CN110705813B - 一种考虑可靠性风电场集电系统的混合线缆连接方法 - Google Patents

Abstract

本发明公开了一种考虑可靠性风电场集电系统的混合线缆连接方法，以经济性指标和可靠性指标为优化目标，考虑了风电场整个运行周期内的发电成本，分析初始线缆连接结构的可靠性，将可靠性转化和经济性的定量计算；再基于经济性计算和约束条件，采用粒子群算法，找寻适合的线缆添加到初始线缆布局中，形成最终的线缆布局。

Description

一种考虑可靠性风电场集电系统的混合线缆连接方法

技术领域

本发明属于风电场技术领域，更为具体地讲，涉及一种考虑可靠性风电场集电系统的混合线缆连接方法。

背景技术

随着不可再生能源的日益枯竭，人类正面临着严重的能源危机。另一方面，化石燃料消耗排放了大量的温室气体，造成了环境污染。为了维持能源供应和保护环境，应大力发展可再生能源。风能资源丰富，受到广泛关注。另一方面，随着电机技术的发展，获取风能越来越容易。根据全球风能理事会(GWEC)的报告，到2035年，全球四分之一的电力来自可再生能源，25％的可再生能源被风能所占据。此外，与传统电网相比，像风力发电场这样的分布式发电在孤岛等一些地区可以更好的供应电力。

在确定风电场的风机布局后，应仔细考虑风电场内合理的电缆连接。电缆连接应能够成功地收集各个风力发电机产生的电能，并尽可能降低电缆成本。对此，国内外近年来都做了许多的研究。例如，文献“Y.Wang,H.Liu,H.Long,Z.Zhang,and S.Yang,“Differential evolution with a new encoding mechanism for optimizing windfarm layout,”IEEE Trans.Ind.Inform.,vol.14,no.3,pp.1040–1054,March 2018”基于集电系统初始投资最低，应用了粒子群优化算法优化了集电系统的线缆连接结构；文献“Gong,Xuan,S.Kuenzel,and B.C.Pal."Optimal wind farm cabling."IEEETransactions on Sustainable Energy PP.99(2017):1-1.”依据集电系统的可靠性分析，采用了多环的线缆连接结构，使得集电系统在某段线缆出现故障时仍然能够正常运行。风电场集电系统能够将风场内的各个风机产生的电能输送到变电站，由于变电站位置与线缆连接布局密切相关，在设计规划时将二者同时确定下来。但在考虑经济性最优下的连线布局往往可靠性较低。若以可靠性为优化目标，那么线缆布局的建设成本过高。所述混合线缆连接结构基于以上问题，提供了在初始线缆布局的基础上添加额外的线缆的技术方案使得最终布局的可靠性和经济性综合最优。

发明内容

本发明的目的在于克服现有技术的不足，提供一种考虑可靠性风电场集电系统的混合线缆连接方法，以经济性指标和可靠性指标为优化目标，在初始线缆布局的基础上，找寻适合的线缆添加到初始线缆布局中，形成最终的线缆布局。

为实现上述发明目的，本发明一种考虑可靠性风电场集电系统的混合线缆连接方法，其特征在于，包括以下步骤：

(1)、计算风电场集电系统的运行周期成本

(1.1)、计算风电场集电系统的线缆成本

其中，C_i为线缆i的单价,A_p、B_p、C_p为线缆成本模型系数，S_i为线缆i的视在功率，I_i,rated为线缆i的额定电流，U_i,rated为线缆i的额定电压，cost_i为线缆i的成本，L_i为线缆i的长度；

