.54元/KVA(综合单价),各型变压器成本如表2,电能平均价格为0.48元/KWh,线路每公里电阻为0.6Ω/km,线路每公里原始费用为单回路152.51万元/km(综合单价),年供电小时数为8760h,功率因数为0.9。
表2变压器容量及造价
该选址定容模型新建变电站数量、新建变电站位置、各站变压器个数、隶属关系等变量采用遍历算法,为提高模型的迭代优化能力及计算精度,模型将和声搜索算法应用在隶属关系解的寻优上;通过与未采用和声搜索算法模型对比,和声搜索算法明显提高了模型最优解的寻优速度,特定分析时间内数据精度提高约12%,结果如图3。
变电站动态选址定容经济模型采用阶段寻优思想,从后往前逐步缩小新建变电站站址区域选择范围,该过程自动筛除限制区域;通过设定隶属关系最简和阶段花费最小的思想衡量各阶段总费用以确定阶段内的新建或改建最优性价比方案,本实施例所确定的优化解群数据如表3。
表3动态选址定容模型优化解
为选出规划方案最优解,本设计将线路建设费用指标列为择优的参考标准之一,该指标为方案隶属关系变更导致的输电线网建设费用的增加提供依据;在方案间新建变电站数量相同情况下,可通过衡量线路建设费用判定变电站选址方案的优劣性,线路建设成本越高,方案可行性越低。
从表3可知,项目总建设费用目标最优解范围为15亿至17亿元,其中,线路基础建设工程费用占比高达59%至63%;变电站基础建设费用中,新建变电站占比在78%至90%,扩建变电站占比较小,原因是扩建项目综合单价较低。上述规划方案中,最优方案为第6组,该组方案在项目规划初期,考虑负荷的激增情况,在项目的第一阶段新建变电站Sub:NewO一座,变电站容量为750MVA,第二阶段新建变电站Sub:New1、Sub:New2两座,容量分别为750、1500(750+750)MVA;之后三、四、五阶段,考虑模型负荷增长平稳,无新建变电站,部分变电站在原规模基础上进行项目扩建,其动态规划隶属关系如图4和图5。
选址定容模型在上述5个规划阶段中,后期主要通过项目扩建的形式满足功能负荷需求,从最优解规划轨迹看,变电设施的项目扩建是经济决策模型中节约投资的重要方式;变电站选址定容动态规划数据如表4;变电站的扩建规模视总体发展情况而定,算法并未单纯采用阶梯式容量递增方案,部分变电站为考虑综合成本,采用阶段跳跃式容量增加模式,如变电站SubNewO在项目初期直接采用1×1500MVA型变压器,而不是分阶段采用两个1×750MVA型号。
表4变电站变压器多阶段选型(单位:MVA)
本设计所提出的综合成本分析模型,从建设及运营成本角度分析判断项目在规划周期、建设周期中新建及扩建的合理性和均衡性。模型通过输入项目区域负荷、区域地理信息、建设及运行成本信息及建模约束条件可求解电力***选址定容的远期多阶段规划目标。
本设计所适用的选址定容模型将费用成本及逻辑隶属关系变更设为优化目标,通过和声搜索算法提高最优解的搜寻迭代效率,伴随区域各点负荷的时间序列增长,算法对区域范围内的变电站基础设施进行合理的变电容量优化及成本优化,从而得到项目整体建设成本最优解。该项研究可有助于电力基础设施的详细性规划及战略建设布局,提高变电基础设施的建设及后期运行效率,将建设期内成本与运营期运营管理费用相结合,提出有效的成本预估模型。
Claims (5)
1.一种基于和声搜索算法的变电站工程动态选址规划方法,其特征在于,该方法包括以下步骤:
A、建立变电站选址定容模型,该模型将成本费用目标及变电站与负荷点隶属关系目标设为优化目标;
B、通过和声搜索算法对区域范围内的变电站基础设施进行变电容量优化及成本优化;
C、实现变电站优化迭代,得到项目建设选址规划最优方案。
2.根据权利要求1所述的一种基于和声搜索算法的变电站工程动态选址规划方法,其特征在于:
步骤A中,成本费用目标函数为:
其中,Csn、Ctn、Clinkn分别为各阶段的变电站成本费用、变压器成本费用、变电站与负荷点间的网损费用;N为项目规划阶段总数;an为各阶段所包含年数;
变电站成本费用为:
Csn=Cs0[r0(1+r0)m/(1+r0)m-1]·an+Cop
其中,Cs0为变电站原始建设成本;r0为贴现率;m为变电站折旧年限;Cop为变电站的年平均运营管理费用;
变压器成本费用为:
Ctn=Ct0[r0(1+r0)m/(1+r0)m-1]·an+Cops
其中,Ct0为变压器原始建设成本,Cops为变压器的年平均运营管理费用;
变电站与负荷点间的网损费用为:
5.根据权利要求1所述的一种基于和声搜索算法的变电站工程动态选址规划方法,其特征在于:步骤A中,变电站选址定容模型的约束条件包括逻辑关系约束、最大容量约束、潮流约束与区域条件约束;
(1)逻辑关系约束
(11)变电站空间位置不变,变压器数量随阶段递增,约束表达式为:
Locnewsta(xk,yk)n=C
0≤T1≤T2≤Tn≤TMax
其中,Locnewsta(xk,yk)n为变电站空间位置不变,时间内连续存在控制函数;Tn为变电站内变压器数量的递增逻辑性约束;TMax为变电站内变压器最大数量;C为常量;
(12)假设电网内负荷点任一阶段均应与邻近唯一变电站相连接,但存在阶段性调整可能性,约束表达式为:
其中,K为负荷点周边变电站遍历取值,第p个负荷点无论与哪个变电站连接,连接状态取值均为1,未连接的变电站取值为0;Linkk,p,n为第n阶段第k个变电站与第p个负荷点的连接状态取值;
(2)最大容量约束为:
POWSk,n≤α·Tk,n·POWt
其中,POWSk,n为第n阶段变电站k对外输出功率;α为负载率;Tk,n为第n阶段变电站内变压器数量;POWt为一台变压器的输出功率;
(3)潮流约束为:
