CN106786763B - 一种风电场增建光伏电站的集电系统网络优化方法 - Google Patents

一种风电场增建光伏电站的集电系统网络优化方法 Download PDF

Info

Publication number
CN106786763B
CN106786763B CN201710023551.3A CN201710023551A CN106786763B CN 106786763 B CN106786763 B CN 106786763B CN 201710023551 A CN201710023551 A CN 201710023551A CN 106786763 B CN106786763 B CN 106786763B
Authority
CN
China
Prior art keywords
photovoltaic array
cluster
cluster areas
areas
basic set
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.)
Active
Application number
CN201710023551.3A
Other languages
English (en)
Other versions
CN106786763A (zh
Inventor
黄大为
蔡国伟
杨冬锋
康鄂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeast Electric Power University
Original Assignee
Northeast Dianli University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeast Dianli University filed Critical Northeast Dianli University
Priority to CN201710023551.3A priority Critical patent/CN106786763B/zh
Publication of CN106786763A publication Critical patent/CN106786763A/zh
Application granted granted Critical
Publication of CN106786763B publication Critical patent/CN106786763B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H02J3/383—
    • 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
    • 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
    • H02J3/386—
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
    • H02S10/00—PV power plants; Combinations of PV energy systems with other systems for the generation of electric power
    • H02S10/10—PV power plants; Combinations of PV energy systems with other systems for the generation of electric power including a supplementary source of electric power, e.g. hybrid diesel-PV energy systems
    • H02S10/12—Hybrid wind-PV energy systems
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/10—Photovoltaic [PV]
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明是一种风电场增建光伏电站的集电系统网络优化方法，其特点是，它包括光伏阵列建设区域聚类方法和光伏阵列接线选择方法，根据风电场内满足可建设光伏阵列的区域，选择与光伏电站容量相匹配的光伏阵列建设区域个数以及光伏阵列间接线方式，采用FCM聚类算法对离散光伏阵列进行归类筛选，与传统扇面分割法相比降低光伏阵列网络接线总长度；无需对现有风电场进行大规模改造，在充分利用风电场剩余土地的前提下，实现对光伏电站集电系统的设计优化；具有科学合理，计算简单，易于实现，应用价值高，效果佳等优点。

Description

一种风电场增建光伏电站的集电系统网络优化方法
技术领域
本发明涉及风光互补发电系统集电系统技术领域，是一种风电场增建光伏电站的集电系统网络优化方法。
背景技术
风能均属于低密度能源，大型风电场土地利用率较低，大规模开发占用很大面积的国有荒滩地，随着各地市、县新能源规划开发的推进，闲置的可利用荒漠土地骤然减少，可利用土地直接决定了新能源的远期开发容量。所以，在风电场中增建光伏电站也将成为未来开发新能源的发展方向。
相同容量的风电场和光伏电站占用土地面积相差约6～10倍，以50MW容量为例，风电场需要有效面积约为15～20平方公里，而光伏电站需要有效面积约为2～2.5平方公里。所以，在已建风电场中增建光伏发电阵列具有可行性。根据已有风力发电机布置规划光伏阵列可建区域并结合风电场外送容量，一般情况下场区内总的可建设光伏阵列区域数目要多于风光互补容量计算后应建单元发电阵列数目，这就导致光伏阵列选址时面临可建设光伏阵列区域冗余问题，科学的选择建设区域可以节约电缆的投资成本。西北地区风能和太阳能资源都很丰富，在同一块土地上风电和光伏共建开发能够极大提高土地利用率，增加新能源开发容量。
在已建风电场中增建光伏发电阵列的集电系统不同于传统海上风电或光伏电站的集电系统。传统海上风电或光伏电站的发电单元较为集中且各发电单元所占区域不存在冗余。然而，在风电场中增建光伏发电阵列，由于大规模光伏电站一般选择1MW单元光伏阵列作为基本发电单元，从数值上看，增建光伏电站的容量等于增建光伏阵列的个数。所以，其集电系统设计不仅要考虑在冗余的可建设光伏阵列区域中选择多少数目的1MW单元光伏阵列的问题，还要考虑如何对风电场内离散的光伏阵列进行网络优化的问题。
发明内容
本发明的目的是，提供一种具有计算简单、结果合理、易于实现且应用价值高的一种风电场增建光伏电站的集电系统网络优化方法。
本发明的目的是由以下技术方案来实现的：
一种风电场增建光伏电站的集电系统网络优化方法，其特征是，它包括以下步骤：
(1)可建设光伏阵列区域聚类方法
根据已有风力发电机布置规划可建设光伏阵列区域，对可建设光伏阵列区域采用聚类算法进行分组。模糊C-均值聚类算法通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的。在直角坐标系中设定风电场内可建设光伏阵列区域坐标，由进线数目可知可建设光伏阵列区域被分为T类，应用模糊C-均值聚类算法可以实现可建设光伏阵列区域的聚类，绘制可建设光伏阵列区域分类图。
在经过模糊C-均值聚类算法得到聚类区域，可知每个聚类区域可建设光伏阵列区域个数。
设每个聚类区域包含可建设光伏阵列区域数目为m，设定判断选择聚类区域条件。
式中：N为各聚类区域最多可建设光伏阵列区域的个数；K为升压站进线数目；S为光伏电站容量；floor(x)是取整函数；mod(x)是取余函数。
通过筛选出满足判断条件的聚类区域，采用模糊C-均值聚类算法可以得到各聚类区域聚类中心的坐标为(xi,yi)，升压站坐标用(x0,y0)表示，则各聚类区域聚类中心到升压站距离可用式(2)表示。
式中：li为各聚类区域聚类中心到升压站距离；i∈[1,K]。
对li由小到大进行排序，选取与升压站距离最近的k个聚类区域，选出的聚类区域作为一组基本集合。
当经过模糊C-均值聚类算法得到聚类区域内的可建设光伏阵列区域的数目少于设定判断条件数即λ≤m≤N时，保留该可建设光伏阵列区域数目；若聚类区域内的可建设光伏阵列区域的数目多于设定判断条件数即m＞N时，则对该聚类区域再次进行分类。最终使每个聚类区域可建设光伏阵列区域数目均满足λ≤m≤N，其中λ为聚类区域包含可建设光伏阵列区域的数目下限。
1)按照上述内容确定基本集合，判断基本集合聚类区域可建设光伏阵列区域数N1是否等于S。如果N1＜S，则还需确定S-N1个区域，设各剩余聚类区域聚类中心坐标为(xis,yis)，各基本集合聚类区域聚类中心坐标用(xj,yj)表示，则各剩余聚类区域聚类中心到各基本集合聚类区域聚类中心的距离可用式(3)表示。
式中：lis,j为各剩余聚类区域聚类中心到各基本集合聚类区域聚类中心的距离；Q为风电场聚类区域总数；H为各基本集合聚类区域总数；is∈[1,Q-H],j∈[1,H]。
由式(3)可知，首先选取到基本集合聚类区域聚类中心距离近的聚类区域进行可建设光伏阵列区域选址，则在待选区域中可建设光伏阵列区域接入端坐标为(xid,yid)，该待选区域距离基本集合中较近的聚类区域聚类中心坐标用(xjb,yjb)表示，则各可建设光伏阵列区域接入端到距离基本集合中较近的聚类区域聚类中心距离可用式(4)表示。
式中：lid为各可建设光伏阵列区域接入端到距离基本集合中较近的聚类区域聚类中心距离；id∈[1,M]，M为待选区域内可建设光伏阵列区域数目。
选择距离最小的接入端对应的可建设光伏阵列区域并入基本集合聚类区域中，然后计算该待选区域剩余聚类区域聚类中心，重复上述过程，逐一选取可建设光伏阵列区域，直至N1＝S。
2)按照上述内容确定基本集合，判断基本集合聚类区域可建设光伏阵列区域数N1是否等于S。如果N1＞S，则还需去除N1-S个区域，设各基本集合聚类区域聚类中心坐标用(xj,yj)表示，升压站坐标用(x0,y0)表示，则各基本集合聚类区域聚类中心到升压站距离可用式(5)表示。
式中：ljz为各基本集合聚类区域聚类中心到升压站距离；jz∈[1,Q]，Q为风电场聚类区域总数。
由式(5)可知，首先选取到升压站距离最远的基本集合聚类区域进行去除冗余的可建设光伏阵列区域，则在待选区域可建设光伏阵列区域接入端坐标为(xidd,yidd)，该待选区域聚类中心坐标用(xd0,yd0)表示，则可建设光伏阵列区域接入端到聚类中心距离可用式(6)表示。
式中：liz为各可建设光伏阵列区域接入端到聚类中心距离；iz∈[1,M],M为待选区域内可建设光伏阵列区域数目。
在基本集合聚类区域中去除最远的一个可建设光伏阵列区域，然后计算该基本集合聚类区域剩余聚类区域聚类中心，重复上述过程，逐一去除可建设光伏阵列区域，直至N1＝S。
当基本集合聚类区域中可建设光伏阵列区域数目等于应建光伏阵列区域数即N1＝S时，对基本集合内可建设光伏阵列区域再次聚类进而完成可建设光伏阵列区域的分组。
(2)光伏阵列接线选择方法
集电系统接线方式一般分为放射形接线、星形接线、单边环形接线、双边环形接线及复合环形接线。其中放射形接线和星形接线被归为无备用接线方式，单边环形、双边环形和复合环形可称为有备用接线方式或环形接线方式。常见的接线方式包括放射形、单边环形和双边环形。
若接线方式为放射形，则采用Prim算法求解并选出离散的光伏阵列间路径最小的接线方式；若接线方式为单边环形或双边环形，则采用多旅行商问题求解并选出离散的光伏阵列间路径最小的接线方式。在现有典型三类接线方式，通过对集电系统不同接线方式可靠性进行评价，选择满足供电可靠性要求的接线方式。最终确定风电场内离散的光伏阵列间最优接线方式。
本发明的一种风电场增建光伏电站的集电系统网络优化方法具有如下优点：
1.采用模糊C-均值聚类算法对离散光伏阵列进行归类筛选，与传统扇面分割法相比降低光伏阵列网络接线总长度；
2.无需对现有风电场进行大规模改造，在充分利用风电场剩余土地的前提下，实现对光伏电站集电系统的设计优化；
3.其计算简单、结果合理、易于实现且应用价值高。
附图说明
图1是风电场内可建设光伏阵列区域规划示意图；
图2是光伏阵列聚类情况示意图；
图3是放射形接线方式示意图；
图4是单边环形接线方式示意图；
图5是双边环形接线方式示意图；
图6是采用模糊C-均值聚类算法集电系统网络优化示意图；
图7是传统扇面分割法集电系统网络优化示意图。
具体实施方式
下面利用附图和实施例对本发明作进一步说明。
本发明的一种风电场增建光伏电站的集电系统网络优化方法，包括以下步骤：
(1)可建设光伏阵列区域聚类方法
根据已有风力发电机布置规划可建设光伏阵列区域，对可建设光伏阵列区域采用聚类算法进行分组，参照图1。模糊C-均值聚类算法通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的。在直角坐标系中设定风电场内可建设光伏阵列区域坐标，由进线数目可知可建设光伏阵列区域被分为T类，应用模糊C-均值聚类算法可以实现可建设光伏阵列区域的聚类，绘制可建设光伏阵列区域分类图，参照图2。
在经过模糊C-均值聚类算法得到聚类区域，可知每个聚类区域可建设光伏阵列区域个数。
设每个聚类区域包含可建设光伏阵列区域数目为m，设定判断选择聚类区域条件。
式中：N为各聚类区域最多可建设光伏阵列区域的个数；K为升压站进线数目；S为光伏电站容量；floor(x)是取整函数；mod(x)是取余函数。
通过筛选出满足判断条件的聚类区域，采用模糊C-均值聚类算法可以得到各聚类区域聚类中心的坐标为(xi,yi)，升压站坐标用(x0,y0)表示，则各聚类区域聚类中心到升压站距离可用式(2)表示。
式中：li为各聚类区域聚类中心到升压站距离；i∈[1,K]。
对li由小到大进行排序，选取与升压站距离最近的k个聚类区域，选出的聚类区域作为一组基本集合。
当经过模糊C-均值聚类算法各聚类区域聚类中心聚类区域内的可建设光伏阵列区域的数目少于设定判断条件数即λ≤m≤N时，保留该可建光伏阵列区域数目；若聚类区域内的可建设光伏阵列区域的数目多于设定判断条件数即m＞N时，则对该聚类区域再次进行分类。最终使每个聚类区域的可建设光伏阵列区域数目均满足λ≤m≤N，其中λ为聚类区域包含可建设光伏阵列区域的数目下限。
1)按照上述内容确定基本集合，判断基本集合聚类区域可建设光伏阵列区域数N1是否等于S。如果N1＜S，则还需确定S-N1个区域，设各剩余聚类区域聚类中心坐标为(xis,yis)，各基本集合聚类区域聚类中心坐标用(xj,yj)表示，则各剩余聚类区域聚类中心到各基本集合聚类区域聚类中心的距离可用式(3)表示。
式中：lis,j为各剩余聚类区域聚类中心到各基本集合聚类区域聚类中心的距离；Q为风电场聚类区域总数；H为各基本集合聚类区域总数；is∈[1,Q-H],j∈[1,H]。
由式(3)可知，首先选取到基本集合聚类区域聚类中心距离近的聚类区域进行可建设光伏阵列区域选址，则在待选区域中可建设光伏阵列区域接入端坐标为(xid,yid)，该待选区域距离基本集合中较近的聚类区域聚类中心坐标用(xjb,yjb)表示，则各可建设光伏阵列区域接入端到距离基本集合中较近的聚类区域聚类中心距离可用式(4)表示。
式中：lid为各可建设光伏阵列区域接入端到距离基本集合中较近的聚类区域聚类中心距离；id∈[1,M]，M为待选区域内可建设光伏阵列区域数目。
选择距离最小的接入端对应的可建设光伏阵列区域并入基本集合聚类区域中，然后计算该待选区域剩余聚类区域聚类中心，重复上述过程，逐一选取可建设光伏阵列区域，直至N1＝S。
2)按照上述内容确定基本集合，判断基本集合聚类区域可建设光伏阵列区域数N1是否等于S。如果N1＞S，则还需去除N1-S个区域，设各基本集合聚类区域聚类中心坐标用(xj,yj)表示，升压站坐标用(x0,y0)表示，则各基本集合聚类区域聚类中心到升压站距离可用式(5)表示。
式中：ljz为各基本集合聚类区域聚类中心到升压站距离；jz∈[1,Q]，Q为风电场聚类区域总数。
由式(5)可知，首先选取到升压站距离最远的基本集合聚类区域进行去除冗余的可建设光伏阵列区域，则在待选区域可建设光伏阵列区域接入端坐标为(xidd,yidd)，该待选区域聚类中心坐标用(xd0,yd0)表示，则可建设光伏阵列区域接入端到聚类中心距离可用式(6)表示。
式中：liz为各可建设光伏阵列区域接入端到聚类中心距离；iz∈[1,M],M为待选区域内可建设光伏阵列区域数目。
在基本集合聚类区域中去除最远的一个可建设光伏阵列区域，然后计算该基本集合聚类区域剩余聚类区域聚类中心，重复上述过程，逐一去除可建设光伏阵列区域，直至N1＝S。
当基本集合聚类区域中可建设光伏阵列区域数目等于应建光伏阵列区域数即N1＝S时，对基本集合内可建设光伏阵列区域再次聚类进而完成可建设光伏阵列区域的分组。
(2)设计光伏阵列接线方式
集电系统接线方式一般分为放射形接线、星形接线、单边环形接线、双边环形接线及复合环形接线。其中放射形接线和星形接线被归为无备用接线方式，单边环形、双边环形和复合环形可称为有备用接线方式或环形接线方式。常见的接线方式包括放射形(参照图3)、单边环形(参照图4)和双边环形(参照图5)。
参照图1，根据式(1)～式(6)计算并选出满足条件的光伏阵列建设区域。参照图2，采用Prim算法计算并选出离散的光伏阵列放射形接线方式下的最小路径；采用多旅行商问题计算并选出离散的光伏阵列单边环形和双边环形接线方式下的最小路径。在现有典型三类接线方式，通过对集电系统不同接线方式可靠性进行评价，选择满足供电可靠性要求的接线方式。最终确定风电场内离散的光伏阵列间最优接线方式。
表1可靠性计算分析结果
当风电场不存留母线接入端时，需要新建光伏升压站。由35kV光伏母线结果得出单边环形结构相对复杂，设备增多导致平均故障率变高(2.8494>0.6966),但平均停电时间变短(1.48<2.74)，而放射形与双边环形指标结果基本相同。由于含有母线接入端与不含有母线接入端相比110kV侧接入设备增多，平均故障率变小(0.2452<0.4704)，不过110kV侧母线平均停电时间变短(3.41<5.31)，含有母线接入端放射形与原风电场相比平均故障率变大(1.5964>1.146)，由于风光互补电站容量增加，但其结构简单，操作快速，35kV风电场母线平均停电时间变短(1.95<2.19)且这种接线方式基本不会对110kV侧造成影响。
当增建光伏升压站时，若风光互补电站35kV出线侧无负荷，推荐选用放射形接线方式；若风光互补电站35kV侧有负荷，为减少平均停电时间，可采用单边环形。当风电场35kV升压站留有扩建所需接入端，则放射形接线方式最优。对于本发明中案例，应该才用放射形接线方式，其结果参照图6。
若采用传统扇面分割法对图1中可建设光伏阵列区域进行分组，其结果参照图7。
表2模糊C-均值聚类算法与扇面分割法对比
与扇面分割法对比，模糊C-均值聚类算法能够降低光伏阵列使用电缆总长度，减少电缆设备投资。
从各图表分析结果可以明显看出，对于风电场内增建光伏电站的集电系统接线方式设计，本发明具有一定实际应用价值。