(1.2)、计算风电场的发电量

其中，P_j为风电场中第j个风机的发电量，ρ为空气密度，C_opt为在MPPT控制策略下的最优功率系数，β_j为第j个风机的桨叶角，δ_opt为在MPPT控制策略下的最优叶间速度比，v_j到达第j个风机的风速，R₀为风机叶片长度，P_loss,i为线缆i中损失的功率，I_i为线缆i中的电流，R_i为线缆i中的电阻，ρ_i为线缆i的电阻系数，S_i为线缆i横截面积，E_tol为不考虑线缆故障条件下得到的电能，T_u为采样时间，TE为采样数量，N_cable为线缆总数，N_tur为风机总数；

(1.3)、计算风电场集电系统的单位发电量的运行成本

其中，LPC为风电场运行周期内单位发电量的成本，C₀为线缆的初始投入成本，r为贷款利率，E_tol为不考虑线缆故障条件下得到的电能，t为风电场运行的时间，t＝1,2,…,N_y，N_y为风电场运行的最大周期；

(2)、利用最小生成树算法生成风电场集电系统的初始线缆连接结构

其中，G_T为生成的风电场集电系统的初始线缆连接结构，V为风机数量与变电站数量的总和，B_T为G_T中的所有线缆，W_T为G_T中所有线缆的成本之和，G为风电场集电系统冗余度最高的线缆连接结构，B为G中的所有线缆，W为G中所有线缆的成本之和；

(3)、基于风电场集电系统的运行周期成本和初始线缆连接结构，构建最小生成树算法的目标函数

其中，

为风电场线缆在最小生成树算法连接方式下单位电量的发电成本；

为初始线缆连接结构下的线缆成本，

为初始线缆连接结构下不考虑故障条件得到的电能；

(4)、按照线缆载流容量构建约束条件

I_i≤I_i,rated

其中，I_i为线缆i内的电流，I_i,rated为线缆i的额定电流；

(5)、分析初始线缆连接结构的可靠性，将可靠性转化为经济性的定量计算

(5.1)、初始线缆连接结构的可靠性

其中，EENS为期望却最终没有供应的电量，P_n为风机的功率，T为线缆出现故障的时间，MTTR为每次线缆故障维修的平均时间，τ为单位时间内线缆出现故障的次数；

(5.2)、将可靠性转化为经济性的定量计算

其中，LPC_rel为考虑可靠性条件下单位电量的发电成本，C_new为添加额外线缆后的总的线缆投资成本，E_rel为考虑线缆故障条件下得到的电能，C_add为额外添加的线缆成本；

(6)、基于经济性的定量计算，结合目标函数和约束条件，利用粒子群优化算法补充线缆连接

(6.1)、设置算法的最大迭代次数，初始化各个粒子的维度为添加的线缆数量，再将每个粒子对应的二进制数转换为整数值，代入粒子群优化算法；

(6.2)、定义数组pbest和gbest；

根据目标函数和约束条件计算每个粒子的适应度，再将当前各粒子的位置和适应值存储在pbest中，将pbest中最大适应值及对应的位置作为群体的历史最优适应值及对应位置，再存储在gbest中；

(6.3)、选出每一个粒子的历史最优适应值对应位置，记为

以及群体的历史最优适应值对应位置，记为

(6.4)、判断迭代次数是否达到最大迭代次数，若达到，进入步骤(6.7)；若未达到，进入步骤(6.5)；

(6.5)、更新粒子群算法中粒子的速度：

其中，v_i(k)表示第k次迭代时第i个粒子的速度，ω(k)为第k次迭代时的非负惯性因子值，c₁、c₂为学习因子，r₁、r₂为0-1之间的随机数，

表示第k次迭代时第i个粒子的历史最优适应值对应位置，

表示第k次迭代时群体的历史最优适应值对应位置，x_i(k-1)表示上一次迭代时第i个粒子的位置；

更新粒子群算法中粒子的位置：

x_i(k)＝x_i(k-1)+v_i(k)

(6.6)、将当前迭代次数k加1，再返回至步骤(6.2)；

(6.7)、输出每个粒子的历史最优适应值，将该值转换为对应的二进制数，从而找到风电场中需要额外添加的线缆，并添加到初始线缆结构中。

本发明的发明目的是这样实现的：

本发明一种考虑可靠性风电场集电系统的混合线缆连接方法，以经济性指标和可靠性指标为优化目标，考虑了风电场整个运行周期内的发电成本，分析初始线缆连接结构的可靠性，将可靠性转化和经济性的定量计算；再基于经济性计算和约束条件，采用粒子群算法，找寻适合的线缆添加到初始线缆布局中，形成最终的线缆布局。

同时，本发明一种考虑可靠性风电场集电系统的混合线缆连接方法还具有以下有益效果：

(1)、本发明以风电场集电系统经济性和可靠性作为优化对象，对风电场集电系统进行优化，综合评估了一个集电系统的经济性和运行周期内的可靠性之间的相互影响，并且在初始的线缆布局上补充额外的线缆连接，通过分析得出优化后的方案更加合理；

(2)、本发明采用的混合电缆连接方法，能够成功地收集各个风力发电机产生的电能，并且极大的降低了电缆成本；

(3)、利用最小生成树算法生成风电场集电系统的初始线缆连接结构，优势在于计算时间短且线缆连接不会出现交叉。

附图说明

图1是本发明一种考虑可靠性风电场集电系统的混合线缆连接方法流程图；

图2是利用粒子群优化算法找到风电场中需要额外添加的线缆的流程图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

图1是本发明一种考虑可靠性风电场集电系统的混合线缆连接方法流程图。

在本实施例中，如图1所示，本发明一种考虑可靠性风电场集电系统的混合线缆连接方法，包括以下步骤：

S1、计算风电场集电系统的运行周期成本

S1.1、计算风电场集电系统的线缆成本，得到备选线缆的单位成本

其中，C_i为线缆i的单价,A_p、B_p、C_p为线缆成本模型系数，S_i为线缆i的视在功率，I_i,rated为线缆i的额定电流，U_i,rated为线缆i的额定电压，cost_i为线缆i的成本，L_i为线缆i的长度；

S1.2、计算风电场的发电量

其中，P_j为风电场中第j个风机的发电量，ρ为空气密度，C_opt为在MPPT控制策略下的最优功率系数，β_j为第j个风机的桨叶角，δ_opt为在MPPT控制策略下的最优叶间速度比，v_j到达第j个风机的风速，R₀为风机叶片长度，P_loss,i为线缆i中损失的功率，I_i为线缆i中的电流，R_i为线缆i中的电阻，ρ_i为线缆i的电阻系数，S_i为线缆i横截面积，E_tol为不考虑线缆故障条件下得到的电能，T_u为采样时间，需要注意的是为了计算和采样的便利，一般每3小时采样一次，TE为采样数量，N_cable为线缆总数，N_tur为风机总数；

S1.3、计算风电场集电系统的单位发电量的运行成本

其中，LPC为风电场运行周期内单位发电量的成本，C₀为线缆的初始投入成本，r为贷款利率，E_tol为不考虑线缆故障条件下得到的电能，t为风电场运行的时间，t＝1,2,…,N_y，N_y为风电场运行的最大周期，最大周期一般以20年为标准；

S2、利用最小生成树算法生成风电场集电系统的初始线缆连接结构

其中，G_T为生成的风电场集电系统的初始线缆连接结构，V为风机数量与变电站数量的总和，B_T为G_T中的所有线缆，W_T为G_T中所有线缆的成本之和，G为风电场集电系统冗余度最高的线缆连接结构，B为G中的所有线缆，W为G中所有线缆的成本之和；

