CN108448626A - 基于多目标规划的指数罚函数风电场选址方法 - Google Patents
基于多目标规划的指数罚函数风电场选址方法 Download PDFInfo
- Publication number
- CN108448626A CN108448626A CN201810312088.9A CN201810312088A CN108448626A CN 108448626 A CN108448626 A CN 108448626A CN 201810312088 A CN201810312088 A CN 201810312088A CN 108448626 A CN108448626 A CN 108448626A
- Authority
- CN
- China
- Prior art keywords
- wind
- alternatively
- power plant
- wind farm
- wind power
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000010276 construction Methods 0.000 claims abstract description 12
- 230000005611 electricity Effects 0.000 claims description 14
- 230000005684 electric field Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
Classifications
-
- H02J3/386—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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)
- Power Engineering (AREA)
- Wind Motors (AREA)
Abstract
本发明提供一种基于多目标规划的指数罚函数风电场选址方法,包括步骤:收集风电场选址相关数据;根据所述风电场选址相关数据建设最小总运营费用模型;建立风电场备选地的最大年均发电功率模型;建立基于指数罚函数法的min‑max多目标规划模型;利用BFGS算法对所述基于指数罚函数法的min‑max多目标规划模型求解,获得风电场选址结果,并根据所述风电场选址结果对风电场进行选址。本发明的一种基于多目标规划的指数罚函数风电场选址方法,提供了一种可在满足地区供电需求和充分利用现有能力的前提下,综合考虑风电场建设费用、扩建费用及风机运输费用等三种费用,以实现区域内的风电场系统运作总成本最低的风电场选址方法。
Description
技术领域
本发明涉及风电场建设规划领域,尤其涉及一种基于多目标规划的指数罚函数风电场选址方法。
背景技术
随着新能源的发展,风力发电在可再生能源的利用中发挥着巨大的作用,而风电场选址作为风电场建设项目的前期工程,对风力发电场建设的成败及其今后的效益起着至关重要的作用。所以,随着风力发电技术的发展,对风电场选址的研究显得愈发重要。
风电场选址一般包括宏观选址与微观选址。宏观选址是指在一个较大范围的地域内,通过对气象、地理条件等多方面进行综合考察,然后选择一个或多个风能资源丰富且有利用价值的小区域的过程。微观选址则是在宏观选址的基础上,在既定空间范围内的区域中考虑地形、地貌、交通等各影响要素进行筛选,并进一步对风力发电机组进行选型及布局,使得整个风电场具有良好的经济、社会效益的过程。选址的原则:资源节约性原则(应充分考虑经济与效率),应将风电场作为一个大系统统筹考虑、风速和地理位置好区位优选原则、现实可操作性原则。但目前尚缺乏一种综合考虑风电场建设费用、扩建费用及风机运输费的风电场选址方法。
发明内容
针对上述现有技术中的不足,本发明提供一种基于多目标规划的指数罚函数风电场选址方法,提供了一种可在满足地区供电需求和充分利用现有能力的前提下,综合考虑风电场建设费用、扩建费用及风机运输费用等三种费用,以实现区域内的风电场系统运作总成本最低的风电场选址方法。
为了实现上述目的,本发明提供一种基于多目标规划的指数罚函数风电场选址方法,包括步骤:
S1:收集风电场选址相关数据;
S2:根据所述风电场选址相关数据建设一最小总运营费用模型;
S3:建立风电场备选地的一最大年均发电功率模型;
S4:建立一基于指数罚函数法的min-max多目标规划模型;
S5:利用BFGS算法对所述基于指数罚函数法的min-max多目标规划模型求解,获得风电场选址结果,并根据所述风电场选址结果对风电场进行选址。
