CN110689187A - 一种基于多条件约束的变电站自动化选址方法 - Google Patents
一种基于多条件约束的变电站自动化选址方法 Download PDFInfo
- Publication number
- CN110689187A CN110689187A CN201910902432.4A CN201910902432A CN110689187A CN 110689187 A CN110689187 A CN 110689187A CN 201910902432 A CN201910902432 A CN 201910902432A CN 110689187 A CN110689187 A CN 110689187A
- Authority
- CN
- China
- Prior art keywords
- area
- transformer substation
- candidate
- factor
- data
- 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.)
- Granted
Links
- 238000010187 selection method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims abstract description 8
- 238000012216 screening Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000007670 refining Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 3
- 230000008602 contraction Effects 0.000 claims description 2
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 2
- 238000013139 quantization Methods 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000013439 planning Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009466 transformation 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Remote Sensing (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (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
本发明涉及一种基于多条件约束的变电站自动化选址方法。包括步骤:(1)数据分类与优化处理。将所考虑的因素分为变电站禁建区用地因素和变电站选址可建区因素两类,然后依据数据规范进行数据优化,使数据在空间参考等内容上保持一致。(2)候选区生成。首先进行坡度分析,得到建站适宜坡度区;然后将所有禁建区合并,得到一个禁建区;最后将适宜坡度区减去禁建区,得到候选区数据。(3)基于变电站大小的细化筛选。选择能容纳变电站大小的候选区。(4)基于层次分析法的适宜性综合评价。对候选区进行综合评价,将各候选区按适宜度高低进行排序,从而得出评价最优的候选区。本发明旨在克服现有选站方法的不足,对宏观选址的工作进行细化,实现微观选站,从而有助于解决选站难题。
Description
技术领域
本发明涉及电力系统变电站选址领域,特别是涉及一种基于多条件约束的变电站自动化选址方法。
背景技术
变电站选址是电网规划中的一项很重要的工作,它的空间布设关系到电网规划的经济性与合理性,并且还要满足气象、经济、环境、社会等各项规划要求,影响着以后电网结构的扩展与完善,因此如何对变电站科学有效的进行选址一直是行业的热点问题。
当前变电站选址的方法主要集中在宏观的资源分配问题解析上,即在大尺度上进行站址选址以满足效益最优,包括经典数学优化算法、启发式算法以及人工智能算法等。经典数学优化算法有混合整数规划、线性规划、最短路径算法等,这些方法在处理维数较大的情况时,在有限时间内很难得到最优解,实际应用效果较差。启发式和人工智能优化算法在在规模优化问题中则具有计算速度快,优化性能卓越的特点,主要包括粒子群优化算法、差分进化算法、遗传算法等。然而无论是经典数学优化算法,还是启发式或人工智能算法,它们最终所生成的还是一个范围,需要进一步利用一定的方法进行站址确定。
发明内容
本发明旨在克服现有选站方法的不足,提出一种基于多条件约束的变电站自动化选址方法,以对宏观选址的工作进行细化,实现微观选站。该选址方法基于规划大数据,对变电站选址影响因素进行指标体系建立;在一定的区域内利用GIS空间分析与选址知识进行区域判断,进一步利用多边形内接矩形匹配算法寻找满足面积要求的候选区;得到变电站候选区后,还利用空间多尺度评价模型对选区进行指标统计分析,将涉及的地形起伏、用地约束、交通因素、河流因素、地质因素等指标进行智能综合判断,对候选站址进行综合评价,从而帮助解决选站难题。