在本实施例中，以生成树算法得到的初始线缆结构的优势在于，计算时间短且线缆连接不会出现交叉。

S3、基于风电场集电系统的运行周期成本和初始线缆连接结构，构建最小生成树算法的目标函数

其中，

为风电场线缆在最小生成树算法连接方式下单位电量的发电成本；

为初始线缆连接结构下的线缆成本，

为初始线缆连接结构下不考虑故障条件得到的电能；

S4、按照线缆载流容量构建约束条件

I_i≤I_i,rated

其中，I_i为线缆i内的电流，I_i,rated为线缆i的额定电流；

S5、分析初始线缆连接结构的可靠性，将可靠性转化为经济性的定量计算S5.1、初始线缆连接结构的可靠性

其中，EENS为期望却最终没有供应的电量，P_n为风机的功率，T为线缆出现故障的时间，MTTR为每次线缆故障维修的平均时间，τ为单位时间内线缆出现故障的次数；

S5.2、将可靠性转化为经济性的定量计算

其中，LPC_rel为考虑可靠性条件下单位电量的发电成本，C_new为添加额外线缆后的总的线缆投资成本，E_rel为考虑线缆故障条件下得到的电能，C_add为额外添加的线缆成本；

S6、基于经济性的定量计算，结合目标函数和约束条件，如图2所示，利用粒子群优化算法补充线缆连接

S6.1、设置算法的最大迭代次数，初始化各个粒子的维度为添加的线缆数量，再将每个粒子对应的二进制数转换为整数值，代入粒子群优化算法。如：某个风机可能添加的线缆数量为3，那么对应该风机的粒子维度为3，假设该风机的粒子为[1 0 1]，1表示对应的线缆被选中，0表示对应的线缆未被选中，之后该粒子应转换为整数值5并代入粒子群算法进行优化；

S6.2、定义数组pbest和gbest；

根据目标函数和约束条件计算每个粒子的适应度，再将当前各粒子的位置和适应值存储在pbest中，将pbest中最大适应值及对应的位置作为群体的历史最优适应值及对应位置，再存储在gbest中；

S6.3、选出每一个粒子的历史最优适应值对应位置，记为

以及群体的历史最优适应值对应位置，记为

S6.4、判断迭代次数是否达到最大迭代次数，若达到，进入步骤S6.7；若未达到，进入步骤S6.5；

S6.5、更新粒子群算法中粒子的速度：

其中，v_i(k)表示第k次迭代时第i个粒子的速度，ω(k)为第k次迭代时的非负惯性因子值，c₁、c₂为学习因子，r₁、r₂为0-1之间的随机数，

表示第k次迭代时第i个粒子的历史最优适应值对应位置，

表示第k次迭代时群体的历史最优适应值对应位置，x_i(k-1)表示上一次迭代时第i个粒子的位置；

更新粒子群算法中粒子的位置：

x_i(k)＝x_i(k-1)+v_i(k)

S6.6、将当前迭代次数k加1，再返回至步骤S6.2；

S6.7、输出每个粒子的历史最优适应值，将该值转换为对应的二进制数，从而找到风电场中需要额外添加的线缆，并添加到初始线缆结构中，需要注意的是补充的线缆不能破坏原有结构的线缆载流容量限制。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (1)

1.一种考虑可靠性风电场集电系统的混合线缆连接方法，其特征在于，包括以下步骤：

(1)、计算风电场集电系统的运行周期成本

(1.1)、计算风电场集电系统的线缆成本

其中，C_i为线缆i的单价,A_p、B_p、C_p为线缆成本模型系数，S_i为线缆i的视在功率，I_i,rated为线缆i的额定电流，U_i,rated为线缆i的额定电压，cost_i为线缆i的成本，L_i为线缆i的长度；

(1.2)、计算风电场的发电量

其中，P_j为风电场中第j个风机的发电量，ρ为空气密度，C_opt为在MPPT控制策略下的最优功率系数，β_j为第j个风机的桨叶角，δ_opt为在MPPT控制策略下的最优叶间速度比，v_j到达第j个风机的风速，R₀为风机叶片长度，P_loss,i为线缆i中损失的功率，I_i为线缆i中的电流，R_i为线缆i中的电阻，ρ_i为线缆i的电阻系数，S_i为线缆i横截面积，E_tol为不考虑线缆故障条件下得到的电能，T_u为采样时间，TE为采样数量，N_cable为线缆总数，N_tur为风机总数；