优选地,所述风电场选址相关数据包括:各备选地至各对应电网的年供电量、各对应所述电网的电力需求量、各所述备选地的占地面积、单位面积的投资费用和各对应所述电网距各对应备选地的距离。
优选地,所述最小总运营费用模型的公式如下:
公式(1)的约束条件为:
α1+α2+α3+...+αk=n;α1,α2,α3,…,αk∈N (7);
Pij≥0;
其中,minf为最小总运营费用;是指所述备选地建设风电场产生的建设费用;指所述备选地在后期的扩建费用;指建设风电场中的运输费用;Pij为第j所述备选地至第i电网的年供电量;di为第i电网的电力需求量;α为扩建成本系数;zj为01变量,选择在第j所述备选地建设风电场时取值为1,否则为0;Wj为所述备选地建设风电场的基础建设费用,等于所述风电场占地面积乘以所述单位面积的投资费用;sij为第i电网距第j所述备选地的距离;β为单位公里发电量所需运输成本系数;Pj为第j备选地的控制规划能力规模上限;αk为各风电场主要供电方向的备选点集合;M为接近无穷大的数值;m为电网需求风电场的个数;n为风电场所述备选地的个数。
优选地,所述S3步骤进一步包括步骤:
建立一第j备选地的年均发电功率模型:
其中,uin表示风机的切入风速;uout表示风机的切出风速;fp(u)表示风向p的风速概率密度函数;P(ua,p)表示第a风机在第p风向的实际风速为ua,p时的发电功率;N表示风机总数;Ml表示划分的风向数;dmin为风机之间的最小允许距离;
根据公式(8)建立最大年均发电功率模型:
公式(9)的约束条件为:
其中,gj(z)表示第a风机与第b风机之间的位置约束;C表示约束的数目;xa表示第a风电场沿x方向的位置,xb表示第b风电场沿x方向的位置,Xmax表示风电场的长度;ya表示第a风电场沿y方向的位置,yb表示第b风电场沿y方向的位置,Ymax表示风电场的宽度。
优选地,所述S4步骤进一步包括步骤:
根据所述最小总运营费用模型和所述最大年均发电功率模型建立一最小亏损函数模型:
min f(j)=max[-f1(j),f2(j)] (9);
f1(j)=minf;
f2(j)=P(j)×ζ;
公式(9)的约束条件为:gk(j)≤0,k=1,...q,
其中,f1(j)为总运营费用的最小目标函数,f2(j)为风电场备选地的年均发电功率盈利最大目标函数,ζ为单位发电功率的盈利系数;
通过在公式(9)的各目标函数上引进一相关惩罚项θ(t)=exp(t-1),建立所述基于指数罚函数法的min-max多目标规划模型:
其中,ρn>0是罚参数且t为大于1的系数。
本发明由于采用了以上技术方案,使其具有以下有益效果:
可在满足地区供电需求和充分利用现有能力的前提下,综合考虑风电场建设费用、扩建费用及风机运输费用等三种费用,以实现区域内的风电场系统运作总成本最低,具有成本低、操作便捷和选址合理的优点。
附图说明
图1为本发明实施例的基于多目标规划的指数罚函数风电场选址方法的流程图。
具体实施方式
下面根据附图1,给出本发明的较佳实施例,并予以详细描述,使能更好地理解本发明的功能、特点。
请参阅图1,本发明实施的一种基于多目标规划的指数罚函数风电场选址方法,包括步骤:
S1:收集风电场选址相关数据。
风电场选址相关数据包括:各备选地至各对应电网的年供电量、各对应电网的电力需求量、各备选地的占地面积、单位面积的投资费用和各对应电网距各对应备选地的距离。风电场选址相关数据可通过人工采集或调用预存数据等任意现有方式获得。
S2:根据风电场选址相关数据建设一最小总运营费用模型。
其中,最小总运营费用模型的公式如下:
公式(1)的约束条件为:
α1+α2+α3+...+αk=n;α1,α2,α3,…,αk∈N (7);
Pij≥0;
其中,minf为最小总运营费用;是指备选地建设风电场产生的建设费用;指备选地在后期的扩建费用;指建设风电场中的运输费用;Pij为第j备选地至第i电网的年供电量;di为第i电网的电力需求量;α为扩建成本系数;zj为01变量,选择在第j备选地建设风电场时取值为1,否则为0;Wj为备选地建设风电场的基础建设费用,等于风电场占地面积乘以单位面积的投资费用;sij为第i电网距第j备选地的距离;风电场的扩建费用为第i电网至第j备选地增加的发电量乘以单位发电量所需的风电场占地面积,再乘以单位风电场占地面积的投资费用,最后乘以扩建成本系数;β为单位公里发电量所需运输成本系数;Pj为第j备选地的控制规划能力规模上限;αk为各风电场主要供电方向的备选点集合;M为接近无穷大的数值;m为电网需求风电场的个数;n为风电场备选地的个数。
各约束条件的含义如下:
公式(2)的约束条件,用于保证备选地的发电量不能超过自身规划的发电力上限;
公式(3)的约束条件,用于保证每个电网的电力需求都能得到满足;
公式(4)的约束条件,用于规定已分配供电量的备选地必须建设风电场;
公式(5)的约束条件,用于规定风电场建设数量的上限;
公式(6)的约束条件,用于规定各主要供电方向都是指向同一个电网必须建设一个风电场;
公式(7)的约束条件,为选址决策变量的约束。
S3:建立风电场备选地的一最大年均发电功率模型。
其中,S3步骤进一步包括步骤:
建立一第j备选地的年均发电功率模型:
其中,uin表示风机的切入风速;uout表示风机的切出风速;fp(u)表示风向p的风速概率密度函数;P(ua,p)表示第a风机在第p风向的实际风速为ua,p时的发电功率;N表示风机总数;Ml表示划分的风向数;dmin为风机之间的最小允许距离;
根据公式(8)建立最大年均发电功率模型:
公式(9)的约束条件为:
其中,gj(z)表示第a风机与第b风机之间的位置约束;C表示约束的数目;xa表示第a风电场沿x方向的位置,xb表示第b风电场沿x方向的位置,Xmax表示风电场的长度;ya表示第a风电场沿y方向的位置,yb表示第b风电场沿y方向的位置,Ymax表示风电场的宽度。
S4:建立一基于指数罚函数法的min-max多目标规划模型。
其中,S4步骤进一步包括步骤:
根据最小总运营费用模型和最大年均发电功率模型建立一最小亏损函数模型:
min f(j)=max[-f1(j),f2(j)] (9);
f1(j)=minf;
f2(j)=P(j)×ζ;
公式(9)的约束条件为:gk(j)≤0,k=1,...q,
其中,f1(j)为总运营费用的最小目标函数,f2(j)为风电场备选地的年均发电功率盈利最大目标函数,ζ为单位发电功率的盈利系数;
通过在公式(9)的各目标函数上引进一相关惩罚项θ(t)=exp(t-1),建立基于指数罚函数法的min-max多目标规划模型:
其中,ρn>0是罚参数且t为大于1的系数。
S5:利用BFGS算法对基于指数罚函数法的min-max多目标规划模型求解,获得风电场选址结果,并根据风电场选址结果对风电场进行选址。
本实施例的本发明实施的一种基于多目标规划的指数罚函数风电场选址方法,从风电场建设的总运营费用最小及发电量最大两个方面对风电场选址模型进行计算。首先建立基于01混合整数规划的离散选址模型,选出风电场的合理选址位置、建设数量及建设规模,总运营费用最小目标函数是指在满足地区供电需求和充分利用现有能力的前提下,综合考虑风电场建设费用、扩建费用及风机运输费用等三种费用,以实现区域内的风电场系统运作总成本最低。发电量最大目标函数是指在已知风机的风功率曲线p和风能分布,风电场备选地的年均发电功率最大。min-max是一种多目标极小极大规划函数,它的原则是要求各分量目标都达到最优,在风电场选址的计算中,在亏损利润最大化的前提下即亏损最小,使得风电场的总运营费用目标函数最小,且风电场的年均发电功率目标函数最大。最后采用指数罚函数法解决min-max多目标规划问题。
以上结合附图实施例对本发明进行了详细说明,本领域中普通技术人员可根据上述说明对本发明做出种种变化例。因而,实施例中的某些细节不应构成对本发明的限定,本发明将以所附权利要求书界定的范围作为本发明的保护范围。
Claims (5)
1.一种基于多目标规划的指数罚函数风电场选址方法,包括步骤:
S1:收集风电场选址相关数据;
S2:根据所述风电场选址相关数据建设一最小总运营费用模型;
S3:建立风电场备选地的一最大年均发电功率模型;
S4:建立一基于指数罚函数法的min-max多目标规划模型;
S5:利用BFGS算法对所述基于指数罚函数法的min-max多目标规划模型求解,获得风电场选址结果,并根据所述风电场选址结果对风电场进行选址。
2.根据权利要求1所述的基于多目标规划的指数罚函数风电场选址方法,其特征在于,所述风电场选址相关数据包括:各备选地至各对应电网的年供电量、各对应所述电网的电力需求量、各所述备选地的占地面积、单位面积的投资费用和各对应所述电网距各对应备选地的距离。
3.根据权利要求2所述的基于多目标规划的指数罚函数风电场选址方法,其特征在于,所述最小总运营费用模型的公式如下:
公式(1)的约束条件为:
α1+α2+α3+...+αk=n;α1,α2,α3,…,αk∈N (7);
Pij≥0;
