CN109816184B - 大型风电场拓扑规划方法及装置 - Google Patents
大型风电场拓扑规划方法及装置 Download PDFInfo
- Publication number
- CN109816184B CN109816184B CN201910280114.9A CN201910280114A CN109816184B CN 109816184 B CN109816184 B CN 109816184B CN 201910280114 A CN201910280114 A CN 201910280114A CN 109816184 B CN109816184 B CN 109816184B
- Authority
- CN
- China
- Prior art keywords
- wind
- wind turbine
- determining
- turbine generator
- 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.)
- Active
Links
Images
Landscapes
- Wind Motors (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种大型风电场拓扑规划方法及装置，属于风电场工程技术领域，该方法包括：获取目标风电场中n个风电机组的机组位置；基于k均值聚类算法根据机组位置将n个风电机组聚类为k个风电组群；对于k个风电组群中的每个风电组群，基于Prim算法确定风电组群中的最小生成树，得到k个风电组群的拓扑连接方式；可以解决使用遗传算法、模糊C均值算法等规划风电场拓扑时拓扑的求解效率较低的问题；由于k均值聚类算法和Prim算法的算法简单，求解难度低，因此，可以提高拓扑的求解效率。
Description
技术领域
本发明涉及一种大型风电场拓扑规划方法，属于风电场工程技术领域。
背景技术
近年来，风电产业正处在平稳发展的初级阶段，风电作为重要的清洁能源，未来发展任重道远。我国海上风能资源丰富，近海风能可供开发资源达到5亿千瓦。对于海上风电运营商来讲，随着海上风电场容量的增大、离岸距离的增加，海上风电场内部汇集网的拓扑结构的设计也显得日益重要。
目前，国内外对于如何规划海上风电场内部拓扑的研究较为单一。通常，在做拓扑规划时，常采用的方法包括遗传算法、模糊C均值算法等。
然而，遗传算法、模糊C均值算法的算法逻辑比较复杂，在风电机组发生变化时拓扑的复杂度和求解难度较大，从而导致拓扑的求解效率较低的问题。
发明内容
本发明的目的在于提供一种大型风电场拓扑规划方法及装置，可以解决使用遗传算法、模糊C均值算法等规划风电场拓扑时拓扑的求解效率较低的问题。为达到上述目的，本发明提供如下技术方案：
第一方面，提供一种大型风电场拓扑规划方法，所述方法包括：
获取目标风电场中n个风电机组的机组位置，所述n为正整数；
基于k均值聚类算法根据所述机组位置将所述n个风电机组聚类为k个风电组群，所述k为小于或等于所述n的正整数；
对于所述k个风电组群中的每个风电组群，基于普里姆Prim算法确定所述风电组群中的最小生成树，得到所述k个风电组群的拓扑连接方式；所述最小生成树用于指示所述风电组群中风电机组连接长度最短的连接方式。
可选地，所述基于k均值聚类算法根据所述机组位置将所述n个风电机组聚类为k个风电组群，包括：
从所述n个风电机组中确定k个风电机组，得到k个聚类中心；
对于所述n个风电机组中的每个风电机组，计算与所述风电机组距离最近的目标聚类中心；将所述风电机组确定为所述目标聚类中心所属的风电组群，得到k个风电组群；
确定基于所述k个聚类中心得到的k个风电组群是否符合预设条件；
在基于所述k个聚类中心得到的k个风电组群符合所述预设条件时，确定所述k个风电组群为用于生成所述最小生成树的风电组群；
其中，所述预设条件为所述n个风电机组中每个风电机组都存在距离最近的聚类中心，且所述n个风电机组与对应的聚类中心的距离之和最小。
可选地，在基于所述k个聚类中心得到的k个风电组群不符合所述预设条件时，所述方法还包括：
更新所述k个聚类中心；
再次执行所述对于所述n个风电机组中的每个风电机组，计算与所述风电机组距离最近的目标聚类中心；将所述风电机组确定为所述目标聚类中心所属的风电组群，得到k个风电组群的步骤，直至基于所述k个聚类中心得到的k个风电组群符合所述预设条件时停止。
可选地，所述对于所述k个风电组群中的每个风电组群，基于Prim算法确定所述风电组群中的最小生成树，包括：