其中,POWk,p,n为第n阶段变电站k对负荷点p输出功率;
(4)区域约束条件为:
其中,x、y分别为区域经度值、纬度值;lng1、lng2分别为限制区域最大经度值、最小经度值;lat1、lat2为限制区域最大纬度值、最小纬度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011055904.6A CN112184028A (zh) | 2020-09-29 | 2020-09-29 | 一种基于和声搜索算法的变电站工程动态选址规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011055904.6A CN112184028A (zh) | 2020-09-29 | 2020-09-29 | 一种基于和声搜索算法的变电站工程动态选址规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112184028A true CN112184028A (zh) | 2021-01-05 |
Family
ID=73946106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011055904.6A Pending CN112184028A (zh) | 2020-09-29 | 2020-09-29 | 一种基于和声搜索算法的变电站工程动态选址规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112184028A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733482A (zh) * | 2021-01-14 | 2021-04-30 | 国网福建省电力有限公司 | 一种用于电网建设项目的生态保护红线规避方法 |
CN113393267A (zh) * | 2021-05-31 | 2021-09-14 | 上海东普信息科技有限公司 | 快递物流中心位置的确定方法、装置、设备及存储介质 |
CN114169592A (zh) * | 2021-11-19 | 2022-03-11 | 贵州电网有限责任公司 | 一种基于卫星影像数据分析的变电站选址定容方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056252A (zh) * | 2016-06-13 | 2016-10-26 | 西南石油大学 | 一种页岩气田井组划分三级优化方法 |
CN106327025A (zh) * | 2016-09-30 | 2017-01-11 | 山东国研电力股份有限公司 | 基于局部优化目标的交互式高压配电网规划方法 |
CN106503845A (zh) * | 2016-10-21 | 2017-03-15 | 国网山东省电力公司烟台供电公司 | 一种基于v图和hs算法的充电站布局规划方法 |
CN109919350A (zh) * | 2018-12-25 | 2019-06-21 | 天津大学 | 一种考虑整体经济性的多阶段变电站扩展规划方法 |
-
2020
- 2020-09-29 CN CN202011055904.6A patent/CN112184028A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056252A (zh) * | 2016-06-13 | 2016-10-26 | 西南石油大学 | 一种页岩气田井组划分三级优化方法 |
CN106327025A (zh) * | 2016-09-30 | 2017-01-11 | 山东国研电力股份有限公司 | 基于局部优化目标的交互式高压配电网规划方法 |
CN106503845A (zh) * | 2016-10-21 | 2017-03-15 | 国网山东省电力公司烟台供电公司 | 一种基于v图和hs算法的充电站布局规划方法 |
CN109919350A (zh) * | 2018-12-25 | 2019-06-21 | 天津大学 | 一种考虑整体经济性的多阶段变电站扩展规划方法 |
Non-Patent Citations (1)
Title |
---|
卓结彬: "变电站选址定容规划模型研究", 《电工电气》, pages 46 - 50 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733482A (zh) * | 2021-01-14 | 2021-04-30 | 国网福建省电力有限公司 | 一种用于电网建设项目的生态保护红线规避方法 |
CN113393267A (zh) * | 2021-05-31 | 2021-09-14 | 上海东普信息科技有限公司 | 快递物流中心位置的确定方法、装置、设备及存储介质 |
CN114169592A (zh) * | 2021-11-19 | 2022-03-11 | 贵州电网有限责任公司 | 一种基于卫星影像数据分析的变电站选址定容方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109272176B (zh) | 利用K-means聚类算法对台区线损率预测计算方法 | |
CN112184028A (zh) | 一种基于和声搜索算法的变电站工程动态选址规划方法 | |