其中,minf为最小总运营费用;是指所述备选地建设风电场产生的建设费用;指所述备选地在后期的扩建费用;指建设风电场中的运输费用;Pij为第j所述备选地至第i电网的年供电量;di为第i电网的电力需求量;α为扩建成本系数;zj为01变量,选择在第j所述备选地建设风电场时取值为1,否则为0;Wj为所述备选地建设风电场的基础建设费用,等于所述风电场占地面积乘以所述单位面积的投资费用;sij为第i电网距第j所述备选地的距离;β为单位公里发电量所需运输成本系数;Pj为第j备选地的控制规划能力规模上限;αk为各风电场主要供电方向的备选点集合;M为接近无穷大的数值;m为电网需求风电场的个数;n为风电场所述备选地的个数。
4.根据权利要求3所述的基于多目标规划的指数罚函数风电场选址方法,其特征在于,所述S3步骤进一步包括步骤:
建立一第j备选地的年均发电功率模型:
其中,uin表示风机的切入风速;uout表示风机的切出风速;fp(u)表示风向p的风速概率密度函数;P(ua,p)表示第a风机在第p风向的实际风速为ua,p时的发电功率;N表示风机总数;Ml表示划分的风向数;dmin为风机之间的最小允许距离;
根据公式(8)建立最大年均发电功率模型:
公式(9)的约束条件为:
其中,gj(z)表示第a风机与第b风机之间的位置约束;C表示约束的数目;xa表示第a风电场沿x方向的位置,xb表示第b风电场沿x方向的位置,Xmax表示风电场的长度;ya表示第a风电场沿y方向的位置,yb表示第b风电场沿y方向的位置,Ymax表示风电场的宽度。
5.根据权利要求4所述的基于多目标规划的指数罚函数风电场选址方法,其特征在于,所述S4步骤进一步包括步骤:
根据所述最小总运营费用模型和所述最大年均发电功率模型建立一最小亏损函数模型:
min f(j)=max[-f1(j),f2(j)] (9);
f1(j)=minf;
f2(j)=P(j)×ζ;
公式(9)的约束条件为:gk(j)≤0,k=1,...q,
其中,f1(j)为总运营费用的最小目标函数,f2(j)为风电场备选地的年均发电功率盈利最大目标函数,ζ为单位发电功率的盈利系数;
通过在公式(9)的各目标函数上引进一相关惩罚项建立所述基于指数罚函数法的min-max多目标规划模型:
其中,ρn>0是罚参数且t为大于1的系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810312088.9A CN108448626A (zh) | 2018-04-09 | 2018-04-09 | 基于多目标规划的指数罚函数风电场选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810312088.9A CN108448626A (zh) | 2018-04-09 | 2018-04-09 | 基于多目标规划的指数罚函数风电场选址方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108448626A true CN108448626A (zh) | 2018-08-24 |
Family
ID=63199375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810312088.9A Pending CN108448626A (zh) | 2018-04-09 | 2018-04-09 | 基于多目标规划的指数罚函数风电场选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108448626A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139269A (zh) * | 2015-07-17 | 2015-12-09 | 同济大学 | 一种多期风电场微观选址方法 |
CN105405164A (zh) * | 2015-09-21 | 2016-03-16 | 河海大学 | 一种复杂地形风电场地形改造方法 |
CN106407566A (zh) * | 2016-09-20 | 2017-02-15 | 河海大学 | 复杂地形风电场一体化优化方法 |
CN106886833A (zh) * | 2017-01-12 | 2017-06-23 | 浙江大学 | 一种适用于复杂约束条件的风力发电机选址选型优化方法 |
-
2018
- 2018-04-09 CN CN201810312088.9A patent/CN108448626A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139269A (zh) * | 2015-07-17 | 2015-12-09 | 同济大学 | 一种多期风电场微观选址方法 |
CN105405164A (zh) * | 2015-09-21 | 2016-03-16 | 河海大学 | 一种复杂地形风电场地形改造方法 |