确定所述风电组群的无向图G＝(V，E)，并获取所述无向图中每条线段指示的距离；所述V为所述无向图中的各个风电机组，所述E为所述无向图中各个风电机组之间两两连接的线段；
基于Prim算法从所述无向图中确定最小生成树，所述最小生成树中的线段为所述E的子集，且所述最小生成树为无循环图。
可选地，所述基于Prim算法从所述无向图中确定最小生成树，包括：
从所述无向图中随机确定一个风电机组作为已选顶点；
确定所述无向图中与所述已选顶点距离最近的顶点，得到更新后的已选顶点；
对于每个已选顶点，确定所述无向图的未选顶点中与所述已选顶点距离最近的顶点，得到更新后的已选顶点；直至所述无向图中的所有顶点均为已选顶点时停止，得到所述最小生成树。
第二方面，提供一种大型风电场拓扑规划装置，所述装置包括：
位置获取模块，用于获取目标风电场中n个风电机组的机组位置，所述n为正整数；
风机聚类模块，用于基于k均值聚类算法根据所述机组位置将所述n个风电机组聚类为k个风电组群，所述k为小于或等于所述n的正整数；
拓扑规划模块，用于对于所述k个风电组群中的每个风电组群，基于普里姆Prim算法确定所述风电组群中的最小生成树，得到所述k个风电组群的拓扑连接方式；所述最小生成树用于指示所述风电组群中风电机组连接长度最短的连接方式。
可选地，所述风机聚类模块，用于：
从所述n个风电机组中确定k个风电机组，得到k个聚类中心；
对于所述n个风电机组中的每个风电机组，计算与所述风电机组距离最近的目标聚类中心；将所述风电机组确定为所述目标聚类中心所属的风电组群，得到k个风电组群；
确定基于所述k个聚类中心得到的k个风电组群是否符合预设条件；
在基于所述k个聚类中心得到的k个风电组群符合所述预设条件时，确定所述k个风电组群为用于生成所述最小生成树的风电组群；
其中，所述预设条件为所述n个风电机组中每个风电机组都存在距离最近的聚类中心，且所述n个风电机组与对应的聚类中心的距离之和最小。
可选地，在基于所述k个聚类中心得到的k个风电组群不符合所述预设条件时，所述风机聚类模块，还用于：
更新所述k个聚类中心；
再次执行所述对于所述n个风电机组中的每个风电机组，计算与所述风电机组距离最近的目标聚类中心；将所述风电机组确定为所述目标聚类中心所属的风电组群，得到k个风电组群的步骤，直至基于所述k个聚类中心得到的k个风电组群符合所述预设条件时停止。
可选地，所述拓扑规划模块，用于：
确定所述风电组群的无向图G＝(V，E)，并获取所述无向图中每条线段指示的距离；所述V为所述无向图中的各个风电机组，所述E为所述无向图中各个风电机组之间两两连接的线段；
基于Prim算法从所述无向图中确定最小生成树，所述最小生成树中的线段为所述E的子集，且所述最小生成树为无循环图。
可选地，所述拓扑规划模块，用于：
从所述无向图中随机确定一个风电机组作为已选顶点；
确定所述无向图中与所述已选顶点距离最近的顶点，得到更新后的已选顶点；
对于每个已选顶点，确定所述无向图的未选顶点中与所述已选顶点距离最近的顶点，得到更新后的已选顶点；直至所述无向图中的所有顶点均为已选顶点时停止，得到所述最小生成树。
本发明的有益效果在于：通过获取目标风电场中n个风电机组的机组位置；基于k均值聚类算法根据机组位置将n个风电机组聚类为k个风电组群；对于k个风电组群中的每个风电组群，基于Prim算法确定风电组群中的最小生成树，得到k个风电组群的拓扑连接方式；可以解决使用遗传算法、模糊C均值算法等规划风电场拓扑时拓扑的求解效率较低的问题；由于k均值聚类算法和Prim算法的算法简单，求解难度低，因此，可以提高拓扑的求解效率。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1是本申请一个实施例提供的大型风电场拓扑规划方法的流程图；
图2是本申请一个实施例提供的大型风电场拓扑规划装置的框图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
图1是本申请一个实施例提供的大型风电场拓扑规划方法的流程图。该方法至少包括以下几个步骤：
步骤101，获取目标风电场中n个风电机组的机组位置，n为正整数。
其中，机组位置可以是每个风电机组的地理位置；或者，也可以是在目标风电场所在的平面坐标上的位置。
假设目标风电场内共有n个风电机组，记为(x1，x2，…，xn)，其中xn表示第n个风电机组在风电场平面坐标上的二维位置。
步骤102，基于k均值聚类算法根据机组位置将n个风电机组聚类为k个风电组群。
其中，k为小于或等于n的正整数。
