CN103269085B - 一种分布式风机选址定容系统 - Google Patents

Abstract

一种分布式风机选址定容系统，属于风电场微观选址的技术领域。包括：用于根据风机场中风机的数量、风机的位置和风机的容量，生成风机选址约束，输出风机场控制目标的风机选址约束控制器、用于根据潮流计算监测分布式风机接入配电网后电力系统的运行状态，稳定运行状态或不稳定运行状态的运行状态检测器、用于根据控制目标优化器的输出、采用基于罚函数-蚁群算法求解出的安装风机的待选节点、待选节点处安装的风机容量和安装风机时所走的最优路径的结果输出器。本发明将约束处理技术与智能优化算法结合，克服传统智能优化算法运行不稳定和较难得到更好寻优结果的弊端，最终能较好的输出分布式风电微观选址的结果。

Description

一种分布式风机选址定容系统

技术领域

本发明属于风电场微观选址的技术领域，特别涉及一种分布式风机选址定容系统。

背景技术

随着地球上煤炭等常规能源的逐渐衰竭、环境问题的日益严重以及科学技术的快速发展，分布式发电方式的环保、高效已经引起了世界各国的广泛关注。国际大型电力系统委员会（CIGRE）将分布式发电定义为“非经规划的或非中央调度型的电力生产方式，由电力部门、用户或第三方所有，通常与35KV及以下电压等级的配电网连接，一般发电规模在50～100MW之间”。分布式发电系统除分散与小型化的特征以外，还具有实施热（冷）电联供、环境友好、燃料多元化以及网络智能化控制和信息化管理等特点。目前世界上最成熟、经济效益最好的一种分布式发电技术是分布式风力发电。我国正积极开发有关分布式接入风电的项目。

分布式接入风电项目的前期工作是风电场的选址。风电场选址的好坏直接关系到风电场的出力与经济可行性，对风电场的建设至关重要。风电场选址分为宏观选址和微观选址。风电场宏观选址是指在一个较大的地区，经过对气象、地理条件等多方面因素进行综合考察后，选择一个风资源丰富，而且最有利用价值的小区域的过程；风电场微观选址则是指在宏观选址选定的小区域中，确定风机的数目、风机的位置以及风机的容量，使整个风电场具有较好经济效益的过程。

风电场微观选址与定容问题是一个复杂的、包含有多变量的、条件相互制约相互矛盾的、约束条件具有非线性特点的组合优化问题。为了求解该组合优化问题的最优解，人们主要是通过智能优化算法如模拟退化算法、人工神经网络、遗传算法等进行求解。但是，有些算法本身表现不是很稳定，而且，有些算法很难求解出该问题的最优解。

发明内容

针对现有技术的不足，本发明的目的是为了更好的实现风电场的微观选址，综合考虑风机的位置和容量，提出一种基于罚函数-蚁群算法的分布式风机微观选址定容系统。

本发明的技术方案是这样实现的：一种分布式风机选址定容系统，包括：

风机选址约束控制器：用于根据风机场中风机的数量、风机的位置和风机的容量，生成风机选址约束，输出风机场控制目标；

风机选址约束控制器还进一步还包括：

单风机功率输出器：用于根据风速的湍流强度、风机间的尾流效应以及风能利用系数计算单个风机的输出功率；

单风机功率均值器：用于依据单风机功率输出器的输出结果计算单个风机年平均输出功率；

单风机年发电量计算器：用于依据单风机功率均值器的输出结果计算单个风机的年均发电量；

约束器：用于控制电力系统的节点电压，使该电压处于最小允许电压值和最大允许电压区间内、控制每条支路的输出的功率，使该功率处于由输出功率上限、输出功率下限构成的区间内、控制待选节点处分布式电源的装机容量在保证电力系统潮流方向不改变的区间内、控制相邻风机间的距离在风机运行安全距离区间内、控制分布式风机的安装容量与系统中最大负荷的比值处于风电场穿透功率极限内；

控制目标生成器：用于根据风机的运行和维护费用、风机的运输费用、安装费用、设备投资费用、电价、发电量、折现率、风机容量、环境成本和土地征收费用生成风电场的利润，并保证输出的风电场的利润最大的装置；

控制目标优化器：用于利用罚函数的思想将约束器产生的约束区间转化为约束函数与罚因子的乘积形式，在结合控制目标生成器的输出生成罚函数，并采用智能优化算法求解该罚函数，实现对控制目标生成器优化；