CN106407566A (zh) * | 2016-09-20 | 2017-02-15 | 河海大学 | 复杂地形风电场一体化优化方法 |
CN106886833A (zh) * | 2017-01-12 | 2017-06-23 | 浙江大学 | 一种适用于复杂约束条件的风力发电机选址选型优化方法 |
Non-Patent Citations (3)
Title |
---|
刘三明: ""多目标规划的若干理论和方法"", 《中国博士学位论文全文数据库 基础科学辑》 * |
李绍刚等: ""求解不等式约束极大极小问题的一种嫡函数法"", 《中国运筹学会第八届学术交流会论文集》 * |
杨珺: ""风电场选址综述"", 《太阳能学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105375507B (zh) | 雾霾环境下虚拟电厂的电力两级交互优化调度方法 | |
Marinelli et al. | Wind and photovoltaic large-scale regional models for hourly production evaluation | |
CN107276127B (zh) | 考虑联络线电力交易计划的多区域互联电力系统的风电消纳优化方法 | |
Negnevitsky et al. | Innovative short-term wind generation prediction techniques | |
CN107154648B (zh) | 一种风电场双层有功分配控制方法 | |
CN110401186A (zh) | 地区电网源网荷储多元协调泛在调度控制系统 | |
CN103996074A (zh) | 基于cfd和改进pso的复杂地形风电场微观选址方法 | |
CN106253352B (zh) | 计及风电概率分布特征的鲁棒实时调度方法 | |
CN105528466A (zh) | 考虑电力系统适应性和经济性的风电优化规划建模方法 | |
CN107437824A (zh) | 一种基于遗传算法的地区分布式电源准入容量的计算方法 | |
CN105207272B (zh) | 基于通用分布的电力系统动态随机经济调度方法及装置 | |
CN106786799A (zh) | 一种直流联络线功率阶梯化发电计划优化方法 | |
CN105425591B (zh) | 基于风电场区域实时风速分析调控风电场有功的方法和装置 | |
CN108092324A (zh) | 一种风电参与调峰调频的agc控制系统和控制方法 | |
CN106682282A (zh) | 一种基于遗传算法嵌套粒子群算法的风电场多型号风力发电机排布优化方法 | |
CN106886833A (zh) | 一种适用于复杂约束条件的风力发电机选址选型优化方法 | |
Capros et al. | Very high penetration of renewable energy sources to the European electricity system in the context of model-based analysis of an energy roadmap towards a low carbon EU economy by 2050 | |
CN107169631A (zh) | 基于改进加权Voronoi图的有源配电网变电站规划方法 | |
CN107742901A (zh) | 考虑压缩空气储能的风电并网机组组合方法及装置 | |
CN110119888A (zh) | 一种基于分布式电源接入的有源网格化规划方法 | |
CN109412158A (zh) | 一种考虑弃能成本约束的送端电网机组组合运行控制方法 | |
CN109755959A (zh) | 基于风/光出力柯西分布的火电机组动态实时调度方法 | |
CN107453381A (zh) | 基于两阶段交叉控制的电动汽车集群功率调节方法及系统 | |
CN107959307A (zh) | 一种计及配电网运行风险成本的dg优化配置方法 | |
CN106160000A (zh) | 一种分调‑省调两级协调的风电增发控制方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180824 |
|
RJ01 | Rejection of invention patent application after publication |