Billinton et al. | Capacity reserve assessment using system well-being analysis | |
Ghadimi et al. | PSO based fuzzy stochastic long-term model for deployment of distributed energy resources in distribution systems with several objectives | |
Tanaka et al. | Formulation and evaluation of long‐term allocation problem for renewable distributed generations | |
Frysztacki et al. | Modeling curtailment in germany: how spatial resolution impacts line congestion | |
Hinojosa et al. | A simulated rebounding algorithm applied to the multi-stage security-constrained transmission expansion planning in power systems | |
Shin et al. | Spatiotemporal load-analysis model for electric power distribution facilities using consumer meter-reading data | |
CN116961052A (zh) | 一种分布式储能***的选址定容方法及*** | |
Kaplan et al. | Fault diagnosis of smart grids based on deep learning approach | |
Hu et al. | Transformer-customer relationship identification for low-voltage distribution networks based on joint optimization of voltage silhouette coefficient and power loss coefficient | |
Moksnes et al. | Increasing spatial and temporal resolution in energy system optimisation model–The case of Kenya | |
Murakami et al. | Dynamic optimization of SVR control parameters for improving tap operation efficiency of voltage control in distribution networks | |
CN115587763A (zh) | 一种考虑多电压等级耦合的分布式电源承载能力评估方法 | |
CN112598324B (zh) | 受端主网架规划方法及终端设备 | |
Marcelo et al. | Multistage planning for active power distribution systems with increasing penetration of prosumers and electric vehicles | |
Lamprianidou et al. | Impact of Data-Driven Modelling Approaches on the Analysis of Active Distribution Networks | |
CN109510203A (zh) | 一种基于中长期负荷预测的配电网供电能力评估方法 | |
TWI828566B (zh) | 資料分析裝置及資料分析方法 | |
CN117277446B (zh) | 多目标配电网规划方法及*** | |
Zhang et al. | Zone division models and algorithms in zonal pricing power market | |
Müller | Combined optimization of grid and storage expansion in the german power system | |
Supponen et al. | Coordinated voltage control as a replacement for passive network reinforcements—A case study | |
Chihota et al. | Practical Probabilistic Design Procedures for Medium Voltage Distribution Systems | |
Saleem et al. | Reduced Voltage-Dependency by Categorical Location Information and Distance Along Street Metric for Meter-Transformer Mapping in Distribution Systems |
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 |