运行状态检测器：用于根据潮流计算监测分布式风机接入配电网后电力系统的运行状态，稳定运行状态或不稳定运行状态；

结果输出器：用于根据控制目标优化器的输出、采用基于罚函数-蚁群算法求解出的安装风机的待选节点、待选节点处安装的风机容量和安装风机时所走的最优路径。

所述的结果输出器还进一步包括：

蚂蚁数量初始器：用于初始化蚁群中蚂蚁的数量；

信息素初始器：用于初始化每条待选路径上的信息素，使其为同一个值；

启发式因子初始器：用于初始化信息启发式因子和期望启发式因子；

容量生成器：用于生成本次迭代时分布式电源待选安装节点处的总装机容量；

地点输出器：用于输出每次迭代时每只蚂蚁需要走过的地点数；

路径选择器：用于根据地点输出器的输出、信息素初始器初始的信息素、局部更新器的输出、全局更新器的输出、启发式因子初始器初始的参数，按照选择规则选出每只蚂蚁爬行的下一个地点；

局部更新器：用于信息素的局部更新，使蚂蚁走过的线路上的信息素减少，增大蚂蚁未走过的路线被后来蚂蚁选择的概率，扩大解空间；

结果比较输出器：用于根据蚂蚁数量初始器的输出、容量生成器的输出、路径选择器的输出来计算出第k只蚂蚁的罚函数（目标函数）值，并比较每只蚂蚁搜索完成后对应的罚函数的值，将最优的结果作为本次迭代的结果输出。

全局更新器：用于信息素的全局更新，增强蚁群的寻优能力；

迭代终止输出器：用于根据结果输出器的输出，比较相邻两次迭代的结果是否满足收敛条件或者判断迭代次数是否满足收敛条件，如果不满足收敛条件，则返回单次迭代结果输出器；如果满足收敛条件，则输出安装风机的待选节点、待选节点处安装的风机容量和安装风机时所走的最优路径。

本发明的优点：本发明将约束处理技术与智能优化算法结合，用于解决风电场微观选址与定容的非线性组合优化问题，该系统克服传统智能优化算法运行不稳定和较难得到更好寻优结果的弊端，最终能较好的输出分布式风电微观选址的结果。

附图说明

图1为本发明一种实施方式分布式风机选址定容系统的总结构框图；

图2为本发明一种实施方式风机选址约束控制器的结构框图；

图3为本发明一种实施方式结果输出器的结构框图；

图4为本发明一种实施方式结果输出器的内部运行流程图；

图5为本发明一种实施方式运行状态检测器的结构框图；

图6为本发明一种实施方式运行状态检测器内的潮流计算流程图；

图7为本发明一种实施方式硬件电路框图；

图8为本发明一种实施方式复位与时钟电路原理图；

图9为本发明一种实施方式键盘模块电路原理图；

图10为本发明一种实施方式通信模块电路原理图；

图11为本发明一种实施方式存储器电路原理图；

图12为本发明一种实施方式风速传感器电路原理图；

图13为本发明一种实施方式风向传感器电路原理图；

图14为本发明一种实施方式信号自适应调整模块电路原理图；

图15为本发明一种实施方式电源电路数据采集模块电路原理图；

图16为本发明一种实施方式电源电路原理图，其中(a)TPS73HD318的电源芯片电路原理图；(b)电压转换稳压芯片LM317电路原理图。

具体实施方式

下面结合附图对本发明的实施方式作进一步说明。

图1为本发明一种实施方式给出的分布式风机选址定容系统的总结构框图，包括风机选址约束控制器、运行状态检测器和结果输出器。

本实施方式将风电场中电力系统中最大允许电压、最小允许电压，每条支路的输出功率的上限，每条支路的输出功率的下限信息，输入风机选址约束控制器中，利用风机选址约束控制器控制电力系统的节点电压，控制每条支路的输出功率，控制待选节点处分布式电源的装机容量在保证电力系统潮流方向不改变的区间内、控制相邻风机间的距离在风机运行安全距离区间内、控制分布式风机的安装容量与系统中最大负荷的比值处于风电场穿透功率极限内，并产生风机场的控制目标。最后，由结果输出器结合风电机的运行状态，则根据风机选址约束控制器的目标输出风机的待选节点、待选节点处安装的风机容量和安装风机时所走的最优路径。

本实施方式中，采用的风机选址约束控制器的结构如图2所示。包括单风机功率输出器、单风机功率均值器、单风机年发电量计算器、约束器、控制目标生成器和控制目标优化器。

本实施方式中由于风能具有随机性和波动性，所以综合考虑风速的湍流强度、风机间的尾流效应以及风能利用系数来计算单个风机的输出功率，从而确定单个风机的年平均输出功率。单个风机的输出功率计算公式：

$P_i=\left\{\begin{array}{cc}0,& 0\≤V_{i,o}\≤V_1\\ \frac{1}{2\mathrm{\ϵ}}\mathrm{\δS}{V}_{i,o}^3{C}_p& V_1\≤V_{i,o}\≤V_2\\ 0,& V_{i,o}\≥V_2\end{array}\right.$

式中，P_i为第i个风机的输出功率，V₁为风机的额定风速，V₂为风机的停机风速，δ为空气密度，S为风机叶片的面积，C_P为风能利用系数，V_i,o为风机轮毂高度处的风速，即V_i,o为风机i在风向o处的风速，由风向o和风机下游距离为d处的尾流风速V以及风机的位置S_i决定，其中，尾流风速V是采用Jensen和Katic提出改进的PARK尾流模型，即处于风机下游距离为d处的尾流风速，可由下式确定：

$V=v[1-(1-\sqrt{1-C_t}){\left(\frac{D}{D+2\mathrm{\γd}}\right)}^2]$

式中，v为正常风速，C_t为风轮推力系数，D为风轮直径，d为与下游风机的距离，γ为尾流衰减常数；

ε为风速的湍流强度，与风机离地高度和地表面粗糙度有关，可由下面的公式确定：

$\mathrm{\ϵ}=\frac{{\mathrm{\κ}}_r}{\ln (h/\∂)}$

式中，k_r为修正系数，h为风机离地高度，为地表面粗糙度。

将单风机功率输出器的输出代入单风机功率均值器，计算每个单独的风机年平均输出功率，具体如下：

单个风机年平均输出功率计算公式如下：

式中，f(v)为风速分布密度函数，常用威布尔分布模型描述，其中c和κ分别为Weibull分布的尺度参数和形状参数；为修正系数。

单风机功率均值器的输出传入单风机年发电量计算器，计算单个风机的年发电量，具体公式如下：

$E_{\mathrm{ij}}=e^{-(W_i-\mathrm{\μ})/{\mathrm{\σ}}^2}\·h_t\·\mathrm{\τ}\·{\stackrel{\‾}{P}}_i$

式中：E_ij为第i个风机第j年的年发电量，μ和σ分别为风机装机容量的数学期望和方差，W_i为第i个风机的装机容量，h_t风能年有效利用小时数，τ为修正系数。

本实施方式中的约束器产生6种约束控制，包括节点电压约束、支路传输功率约束、电力系统的潮流约束、待选节点处分布式电源最大装机容量的约束、风机之间的最小距离约束和风电场的穿透功率极限约束，具体如下：

(1)由于分布式风电接入配电网后，会使得配电网的潮流发生不稳定的变化。而潮流的不稳地变化不仅会造成系统的过压或欠压，使系统的电压质量难以保证，同时还将引起配电网网络损耗的变化。为保证系统的电压质量，本实施方式通过考虑分布式风机接入位置及其出力变化的电压分布的潮流计算，建立节点电压和支路传输功率的约束，具体公式如下：

节点电压的约束：

V_mmin≤V_m≤V_mmax

式中：V_mmin和V_mmax分别为电力系统中第m个节点的最小允许电压值和最大允许电压值。根据电力系统电压质量标准，作如下控制：低压单相供电时，在电力系统正常运行的条件下，供电额定电压220伏，允许电压偏差为+7%和-10%；10千伏及以下三相供电，在电力系统正常运行的条件下，供电额定电压10千伏，允许电压偏差为±7%；35千伏及以上三相供电，在电力系统正常运行的条件下，供电允许电压正负偏差的绝对值之和不超过额定值的10%；城市地区居民客户端电压合格率不低于96%。