示意性地，基于k均值聚类算法根据机组位置将n个风电机组聚类为k个风电组群，包括：从n个风电机组中确定k个风电机组，得到k个聚类中心；对于n个风电机组中的每个风电机组，计算与风电机组距离最近的目标聚类中心；将风电机组确定为目标聚类中心所属的风电组群，得到k个风电组群；确定基于k个聚类中心得到的k个风电组群是否符合预设条件；在基于k个聚类中心得到的k个风电组群符合预设条件时，确定k个风电组群为用于生成最小生成树的风电组群；其中，预设条件为n个风电机组中每个风电机组都存在距离最近的聚类中心，且n个风电机组与对应的聚类中心的距离之和最小。
可选地，在基于k个聚类中心得到的k个风电组群不符合预设条件时，更新k个聚类中心；再次执行对于n个风电机组中的每个风电机组，计算与风电机组距离最近的目标聚类中心；将风电机组确定为目标聚类中心所属的风电组群，得到k个风电组群的步骤，直至基于k个聚类中心得到的k个风电组群符合预设条件时停止。
其中，预设条件(即k均值聚类算法的目标函数)J为：
其中，cj为第j个聚类中心，j为小于或等于k的正整数；xi为第i个风电机组的机组位置，i为小于或等于n的正整数；||xi-cj||为xi-cj的范数。
步骤103，对于k个风电组群中的每个风电组群，基于Prim算法确定风电组群中的最小生成树，得到k个风电组群的拓扑连接方式。
其中，最小生成树用于指示风电组群中风电机组连接长度最短的连接方式。
示意性地，对于k个风电组群中的每个风电组群，基于Prim算法确定风电组群中的最小生成树，包括：确定风电组群的无向图G＝(V，E)，并获取无向图中每条线段指示的距离；基于Prim算法从无向图中确定最小生成树，最小生成树中的线段为E的子集，且最小生成树为无循环图。
其中，基于Prim算法从无向图中确定最小生成树，包括：从无向图中随机确定一个风电机组作为已选顶点；确定无向图中与已选顶点距离最近的顶点，得到更新后的已选顶点；对于每个已选顶点，确定无向图的未选顶点中与已选顶点距离最近的顶点，得到更新后的已选顶点；直至无向图中的所有顶点均为已选顶点时停止，得到最小生成树。
其中，V为无向图中的各个风电机组，E为无向图中各个风电机组之间两两连接的线段。
最小生成树的表示方式为：
其中，T为E的子集，且为无循环图，w(T)的值为最小；m为T的数量。
综上所述，本实施例提供的大型风电场拓扑规划方法，通过获取目标风电场中n个风电机组的机组位置；基于k均值聚类算法根据机组位置将n个风电机组聚类为k个风电组群；对于k个风电组群中的每个风电组群，基于Prim算法确定风电组群中的最小生成树，得到k个风电组群的拓扑连接方式；可以解决使用遗传算法、模糊C均值算法等规划风电场拓扑时拓扑的求解效率较低的问题；由于k均值聚类算法和Prim算法的算法简单，求解难度低，因此，可以提高拓扑的求解效率。
另外，在所有风电机组聚类之后，以连接长度最短为原则实现各风电机组的有效连接既可以缩短电缆的铺设长度最短，还可以降低线路损耗。
图2是本申请一个实施例提供的大型风电场拓扑规划装置的框图。该装置至少包括以下几个模块：位置获取模块210、风机聚类模块220和拓扑规划模块230。
位置获取模块210，用于获取目标风电场中n个风电机组的机组位置，所述n为正整数；
风机聚类模块220，用于基于k均值聚类算法根据所述机组位置将所述n个风电机组聚类为k个风电组群，所述k为小于或等于所述n的正整数；
拓扑规划模块230，用于对于所述k个风电组群中的每个风电组群，基于普里姆Prim算法确定所述风电组群中的最小生成树，得到所述k个风电组群的拓扑连接方式；所述最小生成树用于指示所述风电组群中风电机组连接长度最短的连接方式。
可选地，所述风机聚类模块220，用于：
从所述n个风电机组中确定k个风电机组，得到k个聚类中心；
对于所述n个风电机组中的每个风电机组，计算与所述风电机组距离最近的目标聚类中心；将所述风电机组确定为所述目标聚类中心所属的风电组群，得到k个风电组群；
确定基于所述k个聚类中心得到的k个风电组群是否符合预设条件；
在基于所述k个聚类中心得到的k个风电组群符合所述预设条件时，确定所述k个风电组群为用于生成所述最小生成树的风电组群；
其中，所述预设条件为所述n个风电机组中每个风电机组都存在距离最近的聚类中心，且所述n个风电机组与对应的聚类中心的距离之和最小。
可选地，在基于所述k个聚类中心得到的k个风电组群不符合所述预设条件时，所述风机聚类模块220，还用于：
更新所述k个聚类中心；
再次执行所述对于所述n个风电机组中的每个风电机组，计算与所述风电机组距离最近的目标聚类中心；将所述风电机组确定为所述目标聚类中心所属的风电组群，得到k个风电组群的步骤，直至基于所述k个聚类中心得到的k个风电组群符合所述预设条件时停止。
可选地，所述拓扑规划模块230，用于：
确定所述风电组群的无向图G＝(V，E)，并获取所述无向图中每条线段指示的距离；所述V为所述无向图中的各个风电机组，所述E为所述无向图中各个风电机组之间两两连接的线段；
基于Prim算法从所述无向图中确定最小生成树，所述最小生成树中的线段为所述E的子集，且所述最小生成树为无循环图。
可选地，所述拓扑规划模块230，用于：
从所述无向图中随机确定一个风电机组作为已选顶点；
确定所述无向图中与所述已选顶点距离最近的顶点，得到更新后的已选顶点；
对于每个已选顶点，确定所述无向图的未选顶点中与所述已选顶点距离最近的顶点，得到更新后的已选顶点；直至所述无向图中的所有顶点均为已选顶点时停止，得到所述最小生成树。
相关细节参考上述方法实施例。
需要说明的是：上述实施例中提供的大型风电场拓扑规划装置在进行大型风电场拓扑规划时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将大型风电场拓扑规划装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的大型风电场拓扑规划装置与大型风电场拓扑规划方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种大型风电场拓扑规划方法，其特征在于，所述方法包括：
获取目标风电场中n个风电机组的机组位置，所述n为正整数；
基于k均值聚类算法根据所述机组位置将所述n个风电机组聚类为k个风电组群，所述k为小于或等于所述n的正整数；
对于所述k个风电组群中的每个风电组群，基于普里姆Prim算法确定所述风电组群中的最小生成树，得到所述k个风电组群的拓扑连接方式；所述最小生成树用于指示所述风电组群中风电机组连接长度最短的连接方式；
所述基于k均值聚类算法根据所述机组位置将所述n个风电机组聚类为k个风电组群，包括：
从所述n个风电机组中确定k个风电机组，得到k个聚类中心；
对于所述n个风电机组中的每个风电机组，计算与所述风电机组距离最近的目标聚类中心；将所述风电机组确定为所述目标聚类中心所属的风电组群，得到k个风电组群；
确定基于所述k个聚类中心得到的k个风电组群是否符合预设条件；
在基于所述k个聚类中心得到的k个风电组群符合所述预设条件时，确定所述k个风电组群为用于生成所述最小生成树的风电组群；
在基于所述k个聚类中心得到的k个风电组群不符合所述预设条件时，更新所述k个聚类中心；
再次执行所述对于所述n个风电机组中的每个风电机组，计算与所述风电机组距离最近的目标聚类中心；将所述风电机组确定为所述目标聚类中心所属的风电组群，得到k个风电组群的步骤，直至基于所述k个聚类中心得到的k个风电组群符合所述预设条件时停止；
其中，所述预设条件为所述n个风电机组中每个风电机组都存在距离最近的聚类中心，且所述n个风电机组与对应的聚类中心的距离之和最小。
2.根据权利要求1所述的方法，其特征在于，所述对于所述k个风电组群中的每个风电组群，基于Prim算法确定所述风电组群中的最小生成树，包括：
确定所述风电组群的无向图G＝(V，E)，并获取所述无向图中每条线段指示的距离；所述V为所述无向图中的各个风电机组，所述E为所述无向图中各个风电机组之间两两连接的线段；
基于Prim算法从所述无向图中确定最小生成树，所述最小生成树中的线段为所述E的子集，且所述最小生成树为无循环图。
3.根据权利要求2所述的方法，其特征在于，所述基于Prim算法从所述无向图中确定最小生成树，包括：
从所述无向图中随机确定一个风电机组作为已选顶点；
确定所述无向图中与所述已选顶点距离最近的顶点，得到更新后的已选顶点；
对于每个已选顶点，确定所述无向图的未选顶点中与所述已选顶点距离最近的顶点，得到更新后的已选顶点；直至所述无向图中的所有顶点均为已选顶点时停止，得到所述最小生成树。
4.一种大型风电场拓扑规划装置，其特征在于，所述装置包括：
位置获取模块，用于获取目标风电场中n个风电机组的机组位置，所述n为正整数；
风机聚类模块，用于基于k均值聚类算法根据所述机组位置将所述n个风电机组聚类为k个风电组群，所述k为小于或等于所述n的正整数；
拓扑规划模块，用于对于所述k个风电组群中的每个风电组群，基于普里姆Prim算法确定所述风电组群中的最小生成树，得到所述k个风电组群的拓扑连接方式；所述最小生成树用于指示所述风电组群中风电机组连接长度最短的连接方式；
所述风机聚类模块，用于：
从所述n个风电机组中确定k个风电机组，得到k个聚类中心；
对于所述n个风电机组中的每个风电机组，计算与所述风电机组距离最近的目标聚类中心；将所述风电机组确定为所述目标聚类中心所属的风电组群，得到k个风电组群；
确定基于所述k个聚类中心得到的k个风电组群是否符合预设条件；
在基于所述k个聚类中心得到的k个风电组群符合所述预设条件时，确定所述k个风电组群为用于生成所述最小生成树的风电组群；
在基于所述k个聚类中心得到的k个风电组群不符合所述预设条件时，更新所述k个聚类中心；
再次执行所述对于所述n个风电机组中的每个风电机组，计算与所述风电机组距离最近的目标聚类中心；将所述风电机组确定为所述目标聚类中心所属的风电组群，得到k个风电组群的步骤，直至基于所述k个聚类中心得到的k个风电组群符合所述预设条件时停止；
其中，所述预设条件为所述n个风电机组中每个风电机组都存在距离最近的聚类中心，且所述n个风电机组与对应的聚类中心的距离之和最小。
5.根据权利要求4所述的装置，其特征在于，所述拓扑规划模块，用于：
确定所述风电组群的无向图G＝(V，E)，并获取所述无向图中每条线段指示的距离；所述V为所述无向图中的各个风电机组，所述E为所述无向图中各个风电机组之间两两连接的线段；
基于Prim算法从所述无向图中确定最小生成树，所述最小生成树中的线段为所述E的子集，且所述最小生成树为无循环图。
6.根据权利要求5所述的装置，其特征在于，所述拓扑规划模块，用于：
从所述无向图中随机确定一个风电机组作为已选顶点；
确定所述无向图中与所述已选顶点距离最近的顶点，得到更新后的已选顶点；
对于每个已选顶点，确定所述无向图的未选顶点中与所述已选顶点距离最近的顶点，得到更新后的已选顶点；直至所述无向图中的所有顶点均为已选顶点时停止，得到所述最小生成树。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910280114.9A CN109816184B (zh) | 2019-04-09 | 2019-04-09 | 大型风电场拓扑规划方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910280114.9A CN109816184B (zh) | 2019-04-09 | 2019-04-09 | 大型风电场拓扑规划方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109816184A CN109816184A (zh) | 2019-05-28 |
| CN109816184B true CN109816184B (zh) | 2023-07-14 |
Family
ID=66611727
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910280114.9A Active CN109816184B (zh) | 2019-04-09 | 2019-04-09 | 大型风电场拓扑规划方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109816184B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113298307B (zh) * | 2021-05-28 | 2022-03-22 | 明阳智慧能源集团股份公司 | 一种风电场信号中转站布局的计算方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105656076A (zh) * | 2015-11-26 | 2016-06-08 | 国网江苏省电力公司经济技术研究院 | 海上风电场海缆布线的获取方法 |
| CN107133691A (zh) * | 2017-04-20 | 2017-09-05 | 中国能源建设集团广东省电力设计研究院有限公司 | 用于风电场输电网的拓扑优化方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9680915B2 (en) * | 2012-09-12 | 2017-06-13 | Infosys Limited | Methods for clustering networks based on topology discovery and devices thereof |
-
2019
- 2019-04-09 CN CN201910280114.9A patent/CN109816184B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105656076A (zh) * | 2015-11-26 | 2016-06-08 | 国网江苏省电力公司经济技术研究院 | 海上风电场海缆布线的获取方法 |
| CN107133691A (zh) * | 2017-04-20 | 2017-09-05 | 中国能源建设集团广东省电力设计研究院有限公司 | 用于风电场输电网的拓扑优化方法 |
Non-Patent Citations (2)
| Title |
|---|
| 大规模风电场动态等值建模研究;胡庆林;《万方数据》;20180416;第32-47页 * |
| 海上风电场集电系统的优化设计;谭任深;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20131215;第32-46页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109816184A (zh) | 2019-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108306303B (zh) | 一种考虑负荷增长和新能源出力随机的电压稳定评估方法 | |
| CN107909211B (zh) | 基于模糊c均值聚类算法的风场等值建模及优化控制方法 | |
| CN109670213B (zh) | 一种风电场多机等值建模方法及装置 | |
| CN106503839A (zh) | 一种海上风电场环形集电网络分层规划方法 | |
| CN103955521B (zh) | 一种风电场机群划分方法 | |
| CN106786763B (zh) | 一种风电场增建光伏电站的集电系统网络优化方法 | |
| CN108198091B (zh) | 一种基于改进粒子群算法的风电系统无功优化方法 | |
| Chen et al. | A novel technique for the optimal design of offshore wind farm electrical layout | |
| CN106684905A (zh) | 一种考虑风电预测不确定性的风电场动态等值方法 | |
| CN105184683A (zh) | 一种基于风电场运行数据的概率聚类分群方法 | |
| 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 | |
| CN108574300A (zh) | 一种基于相似性聚合的分布式光伏发电功率状态估计方法 | |
| CN112163711A (zh) | 一种基于mopso/cc的综合能源系统优化调度方法 | |
| CN111724273B (zh) | 采用大容量风电机组的海上风电场自动规划集电线路方法 | |
| CN110445127A (zh) | 一种面向多重随机不确定性的配电网无功优化方法及系统 | |
| CN113239764A (zh) | 输电线路无人机巡检图像预处理方法 | |
| CN109816184B (zh) | 大型风电场拓扑规划方法及装置 | |
| CN109409575A (zh) | 基于Gap Statistic的风电场机群划分方法 | |
| CN112909981A (zh) | 一种大型海上风电场电气汇集系统设计方案经济性优化的方法 | |
| CN102902742A (zh) | 一种云环境下的空间数据划分方法 | |
| CN104426736A (zh) | 一种网络拓扑布局方法及设备 | |
| CN114152839B (zh) | 一种分布式电力并网环境下的配电网故障定位方法及系统 | |
| CN112052544A (zh) | 风电场集电网络设计方法、系统、存储介质及计算设备 | |
| CN104680249A (zh) | 一种基于改进离散粒子群算法的pmu配置方法 | |
| Wu et al. | A synchronization methodology for 3D offshore wind farm layout optimization with multi-type wind turbines and obstacle-avoiding cable network |
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 |