(1.3)、计算风电场集电系统的单位发电量的运行成本

其中，LPC为风电场运行周期内单位发电量的成本，C₀为线缆的初始投入成本，r为贷款利率，E_tol为不考虑线缆故障条件下得到的电能，t为风电场运行的时间，t＝1,2,…,N_y，N_y为风电场运行的最大周期；

(2)、利用最小生成树算法生成风电场集电系统的初始线缆连接结构

其中，G_T为生成的风电场集电系统的初始线缆连接结构，V为风机数量与变电站数量的总和，B_T为G_T中的所有线缆，W_T为G_T中所有线缆的成本之和，G为风电场集电系统冗余度最高的线缆连接结构，B为G中的所有线缆，W为G中所有线缆的成本之和；

(3)、基于风电场集电系统的运行周期成本和初始线缆连接结构，构建最小生成树算法的目标函数

其中，

为风电场线缆在最小生成树算法连接方式下单位电量的发电成本；

为初始线缆连接结构下的线缆成本，

为初始线缆连接结构下不考虑故障条件得到的电能；

(4)、按照线缆载流容量构建约束条件

I_i≤I_i,rated

其中，I_i为线缆i内的电流，I_i,rated为线缆i的额定电流；

(5)、分析初始线缆连接结构的可靠性，将可靠性转化为经济性的定量计算

(5.1)、初始线缆连接结构的可靠性

其中，EENS为期望却最终没有供应的电量，P_n为风机的功率，T为线缆出现故障的时间，MTTR为每次线缆故障维修的平均时间，τ为单位时间内线缆出现故障的次数；

(5.2)、将可靠性转化为经济性的定量计算

其中，LPC_rel为考虑可靠性条件下单位电量的发电成本，C_new为添加额外线缆后的总的线缆投资成本，E_rel为考虑线缆故障条件下得到的电能，C_add为额外添加的线缆成本；

(6)、基于经济性的定量计算，结合目标函数和约束条件，利用粒子群优化算法找到风电场中需要额外添加的线缆，并添加到初始线缆结构中，从而完成线缆补充连接；

其中，利用粒子群优化算法找到风电场中需要额外添加的线缆的方法为：

1)、设置算法的最大迭代次数，初始化各个粒子的维度为添加的线缆数量，再将每个粒子对应的二进制数转换为整数值，代入粒子群优化算法；

2)、定义数组pbest和gbest；

根据目标函数和约束条件计算每个粒子的适应度，再将当前各粒子的位置和适应值存储在pbest中，将pbest中最大适应值及对应的位置作为群体的历史最优适应值及对应位置，再存储在gbest中；

3)、选出每一个粒子的历史最优适应值对应位置，记为

以及群体的历史最优适应值对应位置，记为

4)、判断迭代次数是否达到最大迭代次数，若达到，进入步骤7)；若未达到，进入步骤5)；

5)、更新粒子群算法中粒子的速度：

其中，v_i(k)表示第k次迭代时第i个粒子的速度，ω(k)为第k次迭代时的非负惯性因子值，c₁、c₂为学习因子，r₁、r₂为0-1之间的随机数，

表示第k次迭代时第i个粒子的历史最优适应值对应位置，

表示第k次迭代时群体的历史最优适应值对应位置，x_i(k-1)表示上一次迭代时第i个粒子的位置；

更新粒子群算法中粒子的位置：

x_i(k)＝x_i(k-1)+v_i(k)

6)、将当前迭代次数k加1，再返回至步骤2)；

7)、输出每个粒子的历史最优适应值，将该值转换为对应的二进制数，从而找到风电场中需要额外添加的线缆，并添加到初始线缆结构中。

Images