(2)支路传输功率P_m约束：

P_mmin≤P_m≤P_mmax

式中：P_mmin和P_mmax是分别为第m个节点有功输出功率的上下限。在电力系统中，由于稳定的要求，每条支路所能输送的功率都有一个限制。

(3)电力系统的潮流约束:

电力系统的潮流方程：

$P_m=V_m\underset{q\∈m}{\mathrm{\Σ}}{V}_q(G_{\mathrm{mq}}\cos {\mathrm{\φ}}_{\mathrm{mq}}+B_{\mathrm{mq}}\sin {\mathrm{\φ}}_{\mathrm{mq}})$ $Q_m=V_m\underset{q\∈m}{\mathrm{\Σ}}{V}_q(G_{\mathrm{mq}}\sin {\mathrm{\φ}}_{\mathrm{mq}}+B_{\mathrm{mq}}\cos {\mathrm{\φ}}_{\mathrm{mq}})$

式中，P_m和Q_m分别为第m个节点的有功和无功功率，V_m和V_q分别为第m个节点和第q个节点的节点电压，其中m和q指的是两个相邻的节点，G_mq和B_mq分别为相邻节点的电导矩阵和电纳矩阵，φ_mq是指相邻节点的电压相角差。

(4)本实施方式中，控制待选节点处分布式电源的装机容量在保证电力系统潮流方向不改变的区间内，即安装风机的节点的有功负荷大于风机的有功出力，使有功潮流流动方向不发生改变。

为了保证电网中潮流方向不发生改变，限制接入待选节点处的分布式电源的容量不大于该节点处的负荷总量,待选节点处分布式电源最大装机容量的约束：

式中,为待选节点处分布式电源最大装机容量约束的约束约束违反量，W_i为第i台风机的装机容量，N′为待选安装节点处安装的风机的个数，S_load为该节点处的负荷总量。

(5)风机的布置，是风电场场址选择的关键因素。一方面，风机布置的行列间距越大，风机之间的尾流的影响越小，风机组的发电量越高，同时风机运行的越安全；另一方面，风机布置的行列间距越大，风电场的工程建设费用越高。综合考虑这两方面因素，建立相邻风机之间的最小距离约束：

风机之间的最小距离约束满足如下公式：

式中，为风机之间的最小距离约束的约束违反量，S_i和S_j分别为第i个风机和第j个风机的安装位置，为第i个风机到第j个风机的向量，表示第i个风机和第j个风机之间的距离，其中，i≠j，i,j∈{1,...,N′}，χ∈(1，...，Y),其中式中C代表组合数。

(6)风电场穿透功率极限是指系统能够接受的风电场最大装机容量与系统最大负荷的百分比。当一个电网中风电穿透功率较小时，电网本身会有调节功能来减小风电场对系统产生的负面影响，当风电穿透功率超过某个值时，会威胁到电网的安全稳定运行。因此本实施方式中建立了风电场的穿透功率极限约束：

风电场的穿透功率极限约束满足如下公式：

式中，为风电场的穿透功率极限约束的约束违反量，N为所有待选节点安装的风机总数，S_maxload系统中的最大负荷，ω为穿透功率极限。

控制目标生成器用于根据风机的运行和维护费用、风机的运输费用、安装费用、设备投资费用、电价、发电量、折现率、风机容量、环境成本和土地征收费用生成风电场的利润，并保证输出的风电场的利润最大的装置，具体公式如下：

$B_e=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{G}_i-\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{O}_j-T-I-F-L=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{E}_{\mathrm{ij}}\mathrm{pf}-\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{O}_j-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W_i}^{1/2}(T_i-I_i-F_i)-L$

式中，B_e为项目获得的利润，G_i为单个风机使用期内的收益，O_j为第j年风机的运行和维护费用，T为交通运输费用，I为风机安装费用，F为风机组设备的总投资，L为其他费用，如环境成本，土地征收费用等，p为电价，f为折现率，T_i，I_i，F_i分别为第i个的风机的运输，安装，设备投资的费用，N为安装风机的总数，M为每台风机使用的年限。

本实施方式中的风电场，控制的总体目标为：考虑风电场的收入与支出因素，使项目获得最大的利润。

控制目标优化器：用于利用罚函数的思想将约束器产生的约束区间转化为约束函数与罚因子的乘积形式，在结合控制目标生成器的输出生成罚函数，并采用智能优化算法求解该罚函数，实现对控制目标生成器优化。