Claims (1)

1.一种风电场增建光伏电站的集电系统网络优化方法，其特征是，它包括以下步骤，
(1)可建设光伏阵列区域聚类方法
根据已有风力发电机布置规划可建设光伏阵列区域，对可建设光伏阵列区域采用聚类算法进行分组，模糊C-均值聚类算法通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的，在直角坐标系中设定风电场内可建设光伏阵列区域坐标，由进线数目可知可建设光伏阵列区域被分为T类，应用模糊C-均值聚类算法可以实现可建设光伏阵列区域的聚类，绘制可建设光伏阵列区域分类图，
在经过模糊C-均值聚类算法得到聚类区域，可知每个聚类区域可建设光伏阵列区域个数，
设每个聚类区域包含可建设光伏阵列区域数目为m，设定判断选择聚类区域条件，
式中：N为各聚类区域最多可建设光伏阵列区域的个数；K为升压站进线数目；S为光伏电站容量；floor(x)是取整函数；mod(x)是取余函数，
通过筛选出满足判断条件的聚类区域，采用模糊C-均值聚类算法可以得到各聚类区域聚类中心的坐标为(xi,yi)，升压站坐标用(x0,y0)表示，则各聚类区域聚类中心到升压站距离可用式(2)表示，
式中：li为各聚类区域聚类中心到升压站距离；i∈[1,N]，
对li由小到大进行排序，选取与升压站距离最近的k个聚类区域，选出的聚类区域作为一组基本集合，
当经过模糊C-均值聚类算法得到聚类区域内的可建设光伏阵列区域的数目少于设定判断条件数即λ≤m≤N时，保留该可建设光伏阵列区域数目；若聚类区域内的可建设光伏阵列区域的数目多于设定判断条件数即m＞N时，则对该聚类区域再次进行分类，最终使每个聚类区域可建设光伏阵列区域数目均满足λ≤m≤N，其中λ为聚类区域包含可建设光伏阵列区域的数目下限，
1)按照上述内容确定基本集合，判断基本集合聚类区域可建设光伏阵列区域数目N1是否等于S，如果N1＜S，则还需确定S-N1个区域，设各剩余聚类区域聚类中心坐标为(xis,yis)，各基本集合聚类区域聚类中心坐标用(xj,yj)表示，则各剩余聚类区域聚类中心到各基本集合聚类区域聚类中心的距离可用式(3)表示，
式中：lis,j为各剩余聚类区域聚类中心到各基本集合聚类区域聚类中心的距离；Q为风电场聚类区域总数；H为各基本集合聚类区域总数；is∈[1,Q-H],j∈[1,H]，
由式(3)可知，首先选取到基本集合聚类区域聚类中心距离近的聚类区域进行可建设光伏阵列区域选址，则在待选区域中可建设光伏阵列区域接入端坐标为(xid,yid)，该待选区域距离基本集合中较近的聚类区域聚类中心坐标用(xjb,yjb)表示，则各可建设光伏阵列区域接入端到距离基本集合中较近的聚类区域聚类中心距离可用式(4)表示，
式中：lid为各可建设光伏阵列区域接入端到距离基本集合中较近的聚类区域聚类中心距离；id∈[1,M]，M为待选区域内可建设光伏阵列区域数目，
选择距离最小的接入端对应的可建设光伏阵列区域并入基本集合聚类区域中，然后计算该待选区域剩余聚类区域聚类中心，重复上述过程，逐一选取可建设光伏阵列区域，直至N1＝S，
2)按照上述内容确定基本集合，判断基本集合聚类区域可建设光伏阵列区域数N1是否等于S，如果N1＞S，则还需去除N1-S个区域，设各基本集合聚类区域聚类中心坐标用(xj,yj)表示，升压站坐标用(x0,y0)表示，则各基本集合聚类区域聚类中心到升压站距离可用式(5)表示，
式中：ljz为各基本集合聚类区域聚类中心到升压站距离；jz∈[1,Q]，Q为风电场聚类区域总数，
由式(5)可知，首先选取到升压站距离最远的基本集合聚类区域进行去除冗余的可建设光伏阵列区域，则在待选区域可建设光伏阵列区域接入端坐标为(xidd,yidd)，该待选区域聚类中心坐标用(xd0,yd0)表示，则可建设光伏阵列区域接入端到聚类中心距离可用式(6)表示，
式中：liz为各可建设光伏阵列区域接入端到聚类中心距离；iz∈[1,M],M为待选区域内可建设光伏阵列区域数目，
在基本集合聚类区域中去除最远的一个可建设光伏阵列区域，然后计算该基本集合聚类区域剩余聚类区域聚类中心，重复上述过程，逐一去除可建设光伏阵列区域，直至N1＝S，
当基本集合聚类区域中可建设光伏阵列区域数目等于应建光伏阵列区域数即N1＝S时，对基本集合内可建设光伏阵列区域再次聚类进而完成可建设光伏阵列区域的分组，
(2)光伏阵列接线选择方法
集电系统常见的接线方式包括放射形、单边环形和双边环形，
若接线方式为放射形，则采用Prim算法求解并选出离散的光伏阵列间路径最小的接线方式；若接线方式为单边环形或双边环形，则采用多旅行商问题求解并选出离散的光伏阵列间路径最小的接线方式，在集电系统常见的三类接线方式中，通过对集电系统不同接线方式可靠性进行评价，选择满足供电可靠性要求的接线方式，最终确定风电场内离散的光伏阵列间最优接线方式。
CN201710023551.3A 2017-01-13 2017-01-13 一种风电场增建光伏电站的集电系统网络优化方法 Active CN106786763B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710023551.3A CN106786763B (zh) 2017-01-13 2017-01-13 一种风电场增建光伏电站的集电系统网络优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710023551.3A CN106786763B (zh) 2017-01-13 2017-01-13 一种风电场增建光伏电站的集电系统网络优化方法

Publications (2)

Publication Number Publication Date
CN106786763A CN106786763A (zh) 2017-05-31
CN106786763B true CN106786763B (zh) 2019-02-01

Family

ID=58948603

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710023551.3A Active CN106786763B (zh) 2017-01-13 2017-01-13 一种风电场增建光伏电站的集电系统网络优化方法

Country Status (1)

Country Link
CN (1) CN106786763B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107423501B (zh) * 2017-07-17 2020-05-19 南京邮电大学 一种基于光伏电站逻辑图的阵列自动检测和编号方法
CN109638892B (zh) * 2019-01-25 2022-04-26 合肥工业大学 一种基于改进模糊聚类算法的光伏电站等值建模方法
CN110829427B (zh) * 2019-11-26 2023-09-26 远景智能国际私人投资有限公司 光伏组件的接串方法、装置、设备及存储介质
CN111241638B (zh) * 2020-01-10 2024-02-27 阳光新能源开发股份有限公司 光伏电站中立柱的排布方法
CN114201876B (zh) * 2021-12-08 2022-11-15 国家电投集团青海光伏产业创新中心有限公司 一种在已有风电场内建设光伏电站的阴影遮挡损失评估方法
CN117349999B (zh) * 2023-12-04 2024-03-08 中国电建集团河北省电力勘测设计研究院有限公司 海上风电场海底电缆综合拓扑结构寻优方法及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008072774A (ja) * 2006-09-12 2008-03-27 Meidensha Corp 自然エネルギー発電電力平準化装置
CN105184681B (zh) * 2015-09-29 2022-02-11 国网甘肃省电力公司 基于最近距离分群的大型光伏发电集群弃光电量评估法
CN105449666B (zh) * 2015-10-20 2018-04-24 中国农业大学 适用于微电网的多状态等值分析方法及系统
CN105938578A (zh) * 2016-04-13 2016-09-14 合肥工业大学 一种基于聚类分析的大规模光伏电站等值建模方法
CN106203744A (zh) * 2016-08-19 2016-12-07 中国能源建设集团广东省电力设计研究院有限公司 海上升压站的选址优化方法

Also Published As

Publication number Publication date
CN106786763A (zh) 2017-05-31

Similar Documents

Publication Publication Date Title
CN106786763B (zh) 一种风电场增建光伏电站的集电系统网络优化方法
CN106503839B (zh) 一种海上风电场环形集电网络分层规划方法
CN112487659B (zh) 一种海上风电场集电系统优化设计方法和系统
CN106208075B (zh) 基于修正广义Benders分解的多区域分解协调动态经济调度方法
CN104600713A (zh) 含风力/光伏发电配电网日前无功调度的生成装置及方法
CN112653154B (zh) 基于边缘计算的分布式光伏配电网无功优化控制方法
CN108306298A (zh) 一种柔性多状态开关接入配电网的设计方法
CN108199404A (zh) 高渗透率分布式能源系统的谱聚类集群划分方法
CN103401236A (zh) 一种基于风电场流动相关性的风电场机组分组方法
CN110119888A (zh) 一种基于分布式电源接入的有源网格化规划方法
CN109978404A (zh) 计及不确定性因素与场景削减的输电通道扩展规划方法
CN106295698B (zh) 一种基于分层kpi相似度的智能光伏电站故障诊断方法
CN108717608A (zh) 百万千瓦级滩涂光伏电站接入电网综合决策方法及系统
CN114861539A (zh) 一种5g城市综合能源互联网数字孪生系统建模与实现方法
CN115759440A (zh) 双碳背景下高渗透率新能源消纳与电网适应性规划方法
CN109726416B (zh) 一种基于新能源集群预测及潮流计算的调度决策方法
CN107506878A (zh) 一种考虑风光平滑效应的电力系统多源调度方法
CN108448611B (zh) 一种适应大规模新能源外送的电网网架结构构建方法
CN111460361A (zh) 用于多能互补综合能源系统的优化方法、系统及设备
CN109726482A (zh) 一种高负荷密度电网的构建方法及相关装置
CN103136594A (zh) 基于智能算法的气田布局优化系统
CN109816184B (zh) 大型风电场拓扑规划方法及装置
Hamid et al. Optimal Placement of Grid-Connected Wind Farms Based on Artificial Intelligence Techniques
CN107196317B (zh) 基于分层分区原则的城市电网无功电压分析方法
Arendarski et al. Concept of rural intelligent grid interactive planning methodology

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
GR01 Patent grant
GR01 Patent grant