本发明提出的选址方法包括如下步骤:
(1)数据分类与优化处理。变电站选址工作受多种因素约束,为了便于变电站自动选址设计,将所考虑的因素分为变电站禁建区用地因素和变电站选址可建区因素两类,然后依据数据规范进行数据优化,使数据在空间参考等内容上保持一致。
(2)候选区生成。候选区生成主要是根据各种选址约束条件进行地理空间的站址可建区选择,首先根据地形DEM数据进行适宜坡度分析,得到建站适宜坡度区;另外根据禁建区数据库,将所有禁建区进行要素并集计算,得到一个禁建区;第三步则将适宜坡度区减去禁建区,并用选区多边形进行裁剪,得到候选区数据。
(3)基于变电站大小的细化筛选。候选区多边形是步骤(2)阶段基于禁建区以及DEM 数据生成的,所以还需要筛选能够容下设计的变电站矩形的候选区。如果没有满足要求候选区,则表明选区内没有合适的位置建设变电站,否则进行第(4)步。
(4)基于层次分析法的适宜性综合评价。对步骤(3)筛选的候选区进行综合评价,从而得到各候选区的综合适宜度,将各候选区按适宜度高低进行排序,从而得出评价最优的候选区,为选站人员决策提供参考。
附图说明
图1变电站自动选址方法总体框架;
图2变电站自动选址影响因素分类图;
图3变电站站址候选区生成流程图;
图4变电站候选区几何筛选示意图。
具体实施方式
为能清楚说明本发明的技术特点,下面通过具体实施方式与附图,对本发明的整体技术方案进行详细阐述。如图1所示,本发明包括如下步骤:
步骤1:数据分类与优化处理。
变电站选址工作受多种因素约束,包括居民地、规划区(核心规划区与非核心规划区)、行政区划(细化至乡镇)、工业用地(工厂、矿区、风电场等)、历史文化古迹、风景区、机场、军事用地、自然或野生动物保护区、水体(含河流、湖泊、湿地、水库等)、河漫滩、林地、耕地、草地、荒漠与裸露地表、交通通达度、交通线、电力线、通信线、坡度、地质、冰区、污区、转角、距离和线路施工困难区以及近年提出的生态红线等。这些因素在变电站自动选址功能中会存在不同类型的约束与适宜度,因此需要在进行自动选址分析时先对数据进行区分与处理。具体步骤如下:
1)数据分类
为了便于变电站自动选址设计,将以上所考虑的数据总体分为两类:
①变电站禁建区因素
变电站禁建区因素指的是此类用地类型禁止建设变电站,如村落区域、历史文化古迹、军事用地、水体(含河流、湖泊、湿地、水库等)等。
②变电站可建区因素
变电站可建区因素指的是此类数据可以用于选址,但有一定的适宜度分级。如坡度数据,坡度越小,越适宜于变电站的建站选址;交通数据,离交通干线越近,变电站的建设成本,投产成本都会更低等。这类数据将在层次分析评价中进行量化分级。图2为变电站自动选址数据分类图。
2)数据优化处理
①首先,要对变电站自动选址支撑数据进行优化。因为选站数据具有多源性质,导致很多数据内容、坐标系、属性字段等信息都各有特点,甚至矛盾,如果直接用于选址分析,必然会产生许多难以预料的问题,因此需要在使用这些数据前必须依据数据规范进行数据优化处理,使数据在格式、内容、空间参考等多方面保持一致,从而为选出可行的站址提供可靠的数据。
②其次,为了便于管理和使用,将优化后的数据导入地理空间数据库。
步骤2:候选区生成。
候选区生成主要是根据各种选址约束条件进行地理空间的站址可建区选择。具体包括以下步骤:
1)首先根据地形DEM数据进行坡度分析,坡度的取值范围是0-90度,不超过10度的区域为适宜建站区,从而得到建站适宜坡度区域。
2)根据禁建区数据库,将所有禁建区进行要素合并计算,得到一个禁建区;
3)将适宜坡度区减去禁建区,得到整个DEM范围内的候选区;
4)用选区多边形与整个DEM范围内的候选区进行求交运算(裁剪),从而得到选区范围内的候选区数据。具体如图3所示。
步骤3:基于变电站大小的细化筛选。
变电站有一定的大小规模,生成的候选区需要能够完全容纳该变电站才可行。基于变电站大小的细化筛选本质上是图形学中任意多边形的内接矩形问题。候选区多边形是前面阶段基于禁建区以及DEM数据生成的,而它是否能容下设计的变电站矩形还需要基于图4所示的思想进行筛选。具体筛选步骤如下:
1)将候选区多边形以变电站矩形的宽度向内收缩。
2)若收缩后得到的是一条线段,则判断它的长度是否小于变电站矩形的长度与宽度之差,若不小于,则变电站可以以线段为中心放置于候选区,否则该候选区无法容纳变电站。
3)若收缩后得到的是一个新的多边形,则判断它是否存在一条对角线,其长度不小于变电站矩形的长度与宽度之差,若存在,则变电站可以以对角线为中心放置于候选区,否则该候选区无法容纳变电站。
4)对下一候选区进行运算,重复(1)-(3)。
5)经过1)-4)后,如果没有满足要求的候选区,则表明选区内没有合适大小的区域建设变电站,就不再进行步骤4。
步骤4:基于层次分析法的适宜性综合评价。
当步骤3中选出不少于1个候选区时,需要对它们进行综合评价,以分出优劣,从得出评价最优的候选区。本专利采用层次分析法进行适宜性综合评价。层次分析法是指将一个复杂的多目标决策问题作为一个系统,将影响的因素进行层次划分,通过一定的权重分析,将决策趋向性转化为各因素综合隶属权值问题。根据该方法,对候选区进行综合评价的步骤如下:
1)建立层次结构
变电站自动化选址适宜性综合评价过程是通过对各个因素赋予权重分配,然后对各选址结果赋予各因素的占比权重,最终计算各选址的组合权重。选取坡度、居民地距离、交通距离、水系距离、风区等级、冰区等级等因素建立层次结构模型。