利用罚函数法的思想，将风机微观选址定容的约束优化问题转化为无约束优化问题，确定应用蚁群算法求解的目标函数：

式中，λ(t)=C₀lnt是第t代的惩罚因子，C₀是一个常数，t指的是第t次迭代。在进化初期采用较小的罚因子，算法将有可能对不可行域进行一定程度的搜索，增强全局探索能力；进化后期采用较大的罚因子，将使算法的搜索集中在可行域，寻找目标更优的可行解。 分别是和的不等式约束违反量的函数，是的不等式约束违反量的函数，S为风机的安装位置，W为风机的装机容量，Be(S,W)为含有不等式约束变量的控制目标生成器生成的目标函数，Φ(S,W)为含有不等式约束变量的控制目标优化器生成的目标优化函数。

本实施方式中，考虑分布式风机微观选址定容问题是约束优化问题，约束优化问题就是在保证变量满足不等式约束和等式约束的前提下，寻找使得目标函数达到最优的解；本实施方式中利用罚函数对约束优化问题进行处理，将约束优化问题转化为无约束优化问题。

本实施方式中的结果输出器结构如图3所示。包括：蚂蚁数量初始器、信息素初始器、启发式因子初始器容量生成器、地点输出器、路径选择器、局部更新器、状态检测器、结果比较输出器、全局更新器和迭代终止输出器，具体如下：

(1)蚂蚁数量初始器：定义蚁群中蚂蚁的数量g。要求蚂蚁的数量远远大于配电网中待选安装分布式电源的节点的个数。在风电场宏观选址的基础上，根据所选地址的实际情况确定分布式电源的待选安装节点，设待选安装节点个数为n_p，同时将所有分布式电源待选安装节点进行不重复编号1～n_p。为了提高蚁群的搜索精度，令蚂蚁的数量g=n_p ²。由于分布式电源的位置靠近负荷用户，因此假定分布式电源由负荷节点处接入电网。

(2)信息素初始器：初始化每条待选路径上的信息素τ，每条线路的初始信息素设置为一个相同的值。初始化算法中信息启发式因子α、期望启发式因子β、信息素持续因子ρ等一系列关键的参数。β由待选节点处安装的风机容量和路径的运输成本决定，式中a、b和C₀是常数，W_m为第m个待选节点处安装的风机的容量，l_mq为待选节点m到待选节点q的距离。

(3)启发式因子初始器容量生成器：由于待选节点处安装的风机数越多，所需要的成本越大，同时发电量的增多，赚取的电费也越多，所以根据各种约束条件的限制，规定待选节点处安装不同数量的风机概率，然后用轮盘赌的方法确定本次迭代时待选节点处安装的风机的数量N′，从而确定本次迭代时分布式电源待选安装节点的总装机容量

(4)地点输出器：规定迭代时每只蚂蚁走过的地点数为n_p。规定每只蚂蚁选择下一个地点的规则为：

如果q≤q₀，则 ${P_{\mathrm{ij}}}^k=\left\{\begin{array}{cc}1& j\∈\mathrm{allowed},\max \{{{\mathrm{\τ}}_{\mathrm{ij}}}^{\mathrm{\α}},{{\mathrm{\η}}_{\mathrm{ij}}}^{\mathrm{\β}}\}\\ 0& j\∉\mathrm{allowed}\end{array}\right.$

如果q>q₀，则 ${P_{\mathrm{ij}}}^k=\left\{\begin{array}{cc}{{\mathrm{\τ}}_{\mathrm{ij}}}^{\mathrm{\α}}{{\mathrm{\η}}_{\mathrm{ij}}}^{\mathrm{\β}}& j\∈\mathrm{allowed}\\ 0& j\∉\mathrm{allowed}\end{array}\right.$

式中，P_ij ^k表示第k只蚂蚁由地点i转移到地点j的转移概率；q是区间[0,1]上均匀分布的随机数，q₀是给定的路径选择的概率，allowed表示蚂蚁k下一步允许选择的地点；τ_ij为路径(i,j)上的信息素；η_ij为启发函数，即地点i到地点j的期望程度，其指数β值越大，期望度越高，项目的最终收益越好，α为信息启发式因子，通常取值为1。

(5)局部更新器：当一只蚂蚁完成一次搜索后，就进行信息素的局部更新。如果线路ij被蚂蚁k选中，则刷新信息素。调整公示为：

τ_ij=(1-ρ₀)·τ_ij+ρ₀Δτ_ij ^k

式中，表示第k只蚂蚁在路径ij上留下的信息素，ρ₀为信息素局部挥发因子。局部更新会使蚂蚁走过的线路上的信息素减少，使蚂蚁未走过的路线被后来蚂蚁选择的概率增大，可以扩大解空间，避免后来的蚂蚁只在走过的线路附近寻路以致陷入局部最优。由于运输成本与运输时间成正比，所以令第k只蚂蚁在路径ij上的信息素表示为：

$\mathrm{\Δ}{\mathrm{\τ}}_{\mathrm{ij}}^k=C/t_k$

式中，C为一个常数，t_k表示蚂蚁k经过路径ij时所花费的时间。

(6)路径选择器：对蚂蚁k所走路径的进行潮流计算，并求出蚂蚁k所走路径的目标函数值B_e-now，并与本次迭代历史最优的目标函数值B_e-history进行比较，把其中比较大的那个值所对应的路径作为本次迭代为止所得到的全局最优路径即当前全局最优路径。

(7)全局更新器：当所有蚂蚁都完成一次路径全程的搜索后，信息素全局更新,公式如下：

τ_ij=(1-ρ₁)·τ_ij+ρ₁Δτ_ij

式中，ρ₁为信息素全局挥发因子，Δτ_ij为在线路ij上所经过的蚂蚁释放的信息素总量，其取值表达式为：

式中，C₁是常数。

(8)结果比较输出器：将本次迭代所得的最优目标函数值B_e-history与历史迭代所得的最优目标函数值B_e-best进行比较，把其中比较大的那个值所对应的路径作为最终迭代为止所得到的全局最优路径。

(9)迭代终止输出器：重复执行启发式因子初始器容量生成器、地点输出器、局部更新器，路径选择器、全局更新器和结果比较输出器的运行过程，当满足迭代终止条件，即或算法迭代100次时，终止系统运行，此时，输出最优路径、待选节点和待选节点处安装的风机的容量。

结果输出器内的输出过程流程如图4所示。

本实施方案中运行状态检测器根据结果输出器中容量输出器的输出、路径选择器的输出来检测每只蚂蚁的规划方案是否满足电力系统的运行稳定状态，电力系统是处于稳定运行状态还是处于不稳定运行状态，其结构框图如图5所示，具体如下：

分布式电源的风力发电机组采用无电力电子变频器的普通异步风机。异步风机本身没有励磁装置，主要依靠电网提供的无功功率建立磁场。由于异步风机的无功功率与有功功率以及电压的变化密切相关，所以潮流计算中一般将风力发电机节点考虑成PQ节点处理，每次迭代时利用上次迭代所得电压对功率进行更新。

当分布式风机接入配电网后，网络中的有功潮流流动可能出现三种情况：

（1）安装风机的节点的有功负荷大于风机的有功出力，有功潮流流动方向未发生改变；

（2）安装风机的节点的有功负荷小于风机的有功出力，负荷节点可看成一电源节点，有功潮流方向改变；

（3）安装风机的节点的有功负荷等于风机的有功出力，有功潮流流动为0。

潮流计算的基本步骤如下，如图6所示：

1）输入各DG发电机组、电网节点、线路、变压器参数；

2）初始化网络电压，置迭代次数t′=1；

3）前推节点传输功率，将PQ节点转换为恒功率负荷与普通PQ节点一起进行处理；

4）回代节点电压，检测PQ节点两次迭代之间节点电压的变化量，如满足收敛条件，则计算收敛，转步骤6），否则转步骤5）；

5）更新无功功率，利用步骤6）所求电压更新PQ节点的注入无功功率；再令t′=t′+1转步骤3），进入下一次迭代；

6）计算结束，输出潮流计算结果。

通过电力系统潮流计算确定分布式风电接入配电网后各母线上的电压以及网络中的功率分布，来判断电力系统是否处于稳定运行状态。如果潮流计算的结果没有违反节点电压约束和支路传输功率约束，则表明该系统处于稳定运行状态，反之，则表明该系统不稳定。

本实施方式中，采用硬件与上述系统相配合的方式实现，硬件结构包括DSP模块、键盘模块、电网数据采集系统、风向风速采集及其信号处理模块、通信模块和上位机；DSP模块包括DSP芯片、电源电路、存储器电路、复位和时钟电路；电网数据采集系统包括电流电压互感器、模拟信号处理电路和ADE7878信号采集模块，如图7所示。

DSP选用型号为TMS320F2812芯片。复位与时钟电路选用型号为MAC705，如图8所示，复位与时钟电路的输出端7号引脚连接DSP芯片的复位引脚，对DSP芯片进行复位；键盘模块，如图9所示，其中键盘设置有6个按键S1～S6，6个按键S1～S6的输出端分别连接DSP芯片的GPIOA0、GPIOA1、GPIOA2、GPIOA3、GPIOA4、GPIOA5引脚；通讯模块选用串行接口MAX232，采用RS232C协议，如图10所示，通信模块MAX232的引脚11、10与DSP芯片155、157引脚相连，232插口通过232电缆与上位机串口相连，从而实现数据的传输，通信模块将系统相关信息传给上位机，在上位机上通过相应软件，观察运算结果或者把数据保存至上位机的本地硬盘，并通过键盘输入控制指令。存储器选用型号为IS61LV12816，如图11所示，存储器IS61LV12816的输出端41、17、6号引脚分别连接DSP芯片的42、84、133号引脚；风速采集模块，如图12所示，风速传感器采用的是型号为FS-V1的三杯式风速传感器，通过型号为74HCT14型号的施密特触发器的整形、滤波后传送至DSP的2号ADCINB0管脚。风向采集模块，如图13所示，风向传感器的型号是CQ2-FC-1，采集的是风向的7位格雷码，通过信号处理电路即通过RC滤波后经施密特触发器整形后接到DSP的167、168、169、170、171、172、173号（ADCINA7～ADCINA1）管脚。电网数据采集系统包括信号自适应调整模块和数据采集模块两部分。信号自适应调整模块，如图14所示，ADE7878的PM0和PM1引脚分别与DSP的GPIOB3和GPIOB4引脚相连，X9C103的U/D、INC和CS引脚分别于DSP的GPIOB2、GPIOB1和GPIOB0引脚相连，运算放大器OP07与DSP的ADCINA0引脚相连。由于ADE7878的模拟输入电压范围小，必须对输入电压的范围进行控制。在信号自适应调整模块中，X9C103为数控电位器，通过DSP的控制来动态调节电位的阻值。电路中DSP采集运算放大器OP07输出的电压值与预先设定的阈值进行比较，通过电压的调整，来决定ADE7878的工作模式状态。数据采集模块，如图15所示，系统中采用SPI方式来控制ADE7878和读取ADE7878采集的数据，采用SPI方式，ADE7878使用MOSI、MISO、SCLK、SS与DSP的SPISIMOA、SPISOMIA、SPICLKA、SPISETA进行通信。电源电路包括图16（a）和图16（b）两部分。图16（a）采用型号为TPS73HD318的电源芯片，输出引脚连接DSP芯片，供电电压为DC+5V，输出+1.8V和+3.3V的直流电压，分别满足DSP内核和I/O的供电需求。图16（b）的电源模块通过调节电压转换稳压芯片LM317，可输出+12V、-12V、+24V的直流电压，为风速采集模块、风向采集模块以及电网数据采集系统供电。

虽然以上描述了本发明的具体实施方式，但是本领域内的熟练的技术人员应当理解，并可以对这些实施方式做出多种变更或修改，而不背离本发明的原理和实质。本发明的范围仅由所附权利要求书限定。

Claims (2)

1.一种分布式风机选址定容系统，其特征在于：包括：

风机选址约束控制器：用于根据风机场中风机的数量、风机的位置和风机的容量，生成风机选址约束，输出风机场控制目标；风机选址约束控制器还进一步还包括：

单风机功率输出器：用于根据风速的湍流强度、风机间的尾流效应以及风能利用系数计算单个风机的输出功率；所述单个风机的输出功率的计算公式如下：

$P_i=\left\{\begin{array}{cc}0,& 0\≤V_{i,o}\≤V_1\\ \frac{1}{2\mathrm{\ϵ}}\mathrm{\δS}{V}_{i,o}^3{C}_p& V_1\≤V_{i,o}\≤V_2\\ 0,& V_{i,o}\≥V_2\end{array}\right.$

式中，P_i为第i个风机的输出功率，V₁为风机的额定风速，V₂为风机的停机风速，δ为空气密度，S为风机叶片的面积，C_P为风能利用系数，V_i,o为风机轮毂高度处的风速，即V_i,o为风机i在风向o处的风速，由风向o和风机下游距离为d处的尾流风速V以及风机的位置S_i决定，其中，尾流风速V是采用Jensen和Katic提出改进的PARK尾流模型，即处于风机下游距离为d处的尾流风速，可由下式确定：

$V=v[1-(1-\sqrt{1-C_t}){\left(\frac{D}{D+2\mathrm{\γd}}\right)}^2]$

式中，v为正常风速，C_t为风轮推力系数，D为风轮直径，d为与下游风机的距离，γ为尾流衰减常数；

ε为风速的湍流强度，与风机离地高度和地表面粗糙度有关，可由下面的公式确定：

$\mathrm{\ϵ}=\frac{{\mathrm{\κ}}_r}{\ln (h/\∂)}$

式中，k_r为修正系数，h为风机离地高度，为地表面粗糙度；

单风机功率均值器：用于依据单风机功率输出器的输出结果计算单个风机年平均输出功率；

单风机年发电量计算器：用于依据单风机功率均值器的输出结果计算单个风机的年均发电量；

约束器：用于控制电力系统的节点电压，使该电压处于最小允许电压值和最大允许电压区间内、控制每条支路的输出的功率，使该功率处于由输出功率上限、输出功率下限构成的区间内、控制待选节点处分布式电源的装机容量在保证电力系统潮流方向不改变的区间内、控制相邻风机间的距离在风机运行安全距离区间内、控制分布式风机的安装容量与系统中最大负荷的比值处于风电场穿透功率极限内；

控制目标生成器：用于根据风机的运行和维护费用、风机的运输费用、安装费用、设备投资费用、电价、发电量、折现率、风机容量、环境成本和土地征收费用生成风电场的利润，并保证输出的风电场的利润最大的装置；

控制目标优化器：用于利用罚函数的思想将约束器产生的约束区间转化为约束函数与罚因子的乘积形式，在结合控制目标生成器的输出生成罚函数，并采用智能优化算法求解该罚函数，实现对控制目标生成器优化；

结果输出器：用于根据控制目标优化器的输出、采用基于罚函数-蚁群算法求解出的安装风机的待选节点、待选节点处安装的风机容量和安装风机时所走的最优路径；

运行状态检测器：用于根据结果输出器中的容量输出器的输出、路径选择器的输出来检测每只蚂蚁的规划方案是否满足电力系统的运行稳定；即用于根据潮流计算监测分布式风机接入配电网后电力系统的运行状态，包括稳定运行状态和不稳定运行状态。

2.如权利要求1所述的分布式风机选址定容系统，其特征在于：所述的结果输出器还进一步包括：

蚂蚁数量初始器：用于初始化蚁群中蚂蚁的数量；

信息素初始器：用于初始化每条待选路径上的信息素，使其为同一个值；

启发式因子初始器：用于初始化信息启发式因子和期望启发式因子；

容量生成器：用于生成本次迭代时分布式电源待选安装节点处的总装机容量；

地点输出器：用于输出每次迭代时每只蚂蚁需要走过的地点数；

路径选择器：用于根据地点输出器的输出、信息素初始器初始的信息素、局部封信器的输出、全局更新器的输出、启发式因子初始器初始的参数，按照选择规则选出每只蚂蚁爬行的下一个地点；

局部更新器：用于信息素的局部更新，使蚂蚁走过的线路上的信息素减少，增大蚂蚁未走过的路线被后来蚂蚁选择的概率，扩大解空间；

结果比较输出器：用于根据蚂蚁数量初始器的输出、容量生成器的输出、路径选择器的输出计算出第k只蚂蚁的罚函数值，并比较每只蚂蚁搜索完成后对应的罚函数的值，将最优的结果作为本次迭代的结果输出；

全局更新器：用于信息素的全局更新，增强蚁群的寻优能力；

迭代终止输出器：用于根据结果输出器的输出，比较相邻两次迭代的结果是否满足收敛条件或者判断迭代次数是否满足收敛条件，如果不满足收敛条件，则返回单次迭代结果输出器；如果满足收敛条件，则输出安装风机的待选节点、待选节点处安装的风机容量和安装风机时所走的最优路径。