CN110852565B - 一种考虑不同功能属性的输电网网架规划方法 - Google Patents

Abstract

一种考虑不同功能属性的输电网网架规划方法，该方法先根据采集的风速数据构建待规划电网的新能源出力和负荷模型，计算得到多个风电出力典型场景，再根据电网的新能源消纳、负荷中心供电、水电外送、通道互联这四个功能属性建立多目标输电网网架结构规划模型，并根据各典型场景下的风电平均出力标幺值、各典型场景下的负荷平均大小以及各典型场景出现的概率求解该模型，得出多个网架结构规划方案，然后采用基于熵权的多目标决策方法计算各方案的贴近度，以贴近度最大的方案作为目标方案。本设计不仅能够满足电网的不同功能需求，而且显著改善了电网的供电可靠性、风电消纳能力以及区域电网功率传输能力，同时减少了计算时间。

Description

一种考虑不同功能属性的输电网网架规划方法

技术领域

本发明属于输电网规划领域，具体涉及一种考虑不同功能属性的输电网网架规划方法。

背景技术

在电网规划过程中往往需要根据待建电网所要承载的不同功能来规划合适的网架结构。但随着电网规模进一步扩大，同一区域电网所承载的功能往往具有多种，不同的功能属性对电网网架的影响和安全可靠性要求不同，在投资资金有限的情况下，需要对待建电网所承载的不同功能进行分析，以此选择合适的电网网架规划方案进行投资建设。

传统的输电网网架规划大多从电网的某一功能属性出发，因此构建的输电网网架结构只能体现某一方面的优劣，无法针对电网的不同功能需求进行规划。

发明内容

本发明的目的是针对现有技术存在的上述问题，提供一种考虑电网新能源消纳、负荷中心供电、水电外送和通道互联这四个不同功能属性的输电网网架规划方法。

为实现以上目的，本发明的技术方案如下：

一种考虑不同功能属性的输电网网架规划方法，依次包括以下步骤：

步骤A、根据采集的风速数据构建待规划电网的新能源出力和负荷模型，计算得到多个风电出力典型场景；

步骤B、根据电网的新能源消纳、负荷中心供电、水电外送、通道互联这四个功能属性建立多目标输电网网架结构规划模型。

步骤C、根据各典型场景下的风电平均出力标幺值、各典型场景下的负荷平均大小以及各典型场景出现的概率求解步骤B得到的模型，得出多个网架结构规划方案；

步骤D、采用基于熵权的多目标决策方法计算步骤C得到的各方案的贴近度，以贴近度最大的方案作为目标方案。

步骤B中，所述规划模型的目标函数为：

F＝min(C₁+C₂+ω₃C₃+ω₄C₄-ω₅C₅+ω₆C₆)

上式中，F为目标函数适应值；C₁为线路建设费用；C₂为火电机组发电费用；C₃为弃风惩罚总费用，ω₃为取值0、1的变量，当电网存在风电并网时为1，否则为0；C₄为负荷中心切负荷惩罚总费用，ω₄为取值0、1的变量，当电网存在负荷中心时为1，否则为0；C₅是水电外送盈利，ω₅为取值0、1的变量，当电网存在水电外送时为1，否则为0；C₆是网架在N、N-1状态下运行时联络线传输功率之和，ω₆为惯性权重。

所述目标函数的约束条件包括：

功率平衡约束：

上式中，P_G,i，Q_G,i分别为节点i处风电场或同步机的有功、无功出力，P_L,i、Q_L,i分别为节点i的有功、无功负荷，E_i、E_j分别为节点i、j处的电压，n为节点j的个数，G_ij、B_ij分别为节点导纳矩阵的电导、电纳，θ_ij为节点i、j之间的相角差；

传输容量约束：

|P_ij|≤P_ijmax

上式中，P_ijmax为支路容量的最大值；

发电机节点出力约束：

P_Gmin≤P_G≤P_Gmax

上式中，P_G为发电机出力，P_Gmin、P_Gmax分别为发电机出力最小、最大值；

新建线路架设回路数约束：

0≤l_i≤l_imax(i∈m_l)

上式中，l_imax为第i条线路最大新建回路数，m_l为线路集合。

所述C₁采用下式计算得到：

上式中，a为资金贴现率，r为支付年限，k₁为单位长度线路建设费用，l_i为第i条线路新建回路数，L_i为第i条线路的长度，m_l为线路集合；

所述C₂采用下列公式计算得到：

上式中，

分别为火电机组g在时段t的煤耗费用、开机费用和关机费用，u_g,t为发电机g在t时刻的状态，分别用0和1表示停机和运行状态，T为24，N为火电机组台数，C_o为发电机单位出力的煤耗费用，P_G,g为发电机g的出力，

分别为火电机组g的启动、关机费用；

所述C₃采用下式计算得到：

上式中，U_W为弃风惩罚费用，P_W,k为风电场在典型场景k下的平均出力；P_T为线路传输容量，K为风电出力典型场景的个数；

所述C₄采用下式计算得到：

上式中，C_load为负荷中心切负荷惩罚费用，P_L为负荷中心正常及N-1故障状态下的切负荷量，nload为电网负荷中心集合；

所述C₅采用下式计算得到：

上式中，C_h为水电机组h售电价与上网价的差值，

为水电机组h的外送电量，H为水电机组集合；

所述C₆采用下式计算得到：

C₆＝P_tie,N+P_tie,N-1

上式中，P_tie,N、P_tie,N-1分别为电网在N、N-1状态下运行时联络线传输功率。

所述步骤C采用PSD-BPA和matlab联合仿真求解规划模型，依次包括以下步骤：

步骤C1、在matlab中采用遗传算法对输电线路进行编码，并根据基于分解的多目标优化算法产生初始种群及权向量；

步骤C2、利用基于分解的多目标进化算法进行基因重组，得到改进种群即改进后的输电线路配置方案：

步骤C3、通过PSD-BPA反编码读取改进后的输电线路配置方案，并根据各典型场景下的风电平均出力标幺值和负荷平均大小进行时域仿真，得到潮流计算结果；

步骤C4、在matlab中读取潮流计算结果，根据潮流计算结果以及各典型场景出现的概率计算改进后的各输电线路配置方案的目标函数适应值，并通过目标函数评判变量优劣程度并进行变量更新与保存，直至达到迭代条件，得到多个网架结构规划方案。

所述风电平均出力标幺值Pⁱ _wind采用下式计算得到：

上式中，

为风电场的额定功率，v_ci为风电场的切入风速，v_i为风速，v_rated为风电场的额定风速，v_co为风电场的切出风速；

所述负荷平均大小是指根据采集的某一时段内的负荷水平数据得到的该时段下电网负荷大小的平均值；

所述各典型场景出现的概率为各典型场景中的风速数据点个数与风速数据点总个数的比值。

步骤D中，所述采用基于熵权的多目标决策方法计算步骤C得到的各方案的贴近度依次包括以下步骤：

步骤D1、先将由步骤C得到的多个网架结构规划方案组合而成的非模糊评价矩阵R’通过下式进行标准化，得到标准化评价矩阵R：

R＝(r_ij)_s×t

R’＝(r’_ij)_s×t

上式中，s为规划方案的个数，t为每个规划方案的目标函数中目标参数的个数，r’_ij为第i个规划方案的目标函数中第j个目标参数的适应值；

步骤D2、利用熵权值k_i对矩阵R进行归一化约束，得到属性矩阵B：

B＝(b_ij)_s×t＝(k_i×r_ij)_s×t

上式中，H_i为第i个评价指标的熵，k_i为第i个评价指标的熵权；

步骤D3、采用下列公式计算各方案与理想点的贴近度：

P^*＝(p₁ ^*,p₂ ^*,…,p_s ^*)

p_i ^*＝max_j(b_ij:j＝1,2,…,t；i＝1,2,…,s)

上式中，T_j为第j个方案与理想点的贴近度，P^*为理想点。

所述步骤A依次包括以下步骤：

步骤A1、从采集的风速数据集中选择点密度最大的数据点作为第一个初始聚类中心；

步骤A2、采用以下评价函数选取评价值最高的数据点作为下一个初始聚类中心，直至计算出全部初始聚类中心：

上式中，Z_i为数据点x_i的密度，d_ij为数据点x_i、x_j之间的兰氏距离，e为点密度阈值，n为数据点个数；

步骤A3、对于数据集中的每一个数据点i，计算该点与最近聚类中心的距离D(i)，以得到sum(D(i))；

步骤A4、根据D(i)越大、被选中聚类中心的概率越高的原则，将sum(D(i))乘以随机值random得到临界值sum1，然后计算sum2+＝D(i)，直至sum2>sum1，此时i即为下一个聚类中心；

步骤A5、循环重复步骤A3和A4，直至选出多个聚类中心；

步骤A6、对得到的多个聚类中心进行k-means聚类，生成多个风电出力典型场景。

与现有技术相比，本发明的有益效果为：

1、本发明一种考虑不同功能属性的输电网网架规划方法先根据采集的风速数据构建待规划电网的新能源出力和负荷模型，计算得到多个风电出力典型场景，再根据电网的新能源消纳、负荷中心供电、水电外送、通道互联这四个功能属性建立多目标输电网网架结构规划模型，并根据各典型场景下的风电平均出力标幺值、各典型场景下的负荷平均大小以及各典型场景出现的概率求解该模型，得出多个网架结构规划方案，然后采用基于熵权的多目标决策方法计算各方案的贴近度，以贴近度最大的方案作为目标方案，该方法针对现有网架的特点，从源-网-荷的角度提出新能源消纳、负荷中心供电、水电外送和通道互联这四个电网基本功能属性建立规划模型，利用该模型对各指标量化规范处理以进行输电网网架结构规划，得到满足当前网架功能需求的综合最优规划方案，相比传统单一目标的输电网规划方法，一方面，其不仅能针对电网的不同功能需求进行规划，而且能够显著改善电网的供电可靠性、风电消纳能力以及区域电网功率传输能力，另一方面，该方法通过直接计算各方案的贴近度，避免计算惯性权重，能更加快速的得到综合最优解。因此，本发明不仅能够满足电网的不同功能需求，而且显著改善了电网的供电可靠性、风电消纳能力以及区域电网功率传输能力，同时减少了计算时间。

2、本发明一种考虑不同功能属性的输电网网架规划方法采用PSD-BPA和matlab联合仿真求解规划模型，首先利用matlab生成规划方案，然后对PSD-BPA中的大电网数据进行相应修改并进行潮流计算，再利用matlab读取潮流结果，计算目标函数适应值，该方法能够有效处理数据庞大的大电网规划求解的问题。因此，本发明有效处理了数据庞大的大电网规划求解的问题。

3、本发明一种考虑不同功能属性的输电网网架规划方法采用改进的k-means聚类算法构建待规划电网的新能源出力和负荷模型，该算法通过引入点密度函数对初始聚类中心选择进行改进，使得聚类结果不会受到随机选择的初始聚类中心的影响，避免了算法的随机性，有效减少了算法迭代的次数，同时引入兰氏距离可以避免数据孤立点导致的聚类结果异常的情况。因此，本发明能够显著改善聚类结果，进一步减少计算时间。

附图说明

图1为本发明的流程图。

图2为本发明实施例1得到的输电网网架结构规划结果。

图3为传统考虑经济性的输电网网架结构规划结果。

具体实施方式

下面结合具体实施方式对本发明作进一步详细的说明。

参见图1，一种考虑不同功能属性的输电网网架规划方法，依次包括以下步骤：

步骤A、根据采集的风速数据构建待规划电网的新能源出力和负荷模型，计算得到多个风电出力典型场景；

步骤B、根据电网的新能源消纳、负荷中心供电、水电外送、通道互联这四个功能属性建立多目标输电网网架结构规划模型。

步骤C、根据各典型场景下的风电平均出力标幺值、各典型场景下的负荷平均大小以及各典型场景出现的概率求解步骤B得到的模型，得出多个网架结构规划方案；

步骤D、采用基于熵权的多目标决策方法计算步骤C得到的各方案的贴近度，以贴近度最大的方案作为目标方案。

步骤B中，所述规划模型的目标函数为：

F＝min(C₁+C₂+ω₃C₃+ω₄C₄-ω₅C₅+ω₆C₆)

上式中，F为目标函数适应值；C₁为线路建设费用；C₂为火电机组发电费用；C₃为弃风惩罚总费用，ω₃为取值0、1的变量，当电网存在风电并网时为1，否则为0；C₄为负荷中心切负荷惩罚总费用，ω₄为取值0、1的变量，当电网存在负荷中心时为1，否则为0；C₅是水电外送盈利，ω₅为取值0、1的变量，当电网存在水电外送时为1，否则为0；C₆是网架在N、N-1状态下运行时联络线传输功率之和，ω₆为惯性权重。

所述目标函数的约束条件包括：

功率平衡约束：

上式中，P_G,i，Q_G,i分别为节点i处风电场或同步机的有功、无功出力，P_L,i、Q_L,i分别为节点i的有功、无功负荷，E_i、E_j分别为节点i、j处的电压，n为节点j的个数，G_ij、B_ij分别为节点导纳矩阵的电导、电纳，θ_ij为节点i、j之间的相角差；

传输容量约束：

|P_ij|≤P_ijmax

上式中，P_ijmax为支路容量的最大值；

发电机节点出力约束：

P_Gmin≤P_G≤P_Gmax

上式中，P_G为发电机出力，P_Gmin、P_Gmax分别为发电机出力最小、最大值；

新建线路架设回路数约束：

0≤l_i≤l_imax(i∈m_l)

上式中，l_imax为第i条线路最大新建回路数，m_l为线路集合。

所述C₁采用下式计算得到：

上式中，a为资金贴现率，r为支付年限，k₁为单位长度线路建设费用，l_i为第i条线路新建回路数，L_i为第i条线路的长度，m_l为线路集合；

所述C₂采用下列公式计算得到：

上式中，

分别为火电机组g在时段t的煤耗费用、开机费用和关机费用，u_g,t为发电机g在t时刻的状态，分别用0和1表示停机和运行状态，T为24，N为火电机组台数，C_o为发电机单位出力的煤耗费用，P_G,g为发电机g的出力，

分别为火电机组g的启动、关机费用；

所述C₃采用下式计算得到：

上式中，U_W为弃风惩罚费用，P_W,k为风电场在典型场景k下的平均出力；P_T为线路传输容量，K为风电出力典型场景的个数；

所述C₄采用下式计算得到：

上式中，C_load为负荷中心切负荷惩罚费用，P_L为负荷中心正常及N-1故障状态下的切负荷量，nload为电网负荷中心集合；

所述C₅采用下式计算得到：

上式中，C_h为水电机组h售电价与上网价的差值，

为水电机组h的外送电量，H为水电机组集合；

所述C₆采用下式计算得到：

C₆＝P_tie,N+P_tie,N-1

上式中，P_tie,N、P_tie,N-1分别为电网在N、N-1状态下运行时联络线传输功率。

所述步骤C采用PSD-BPA和matlab联合仿真求解规划模型，依次包括以下步骤：

步骤C1、在matlab中采用遗传算法对输电线路进行编码，并根据基于分解的多目标优化算法产生初始种群及权向量；

步骤C2、利用基于分解的多目标进化算法进行基因重组，得到改进种群即改进后的输电线路配置方案：

步骤C3、通过PSD-BPA反编码读取改进后的输电线路配置方案，并根据各典型场景下的风电平均出力标幺值和负荷平均大小进行时域仿真，得到潮流计算结果；

步骤C4、在matlab中读取潮流计算结果，根据潮流计算结果以及各典型场景出现的概率计算改进后的各输电线路配置方案的目标函数适应值，并通过目标函数评判变量优劣程度并进行变量更新与保存，直至达到迭代条件，得到多个网架结构规划方案。

所述风电平均出力标幺值Pⁱ _wind采用下式计算得到：

上式中，

为风电场的额定功率，v_ci为风电场的切入风速，v_i为风速，v_rated为风电场的额定风速，v_co为风电场的切出风速；

所述负荷平均大小是指根据采集的某一时段内的负荷水平数据得到的该时段下电网负荷大小的平均值；

所述各典型场景出现的概率为各典型场景中的风速数据点个数与风速数据点总个数的比值。

步骤D中，所述采用基于熵权的多目标决策方法计算步骤C得到的各方案的贴近度依次包括以下步骤：

步骤D1、先将由步骤C得到的多个网架结构规划方案组合而成的非模糊评价矩阵R’通过下式进行标准化，得到标准化评价矩阵R：

R＝(r_ij)_s×t

R’＝(r’_ij)_s×t

上式中，s为规划方案的个数，t为每个规划方案的目标函数中目标参数的个数，r’_ij为第i个规划方案的目标函数中第j个目标参数的适应值；

步骤D2、利用熵权值k_i对矩阵R进行归一化约束，得到属性矩阵B：

B＝(b_ij)_s×t＝(k_i×r_ij)_s×t

上式中，H_i为第i个评价指标的熵，k_i为第i个评价指标的熵权；

步骤D3、采用下列公式计算各方案与理想点的贴近度：

P^*＝(p₁ ^*,p₂ ^*,…,p_s ^*)

p_i ^*＝max_j(b_ij:j＝1,2,…,t；i＝1,2,…,s)

上式中，T_j为第j个方案与理想点的贴近度，P^*为理想点。

所述步骤A依次包括以下步骤：

步骤A1、从采集的风速数据集中选择点密度最大的数据点作为第一个初始聚类中心；

步骤A2、采用以下评价函数选取评价值最高的数据点作为下一个初始聚类中心，直至计算出全部初始聚类中心：

上式中，Z_i为数据点x_i的密度，d_ij为数据点x_i、x_j之间的兰氏距离，e为点密度阈值，n为数据点个数；

步骤A3、对于数据集中的每一个数据点i，计算该点与最近聚类中心的距离D(i)，以得到sum(D(i))；

步骤A4、根据D(i)越大、被选中聚类中心的概率越高的原则，将sum(D(i))乘以随机值random得到临界值sum1，然后计算sum2+＝D(i)，直至sum2>sum1，此时i即为下一个聚类中心；

步骤A5、循环重复步骤A3和A4，直至选出多个聚类中心；

步骤A6、对得到的多个聚类中心进行k-means聚类，生成多个风电出力典型场景。

本发明的原理说明如下：

风速数据：本发明所采用的风速数据可以为风电场每小时监测得到的风速数据。

线路建设费用C₁；系统规划需要新建设线路的建设成本的等年值。

弃风惩罚总费用C₃：考虑到风电消纳主要受到线路传输容量的限制，当风电送出量大于线路传输容量时就会导致弃风现象的发生，由此可以得到本发明所采用的弃风惩罚费用公式。

为负荷中心切负荷费用C₄:为保障负荷中心供电可靠性，将负荷中心停电可能性降到最低，本发明以系统正常及N-1故障状态下切负荷量最小为优化目标。

水电外送盈利C₅：为了能在建设水电外送通道与水电盈利之间实现均衡，同时考虑到受端电网负荷的波动性变化，可利用得到的几个典型场景里的外送电网负荷量作为水电外送量，以水电盈利最大为目标。

联络线传输功率C₆：为满足未来负荷需求，区域电网联络线既要满足正常运行时的功率传输，还要最大程度适应未来系统发展的需要，因此本发明将区域联络线正常和极限方式下的传输功率作为规划联络线输电能力反映电网通道互联程度的指标，以提高送、受端电网间功率支援水平。

实施例1：

参见图1，一种考虑不同功能属性的输电网网架规划方法，该方法以IEEE-18节点系统为对象(其节点和线路数据参见表1、2)，依次按照以下步骤进行：

表1 IEEE-18系统的节点数据

表2 IEEE-18系统的线路数据

步骤1、从采集的风速数据集中选择点密度最大的数据点作为第一个初始聚类中心；

步骤2、采用以下评价函数选取评价值最高的数据点作为下一个初始聚类中心，直至计算出全部初始聚类中心：

上式中，Z_i为数据点x_i的密度，d_ij为数据点x_i、x_j之间的兰氏距离，e为点密度阈值，n为数据点个数；

步骤3、对于数据集中的每一个数据点i，计算该点与最近聚类中心的距离D(i)，以得到sum(D(i))；

步骤4、根据D(i)越大、被选中聚类中心的概率越高的原则，将sum(D(i))乘以随机值random得到临界值sum1，然后计算sum2+＝D(i)，直至sum2>sum1，此时i即为下一个聚类中心；

步骤5、循环重复步骤3和4，直至选出多个聚类中心；

步骤6、对得到的多个聚类中心进行k-means聚类，生成4个风电出力典型场景，计算各场景的风电出力标幺值、负荷大小以及各场景的出现概率，其中，所述负荷平均大小是指根据采集的某一时段内的负荷水平数据得到的该时段下电网负荷大小的平均值，所述各典型场景出现的概率为各典型场景中的风速数据点个数与风速数据点总个数的比值，所述风电平均出力标幺值Pⁱ _wind采用下式计算得到：

上式中，

为风电场的额定功率，v_ci为风电场的切入风速，本实施例为3m/s，v_i为风速，v_rated为风电场的额定风速，本实施例为13m/s，v_co为风电场的切出风速，本实施例为24m/s，各场景下的数据如表3所示：

表3不同典型场景下风机出力和负荷聚类结果

步骤7、根据电网的新能源消纳、负荷中心供电、水电外送、通道互联这四个功能属性建立多目标输电网网架结构规划模型，该模型的目标函数由六个目标参数组成，具体为：

F＝min(C₁+C₂+ω₃C₃+ω₄C₄-ω₅C₅+ω₆C₆)

C₆＝P_tie,N+P_tie,N-1

上式中，F为目标函数适应值，C₁为线路建设费用，C₂为火电机组发电费用；C₃为弃风惩罚总费用，ω₃为取值0、1的变量，当电网存在风电并网时为1，否则为0，C₄为负荷中心切负荷惩罚总费用，ω₄为取值0、1的变量，当电网存在负荷中心时为1，否则为0，C₅是水电外送盈利，ω₅为取值0、1的变量，当电网存在水电外送时为1，否则为0，C₆是网架在N、N-1状态下运行时联络线传输功率之和，ω₆为惯性权重，a为资金贴现率，r为支付年限，k₁为单位长度线路建设费用，l_i为第i条线路新建回路数，L_i为第i条线路的长度，m_l为线路集合，

分别为火电机组g在时段t的煤耗费用、开机费用和关机费用，u_g,t为发电机g在t时刻的状态，分别用0和1表示停机和运行状态，T为24，N为火电机组台数，C_o为发电机单位出力的煤耗费用，P_G,g为发电机g的出力，

分别为火电机组g的启动、关机费用，U_W为弃风惩罚费用，P_W,k为风电场在典型场景k下的平均出力；P_T为线路传输容量，K为风电出力典型场景的个数，C_load为负荷中心切负荷惩罚费用，P_L为负荷中心正常及N-1故障状态下的切负荷量，nload为电网负荷中心集合，C_h为水电机组h售电价与上网价的差值，

为水电机组h的外送电量，H为水电机组集合，P_tie,N、P_tie,N-1分别为电网在N、N-1状态下运行时联络线传输功率；

所述目标函数的约束条件包括：

功率平衡约束：

上式中，P_G,i，Q_G,i分别为节点i处风电场或同步机的有功、无功出力，P_L,i、Q_L,i分别为节点i的有功、无功负荷，E_i、E_j分别为节点i、j处的电压，n为节点j的个数，G_ij、B_ij分别为节点导纳矩阵的电导、电纳，θ_ij为节点i、j之间的相角差；

传输容量约束：

|P_ij|≤P_ijmax

上式中，P_ijmax为支路容量的最大值；

发电机节点出力约束：

P_Gmin≤P_G≤P_Gmax

上式中，P_G为发电机出力，P_Gmin、P_Gmax分别为发电机出力最小、最大值；

新建线路架设回路数约束：

0≤l_i≤l_imax(i∈m_l)

上式中，l_imax为第i条线路最大新建回路数，m_l为线路集合；

步骤8、在matlab中采用遗传算法对输电线路进行编码，并根据基于分解的多目标优化算法产生初始种群及权向量；

步骤9、利用基于分解的多目标进化算法进行基因重组，得到改进种群即改进后的输电线路配置方案：

步骤10、通过PSD-BPA反编码读取改进后的输电线路配置方案，并根据各典型场景下的风电平均出力标幺值和负荷平均大小进行时域仿真，得到潮流计算结果；

步骤11、在matlab中读取潮流计算结果，根据潮流计算结果以及各典型场景出现的概率计算改进后的各输电线路配置方案的目标函数适应值，并通过目标函数评判变量优劣程度并进行变量更新与保存，直至达到迭代条件，得到多个网架结构规划方案；

步骤12、先将由得到的多个网架结构规划方案组合而成的非模糊评价矩阵R’通过下式进行标准化，得到标准化评价矩阵R：

R＝(r_ij)_s×t

R’＝(r’_ij)_s×t

上式中，s为规划方案的个数，t为每个规划方案的目标函数中目标参数的个数，r’_ij为第i个规划方案的目标函数中第j个目标参数的适应值；

步骤13、利用熵权值k_i对矩阵R进行归一化约束，得到属性矩阵B：

B＝(b_ij)_s×t＝(k_i×r_ij)_s×t

上式中，H_i为第i个评价指标的熵，k_i为第i个评价指标的熵权；

步骤14、采用下列公式计算各方案与理想点的贴近度，并以贴近度最大的方案作为目标方案：

P^*＝(p₁ ^*,p₂ ^*,…,p_s ^*)

p_i ^*＝max_j(b_ij:j＝1,2,…,t；i＝1,2,…,s)

上式中，T_j为第j个方案与理想点的贴近度，P^*为理想点。

为考察本发明所述方法的有效性，以实施例1所得到的结果作为方案1(其网架规划结果参见图2)，以采用常规考虑经济性的输电网规划模型使用matlab和PSD-BPA联合仿真求解结果作为方案2(其网架规划结果参见图3)，将方案1与方案2进行对比，结果参见表4：

表4方案1与方案2的结果对比

根据表4中所列出的数据不难发现：与方案2相比，虽然方案1的经济性略差，但其弃风惩罚总费用为0，N、N-1时的切负荷费用要小得多，联络线传输功率却更大，因此能够显著改善能够显著改善供电可靠性、风电消纳能力和区域电网功率传输能力，即本发明所述方法能够显著改善供电可靠性、风电有效消纳和支撑区域电网功率传输能力。

Claims (7)

1.一种考虑不同功能属性的输电网网架规划方法，其特征在于：

所述方法依次包括以下步骤：

步骤A、根据采集的风速数据构建待规划电网的新能源出力和负荷模型，计算得到多个风电出力典型场景；

步骤B、根据电网的新能源消纳、负荷中心供电、水电外送、通道互联这四个功能属性建立多目标输电网网架结构规划模型，其中，所述规划模型的目标函数为：

F＝min(C₁+C₂+ω₃C₃+ω₄C₄-ω₅C₅+ω₆C₆)

上式中，F为目标函数适应值；C₁为线路建设费用；C₂为火电机组发电费用；C₃为弃风惩罚总费用，ω₃为取值0、1的变量，当电网存在风电并网时为1，否则为0；C₄为负荷中心切负荷费用，ω₄为取值0、1的变量，当电网存在负荷中心时为1，否则为0；C₅是水电外送盈利，ω₅为取值0、1的变量，当电网存在水电外送时为1，否则为0；C₆是网架在N、N-1状态下运行时联络线传输功率之和，ω₆为惯性权重；

步骤C、根据各典型场景下的风电平均出力标幺值、各典型场景下的负荷平均大小以及各典型场景出现的概率求解步骤B得到的模型，得出多个网架结构规划方案；

步骤D、采用基于熵权的多目标决策方法计算步骤C得到的各方案的贴近度，以贴近度最大的方案作为目标方案。

2.根据权利要求1所述的一种考虑不同功能属性的输电网网架规划方法，其特征在于：

所述目标函数的约束条件包括：

功率平衡约束：

上式中，P_G,i，Q_G,i分别为节点i处风电场或同步机的有功、无功出力，P_L,i、Q_L,i分别为节点i的有功、无功负荷，E_i、E_j分别为节点i、j处的电压，n为节点j的个数，G_ij、B_ij分别为节点导纳矩阵的电导、电纳，θ_ij为节点i、j之间的相角差；

传输容量约束：

|P_ij|≤P_ijmax

上式中，P_ijmax为支路容量的最大值；

发电机节点出力约束：

上式中，P_G为发电机出力，P_Gmin、P_Gmax分别为发电机出力最小、最大值；

新建线路架设回路数约束：

0≤l_i≤l_imax (i∈m_l)

上式中，l_imax为第i条线路最大新建回路数，m_l为线路集合。

3.根据权利要求1所述的一种考虑不同功能属性的输电网网架规划方法，其特征在于：

所述C₁采用下式计算得到：

上式中，a为资金贴现率，r为支付年限，k₁为单位长度线路建设费用，l_i为第i条线路新建回路数，L_i为第i条线路的长度，m_l为线路集合；

所述C₂采用下列公式计算得到：

上式中，

分别为火电机组g在时段t的煤耗费用、开机费用和关机费用，u_g,t为发电机g在t时刻的状态，分别用0和1表示停机和运行状态，T为24，N为火电机组台数，C_o为发电机单位出力的煤耗费用，P_G,g为发电机g的出力，

分别为火电机组g的启动、关机费用；

所述C₃采用下式计算得到：

上式中，U_W为弃风惩罚费用，P_W,k为风电场在典型场景k下的平均出力；P_T为线路传输容量，K为风电出力典型场景的个数；

所述C₄采用下式计算得到：

上式中，C_load为负荷中心切负荷惩罚费用，P_L为负荷中心正常及N-1故障状态下的切负荷量，nload为电网负荷中心集合；

所述C₅采用下式计算得到：

上式中，C_h为水电机组h售电价与上网价的差值，

为水电机组h的外送电量，H为水电机组集合；

所述C₆采用下式计算得到：

C₆＝P_tie,N+P_tie,N-1

上式中，P_tie,N、P_tie,N-1分别为电网在N、N-1状态下运行时联络线传输功率。

4.根据权利要求1-3中任一项所述的一种考虑不同功能属性的输电网网架规划方法，其特征在于：

所述步骤C采用PSD-BPA和matlab联合仿真求解规划模型，依次包括以下步骤：

步骤C1、在matlab中采用遗传算法对输电线路进行编码，并根据基于分解的多目标优化算法产生初始种群及权向量；

步骤C2、利用基于分解的多目标进化算法进行基因重组，得到改进种群即改进后的输电线路配置方案：

步骤C3、通过PSD-BPA反编码读取改进后的输电线路配置方案，并根据各典型场景下的风电平均出力标幺值和负荷平均大小进行时域仿真，得到潮流计算结果；

步骤C4、在matlab中读取潮流计算结果，根据潮流计算结果以及各典型场景出现的概率计算改进后的各输电线路配置方案的目标函数适应值，并通过目标函数评判变量优劣程度并进行变量更新与保存，直至达到迭代条件，得到多个网架结构规划方案。

5.根据权利要求1-3中任一项所述的一种考虑不同功能属性的输电网网架规划方法，其特征在于：

所述风电平均出力标幺值

采用下式计算得到：

上式中，

为风电场的额定功率，v_ci为风电场的切入风速，v_i为风速，v_rated为风电场的额定风速，v_co为风电场的切出风速；

所述负荷平均大小是指根据采集的某一时段内的负荷水平数据得到的该时段下电网负荷大小的平均值；

所述各典型场景出现的概率为各典型场景中的风速数据点个数与风速数据点总个数的比值。

6.根据权利要求1-3中任一项所述的一种考虑不同功能属性的输电网网架规划方法，其特征在于：

步骤D中，所述采用基于熵权的多目标决策方法计算步骤C得到的各方案的贴近度依次包括以下步骤：

步骤D1、先将由步骤C得到的多个网架结构规划方案组合而成的非模糊评价矩阵R’通过下式进行标准化，得到标准化评价矩阵R：

R＝(r_ij)_s×t

R’＝(r’_ij)_s×t

上式中，s为规划方案的个数，t为每个规划方案的目标函数中目标参数的个数，r’_ij为第i个规划方案的目标函数中第j个目标参数的适应值；

步骤D2、利用熵权值k_i对矩阵R进行归一化约束，得到属性矩阵B：

B＝(b_ij)_s×t＝(k_i×r_ij)_s×t

上式中，H_i为第i个评价指标的熵，k_i为第i个评价指标的熵权；

步骤D3、采用下列公式计算各方案与理想点的贴近度：

P^*＝(p₁ ^*,p₂ ^*,…,p_s ^*)

p_i ^*＝max_j(b_ij:j＝1,2,…,t；i＝1,2,…,s)

上式中，T_j为第j个方案与理想点的贴近度，P^*为理想点。

7.根据权利要求1-3中任一项所述的一种考虑不同功能属性的输电网网架规划方法，其特征在于：

所述步骤A依次包括以下步骤：

步骤A1、从采集的风速数据集中选择点密度最大的数据点作为第一个初始聚类中心；

步骤A2、采用以下评价函数选取评价值最高的数据点作为下一个初始聚类中心，直至计算出全部初始聚类中心：

上式中，Z_i为数据点x_i的密度，d_ij为数据点x_i、x_j之间的兰氏距离，e为点密度阈值，n为数据点个数；

步骤A3、对于数据集中的每一个数据点i，计算该点与最近聚类中心的距离D(i)，以得到sum(D(i))；

步骤A4、根据D(i)越大、被选中聚类中心的概率越高的原则，将sum(D(i))乘以随机值random得到临界值sum1，然后计算sum2+＝D(i)，直至sum2>sum1，此时i即为下一个聚类中心；

步骤A5、循环重复步骤A3和A4，直至选出多个聚类中心；

步骤A6、对得到的多个聚类中心进行k-means聚类，生成多个风电出力典型场景。

Images