2)构造判断矩阵
2.1)为每个因素分配权重
①采用经典的T.L.Saaty两两比较方法来判断各因素在变电站选址影响的重要性。如果有 n个元素进行比较,那么可得n阶矩阵。这个n阶矩阵为判断矩阵,即:
式中,aij表示准则层中因素i对因素j的相对重要程度,采用1~9级比例法,如表1所示。
表1 9级比例法各标度含义
②构造权向量和一致性检验。通过运算,得出判断矩阵A的最大特征值λmax及对应的特征向量:
W=(w1,w2,…,wn)T (2)
式中的w就是每个因素的权重。
2.2)为每个因素分配量化值
选站的影响因素既有定性也有定量的,而且定量的因素中也具有不同的量纲,无法进行直接比较,所以为了获取每个候选区在每一个因素下的评价等级,使不同性质的因素进行无量纲对比,需要通过映射函数将不同性质的因素下的选址适宜性进行量化映射。过程如下:
①将坡度、居民地距离、交通距离、水系距离、风区等级、冰区等级等因素进行适宜度映射划分或计算,映射区间以适宜、一般和不适宜进行了1~9级设计:1~3级为适宜,4~6 级为一般,7~9级为不适宜。映射等级表如下:
表2各影像因子下的映射等级表
②利用候选区的空间统计功能进行各因素的统计计算,用均值代表候选区对应因素的选址适宜度。具体为:将经过量化后的各因素评级数据与所选站址进行空间叠置,计算叠置区相应的用地评级均值数据,作为当前选站综合评价的参数。
3)计算综合适宜度
通过步骤2),得到了每个因素在评价中的权重以及候选方案在每一个因素下对应获得的评价等级,从而得出评价最优的候选区。假设每个因素的权值为wi,量化值为gi,利用式(3) 所示的线性加权函数即可计算各候选区的综合适宜度。
S=∑wigi (3)
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (5)
1.一种基于多条件约束的变电站自动化选址方法,其特征在于:包括以下步骤:
S1:数据分类和优化处理:将选站数据分为禁建区数据和可建区数据,并做一致性优化处理;
S2:生成候选区:1)利用地形DEM数据进行坡度分析,得到建站适宜坡度区;2)根据禁建区数据,将所有禁建区进行要素合并计算,得到一个禁建区;3)将所述建站适宜坡度区减去禁建区,得到整个DEM范围内的候选区;4)用选区多边形与所述整个DEM范围内的候选区进行求交运算,从而得到选区范围内的候选区多边形;
S3:基于变电站大小进行细化筛选:31)设所要建造的变电站为矩形,将所述步骤S2生成的候选区多边形以变电站矩形的宽度向内收缩,32)若收缩后得到的是一条线段,则判断线段的长度是否小于变电站矩形的长度与宽度之差,若不小于,则变电站可以以线段为中心放置于候选区,否则该候选区无法容纳变电站;33)若收缩后得到的是一个新的多边形,则判断所述新的多边形的对角线的长度是否不小于变电站矩形的长度与宽度之差,若不小于,则变电站可以以对角线为中心放置于候选区,否则该候选区无法容纳变电站;34)重复步骤31)-33),筛选所有候选区;
S4:基于层次分析法进行适宜性综合评价:41)建立层次结构:42)构造判断矩阵;43)计算综合适宜度S,S=∑wigi,将各候选区按适宜度高低进行排序,从而得到评价最优的候选区,其中wi表示每个因素的权重,gi为每个因素的量化值。
2.如权利要求1所述的变电站自动选址方法,其特征在于:所述建立层次结构的具体步骤为:选取坡度、居民地距离、交通距离、水系距离、风区等级和冰区等级作为影响因素建立层次结构模型;所述构造判断矩阵的具体步骤为:1)为每个因素分配权重:采用两两比较方法判断各个所述影响因素在变电站选址影响的重要性,得到判断矩阵A;计算所述判断矩阵A的最大特征值λmax,以及对应的特征向量:W=(w1,w2,…,wn)T,其中wi表示每个因素的权重;2)为每个因素分配量化值gi:将所述各个影响因素进行适宜度映射划分;映射区以适宜、一般和不适宜进行1-9级设计;计算所述各个影响因素的均值作为候选区的选址适宜度量化值。
3.如权利要求2所述的变电站自动选址方法,其特征在于:所述1-9级设计分别为:1-3级为适宜,4-6级为一般,7-9级为不适宜。
5.如权利要1求所述的变电站自动选址方法,其特征在于:所述步骤S3还包括:如果没有满足要求的候选区,则表明选取内没有合适大小的区域建设变电站,则不再进行步骤S4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910902432.4A CN110689187B (zh) | 2019-09-23 | 2019-09-23 | 一种基于多条件约束的变电站自动选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910902432.4A CN110689187B (zh) | 2019-09-23 | 2019-09-23 | 一种基于多条件约束的变电站自动选址方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110689187A true CN110689187A (zh) | 2020-01-14 |
CN110689187B CN110689187B (zh) | 2023-05-23 |
Family
ID=69109937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910902432.4A Active CN110689187B (zh) | 2019-09-23 | 2019-09-23 | 一种基于多条件约束的变电站自动选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110689187B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112163970A (zh) * | 2020-09-30 | 2021-01-01 | 海南电网有限责任公司 | 一种波浪能发电装置的选址方法 |
CN112613178A (zh) * | 2020-12-25 | 2021-04-06 | 苏州智方电力设计有限公司 | 一种配电线路规划方法、系统、智能终端以及存储介质 |
CN112800155A (zh) * | 2020-08-21 | 2021-05-14 | 特变电工新疆新能源股份有限公司 | 一种针对冰冻天气的风电场宏观选址方法 |
CN113076336A (zh) * | 2021-04-27 | 2021-07-06 | 刘文平 | 偏远地区水厂选址gis宏微观决策支持系统 |
CN113807724A (zh) * | 2021-09-24 | 2021-12-17 | 上海交通大学 | 一种基于综合风险评价的弃碴场选址方法 |
CN113890043A (zh) * | 2021-12-06 | 2022-01-04 | 广东电网有限责任公司惠州供电局 | 基于多条件约束的移相变压器选址方法、系统及介质 |
CN116090081A (zh) * | 2023-04-07 | 2023-05-09 | 国网安徽省电力有限公司合肥供电公司 | 一种多台区电力建设项目规划设计方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060095484A1 (en) * | 2004-10-28 | 2006-05-04 | Netaps Inc. | Method and system for solving an optimization problem |
CN101561903A (zh) * | 2009-06-02 | 2009-10-21 | 天津大学 | 计及地理信息的变电站全自动选址定容方法 |
CN103971300A (zh) * | 2014-05-29 | 2014-08-06 | 国家电网公司 | 基于gis空间信息的变电站站址定位方法 |
CN103984997A (zh) * | 2014-05-29 | 2014-08-13 | 国家电网公司 | 基于gis空间信息的输电工程选址选线方法 |
CN106780738A (zh) * | 2017-01-23 | 2017-05-31 | 国网山东省电力公司电力科学研究院 | 基于输变电工程环境敏感区的路径站址优化方法 |
CN108629499A (zh) * | 2018-04-25 | 2018-10-09 | 国家电网公司 | 一种基于二阶锥理论的配电网光伏电站选址定容方法 |
CN109146204A (zh) * | 2018-09-27 | 2019-01-04 | 浙江中海达空间信息技术有限公司 | 一种多层次综合评估的风电场升压站自动选址方法 |
CN109978319A (zh) * | 2018-12-26 | 2019-07-05 | 国网内蒙古东部电力有限公司经济技术研究院 | 基于LCC理念的500kV变电站造价管控辅助评价系统模型构建方法 |
CN109977010A (zh) * | 2019-03-05 | 2019-07-05 | 河海大学常州校区 | 评价智能制造系统信息界面综合认知绩效水平的优化方法 |
-
2019
- 2019-09-23 CN CN201910902432.4A patent/CN110689187B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060095484A1 (en) * | 2004-10-28 | 2006-05-04 | Netaps Inc. | Method and system for solving an optimization problem |
CN101561903A (zh) * | 2009-06-02 | 2009-10-21 | 天津大学 | 计及地理信息的变电站全自动选址定容方法 |
CN103971300A (zh) * | 2014-05-29 | 2014-08-06 | 国家电网公司 | 基于gis空间信息的变电站站址定位方法 |
CN103984997A (zh) * | 2014-05-29 | 2014-08-13 | 国家电网公司 | 基于gis空间信息的输电工程选址选线方法 |
CN106780738A (zh) * | 2017-01-23 | 2017-05-31 | 国网山东省电力公司电力科学研究院 | 基于输变电工程环境敏感区的路径站址优化方法 |
CN108629499A (zh) * | 2018-04-25 | 2018-10-09 | 国家电网公司 | 一种基于二阶锥理论的配电网光伏电站选址定容方法 |
CN109146204A (zh) * | 2018-09-27 | 2019-01-04 | 浙江中海达空间信息技术有限公司 | 一种多层次综合评估的风电场升压站自动选址方法 |
CN109978319A (zh) * | 2018-12-26 | 2019-07-05 | 国网内蒙古东部电力有限公司经济技术研究院 | 基于LCC理念的500kV变电站造价管控辅助评价系统模型构建方法 |
CN109977010A (zh) * | 2019-03-05 | 2019-07-05 | 河海大学常州校区 | 评价智能制造系统信息界面综合认知绩效水平的优化方法 |
Non-Patent Citations (1)
Title |
---|
高世进 等: "基于层次分析法变电站选址的研究", 《电气设计》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800155A (zh) * | 2020-08-21 | 2021-05-14 | 特变电工新疆新能源股份有限公司 | 一种针对冰冻天气的风电场宏观选址方法 |
CN112163970A (zh) * | 2020-09-30 | 2021-01-01 | 海南电网有限责任公司 | 一种波浪能发电装置的选址方法 |
CN112613178A (zh) * | 2020-12-25 | 2021-04-06 | 苏州智方电力设计有限公司 | 一种配电线路规划方法、系统、智能终端以及存储介质 |
CN113076336A (zh) * | 2021-04-27 | 2021-07-06 | 刘文平 | 偏远地区水厂选址gis宏微观决策支持系统 |
CN113807724A (zh) * | 2021-09-24 | 2021-12-17 | 上海交通大学 | 一种基于综合风险评价的弃碴场选址方法 |
CN113807724B (zh) * | 2021-09-24 | 2022-07-29 | 上海交通大学 | 一种基于综合风险评价的弃碴场选址方法 |
CN113890043A (zh) * | 2021-12-06 | 2022-01-04 | 广东电网有限责任公司惠州供电局 | 基于多条件约束的移相变压器选址方法、系统及介质 |
CN113890043B (zh) * | 2021-12-06 | 2022-03-18 | 广东电网有限责任公司惠州供电局 | 基于多条件约束的移相变压器选址方法、系统及介质 |
CN116090081A (zh) * | 2023-04-07 | 2023-05-09 | 国网安徽省电力有限公司合肥供电公司 | 一种多台区电力建设项目规划设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110689187B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110689187A (zh) | 一种基于多条件约束的变电站自动化选址方法 | |
Baseer et al. | GIS-based site suitability analysis for wind farm development in Saudi Arabia | |
Sánchez-Lozano et al. | GIS-based photovoltaic solar farms site selection using ELECTRE-TRI: Evaluating the case for Torre Pacheco, Murcia, Southeast of Spain | |
Abudeif et al. | Multicriteria decision analysis based on analytic hierarchy process in GIS environment for siting nuclear power plant in Egypt | |
Sánchez-Lozano et al. | Identification and selection of potential sites for onshore wind farms development in Region of Murcia, Spain | |
Pillot et al. | An integrated GIS and robust optimization framework for solar PV plant planning scenarios at utility scale | |
CN110046213B (zh) | 一种顾及路径失真纠正与交叉跨越纠正的电力选线方法 | |
Lei et al. | Does Urban planning affect urban growth pattern? A case study of Shenzhen, China | |
Omar et al. | Markov-CA model using analytical hierarchy process and multiregression technique | |
CN109992923B (zh) | 一种基于变分辨率成本表面的分阶段输电线路路径规划方法 | |
Nouri et al. | Land suitability evaluation for changing spatial organization in Urmia County towards conservation of Urmia Lake | |
CN111898315A (zh) | 基于分形—机器学习混合模型的滑坡易发性评估方法 | |
Yang et al. | Layout optimization and multi-scenarios for land use: An empirical study of production-living-ecological space in the Lanzhou-Xining City Cluster, China | |
Noori et al. | A reliable GIS-based FAHP-FTOPSIS model to prioritize urban water supply management scenarios: A case study in semi-arid climate | |
CN111798032B (zh) | 支撑国土空间规划双评价的精细化网格评价方法 | |
CN113240257A (zh) | 一种基于最小累积阻力模型的国土空间分区方法和装置 | |
Dang et al. | The pattern of available construction land along the Xijiang River in Guangxi, China | |
CN109118004A (zh) | 一种工程构筑选址适宜区预测方法 | |
Tulun et al. | Selection of the most suitable biogas facility location with the geographical information system and multi-criteria decision-making methods: a case study of Konya Closed Basin, Turkey | |
CN103971300A (zh) | 基于gis空间信息的变电站站址定位方法 | |
Shenavr et al. | Comparison of Multi-criteria evaluation (AHP and WLC approaches) for land capability assessment of urban development in GIS | |
Zhao et al. | Assessing and optimizing the effectiveness of protected areas along China’s coastal region: a social-ecological protected area network study | |
Hu et al. | Balancing urban expansion with a focus on ecological security: A case study of Zhaotong City, China | |
Karipoğlu et al. | A GIS-based FAHP and FEDAS analysis framework for suitable site selection of a hybrid offshore wind and solar power plant | |
CN112465247A (zh) | 一种计及地质灾害的输电线路路径选择方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 2225, floor 19, No. 19, Madian East Road, Haidian District, Beijing 100088 Applicant after: BEIJING NORTH-STAR TECHNOLOGY DEVELOPMENT Co.,Ltd. Applicant after: STATE GRID SHAANXI ELECTRIC POWER Co. Address before: 2225, floor 19, No. 19, Madian East Road, Haidian District, Beijing 100088 Applicant before: BEIJING NORTH-STAR DIGITAL REMOTE SENSING TECHNOLOGY Co.,Ltd. Applicant before: STATE GRID SHAANXI ELECTRIC POWER Co. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |