CN111030179B - 风电场布局的优化方法、优化系统及计算机可读存储介质 - Google Patents
风电场布局的优化方法、优化系统及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111030179B CN111030179B CN201911369561.8A CN201911369561A CN111030179B CN 111030179 B CN111030179 B CN 111030179B CN 201911369561 A CN201911369561 A CN 201911369561A CN 111030179 B CN111030179 B CN 111030179B
- Authority
- CN
- China
- Prior art keywords
- cable
- fan
- optimization method
- power
- nodes
- 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
Classifications
-
- 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
-
- 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)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请提供一种风电场布局的优化方法、优化系统及计算机可读存储介质。风电场包括多个节点,多个节点包括多个风机和变电站。风电场布局的优化方法包括:获取风电场的风机坐标信息。优化方法还包括:至少基于风机坐标信息,通过以风电场的成本最小为目标函数的混合整数线性规划模型,确定变电站的位置坐标,及多个节点之间的电缆连接拓扑结构。目标函数包括表征连接多个节点的每段电缆承载的功率的变量。
Description
技术领域
本申请涉及风电场规划技术领域,尤其涉及一种风电场布局的优化方法、优化系统及计算机可读存储介质。
背景技术
风是没有公害的能源之一,而且取之不尽,用之不竭。对于缺水、缺燃料和交通不便的沿海岛屿、草原牧区、山区和高原地带,因地制宜地利用风力发电,非常适合,大有可为。风力发电是指把风的动能转为电能。利用风力发电非常环保,且风能蕴量巨大,因此日益受到世界各国的重视。风电场的电缆的布局和变电站的选址对风电场的成本有很大的影响,如何优化电缆布局和变电站选址成为风电场布局优化的一项重要任务。
发明内容
本申请提供一种改进的风电场布局的优化方法、优化系统及计算机可读存储介质。
根据本申请实施例的一个方面,提供一种风电场布局的优化方法,所述风电场包括多个节点,所述多个节点包括多个风机和变电站,所述优化方法包括:获取所述风电场的风机坐标信息;及至少基于所述风机坐标信息,通过以所述风电场的成本最小为目标函数的混合整数线性规划模型,确定所述变电站的位置坐标,及所述多个节点之间的电缆连接拓扑结构;其中,所述目标函数包括表征连接多个所述节点的每段电缆承载的功率的变量。
根据本申请实施例的另一个方面,提供一种风电场布局的优化系统,优化系统包括一个或多个处理器,用于实现上述优化方法。
根据本申请实施例的另一个方面,提供一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时,实现上述优化方法。
本申请一些实施例综合考虑变电站选址、风机之间及风机与变电站之间的电缆连接和电缆承载的功率对风电场的成本的影响,进行整体优化,可以更大程度地提升对成本的优化效果,可明显提升整体风电场的电气设计的经济性能。
附图说明
图1所示为本申请风电场布局的优化方法的一个实施例的流程图;
图2所示为本申请风电场布局的优化方法的确定电缆类型的步骤的流程图;
图3所示为相关技术获得的海上变电站的位置和电缆连接拓扑结构的示意图;
图4所示为本申请风电场布局的优化方法获得的海上变电站的位置和电缆连接拓扑结构的示意图;
图5所示为本申请风电场布局的优化系统的一个实施例的模块框图
图6所示为本申请风电场布局的优化方法的另一个实施例的流程图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”可以指单数形式,也可包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。除非另行指出,“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而且可以包括电性的连接,不管是直接的还是间接的。“能够”表示具有能力。
本申请实施例的风电场布局的优化方法包括:获取风电场的风机坐标信息。优化方法还包括:至少基于风机坐标信息,通过以风电场的成本最小为目标函数的混合整数线性规划模型,确定变电站的位置坐标,及多个节点之间的电缆连接拓扑结构。目标函数包括表征连接多个节点的每段电缆承载的功率的变量。风电场包括多个节点,多个节点包括多个风机和变电站。
本申请实施例的风电场布局的优化方法通过混合整数线性规划模型基于风机坐标信息,确定变电站的位置坐标和多个节点之间的电缆连接拓扑结构,且模型的目标函数包括表征电缆承载的功率的变量,利用混合整数线性规划模型,综合考虑变电站选址、风机之间及风机与变电站之间的电缆连接和电缆承载的功率对风电场的成本的影响,进行整体优化,可以更大程度地提升对成本的优化效果,可明显提升整体风电场的电气设计的经济性能。
下面结合附图,对本申请的风电场布局的优化方法、优化系统及计算机可读存储介质进行详细说明。在不冲突的情况下,下述的实施例及实施方式中的特征可以相互组合。
图1所示为风电场布局的优化方法100的一个实施例的流程图。优化方法100可以用于海上风电场的布局优化,也可以用于陆上风电场的布局优化。风电场分布有多个风机,风机采集风能,将风能转换为电能。对于长距离传输电能的风电场,尤其是远海风电场,为了减少电缆传输损耗,建设变电站,变电站与多个风机电连接,将多个风机发出的电能汇总升压后,进行长距离传输。例如,海上风电场建设有海上变电站,将风机的电能汇总升压后输送到陆上变电站。风电场包括多个节点,多个节点包括多个风机及变电站。优化方法100可以用于优化变电站的选址和电缆连接拓扑结构。优化方法100包括步骤101和102。
在步骤101中,获取风电场的风机坐标信息。
在一些实施例中,风机坐标信息可以包括在笛卡尔坐标系中的风机的坐标。在一些实施例中,风机坐标信息可以包括风机的经纬度坐标。在另一些实施例中,风机的坐标信息可以包括风机的二维坐标。自西向东为二维坐标系的x轴的正方向,自南向北为二维坐标系的y轴的正方向,风机的二维坐标为在二维坐标系中的坐标。在一些实施例中,可以获取风机的经纬度坐标或二维坐标,转换为笛卡尔坐标系中的坐标。
在一些实施例中,可以从记录有风机坐标信息的文档(例如Text文档、Excel文档)中读取风机坐标信息。在另一些实施例中,可以接收用户输入的风机坐标信息。
在步骤102中,至少基于风机坐标信息,通过以风电场的成本最小为目标函数的混合整数线性规划(Mixed Integer Linear Programming,MILP)模型,确定变电站的位置坐标,及多个节点之间的电缆连接拓扑结构。目标函数包括表征连接多个节点的每段电缆承载的功率的变量。
根据获得的风机坐标变量对变电站的位置和电缆路径进行优化,可以确定变电站的位置,也可以确定风机之间及风机与变电站之间的电缆连接拓扑结构。多个风机电连接至同一变电站,每个风机可以直接或通过其他风机间接连接至变电站,可以对变电站的位置,和该些风机之间及风机与该变电站之间的电缆连接拓扑进行优化。该电缆连接拓扑结构包含了多个风机之间的连接信息,也包含了多个风机和变电站之间的连接信息。
MILP模型以风电场的成本最小为优化目标。在一些实施例中,风电场的成本包括电缆铺设成本、电缆成本和功率损耗成本。电缆铺设成本主要为铺设填埋电缆的成本,主要与电缆的长度相关。电缆的长度越长,电缆铺设成本越高。电缆成本主要为电缆材料成本,与电缆的长度和截面积相关。截面积一定时,电缆的长度越长,电缆成本越高。长度一定时,电缆的截面积越大,电缆成本越高。电缆成本可以等于单位长度的电缆成本与电缆长度的乘积。功率损耗成本为风电场的寿命期间风机间电缆的功率损耗成本,与电缆的长度和电缆承载的功率相关。电缆长度越长,功率损耗成本越高;电缆承载的功率越大,功率损耗成本越高。电缆承载的功率越大,电缆的截面积需越大。
在一些实施例中,MILP模型以电缆铺设成本、电缆成本和功率损耗成本之和最小为优化目标。目标函数包括电缆铺设成本函数、电缆成本函数和功率损耗成本函数之和。目标函数Costmin的表达式为表达式(1):
其中,表示电缆铺设成本函数;/>表示电缆成本函数;/>表示功率损耗成本函数;i,j表示节点的编号,分别表示第i个节点、第j个节点,Nn表示多个节点的总数量,为连接到同一变电站的风机和该变电站的总数;k表示电缆承载的功率等级。在一些实施例中,假定多台风机的额定功率相等,k为沿能量流动方向汇集到直接连接两个节点的一段电缆上的风机数量,即电缆承载的风机的数量。在多台风机的额定功率一致时,电缆承载的风机的数量越多,电缆承载的功率等级越高,即电缆承载的功率越大,流过电缆的电流越大,因此电缆的截面积需越大,从而电缆成本和功率损耗成本越高。在一些实施例中,假定多台风机年满发量相等,多台风机的年利用小时数相等,且每台风机定功率发电,且因根据风机的年满发电量和年利用小时数可以确定风机的功率,所以多台风机的功率相等,如此电缆承载的风机的数量越多,该电缆承载的功率等级越高。在其他一些实施例中,目标函数包括电缆铺设成本函数、电缆成本函数和功率损耗成本函数中的一者或任意两者。
在一些实施例中,目标函数的表征每段电缆承载的功率的变量,可以为表征每段电缆承载的功率等级的变量。功率等级可以表示电缆承载的风机额定功率的倍数,对应电缆承载的风机数量。在一些实施例中,目标函数包括的表征连接多个节点的每段电缆承载的功率的变量,可以包括决策-功率变量矩阵Bi,j,k。决策-功率变量矩阵Bi,j,k表示第i个节点和第j个节点之间连接关系的变量矩阵,如果第i个节点和第j个节点直接连接,连接第i个节点和第j个节点的电缆承受k倍的风机额定电流,即承载k倍的风机额定功率,功率等级为k。连接关系表示两个节点是否直接连接。决策-功率变量矩阵Bi,j,k可以为Nn×Nn×Nt的三维二进制矩阵。在一些实施例中,若决策-功率变量矩阵Bi,j,k的(i,j,k)位置的值为1,表示第i个节点和第j个节点之间直接连接,且连接的电缆承载k倍的风机额定功率。在另一些实施例中,若决策-功率变量矩阵Bi,j,k的(i,j,k)位置的值为0,表示第i个节点和第j个节点之间直接连接,且连接的电缆承载k倍的风机额定功率。决策-功率变量矩阵Bi,j,k体现节点之间的连接情况和电缆承载的功率。
在一些实施例中,目标函数的优化变量包括变电站的位置坐标变量和表示节点之间连接关系的节点连接决策变量。将风机坐标信息输入MILP模型中,MILP模型输出变电站的位置坐标变量的最优解和节点连接决策变量的最优解,从而获得变电站的位置坐标和节点之间的连接拓扑。在一些实施例中,变电站的位置坐标为在笛卡尔坐标系中的坐标。在另一些实施例中,变电站的位置坐标为经纬度坐标。在另一些实施例中,变电站的位置坐标为二维坐标。
在一些实施例中,确定电缆连接拓扑结构可以包括:确定多个节点之间的电缆连接路径。在一些实施例中,节点连接决策变量包括二维决策变量矩阵Xi,j,表示第i个节点和第j个节点的连接关系。在一些实施例中,若第i个节点和第j个节点直接连接,二维决策变量矩阵Xi,j的(i,j)位置的值为1,否则为0。在其他一些实施例中,若第i个节点和第j个节点直接连接,二维决策变量矩阵Xi,j的(i,j)位置的值为0,否则为1。
在另一些实施例中,确定电缆连接拓扑结构可以包括:确定多个节点之间的电缆连接路径和每段电缆的功率等级。节点连接决策变量表示节点之间连接关系和每段电缆承载的功率等级。节点连接决策变量包括决策-功率变量矩阵Bi,j,k。
变电站的位置影响风电场整体电气系统的拓扑结构的优化设计,影响着电缆连接的拓扑结构的优化,对风电场的成本有很大的影响。本申请实施例的多个节点包括风机的位置和变电站的位置,将变电站的位置对电缆连接拓扑的影响设计在模型中,基于风机的位置,结合变电站的位置整体优化,优化结果较好。而且电缆上的功率损耗对风电场的成本也具有很大的影响。目标函数包括表征功率的变量,将电缆承载的功率设计在模型中,可以更好地优化。本申请实施例利用MILP模型,综合考虑变电站选址、风机之间及风机与变电站之间的电缆连接和电缆承载的功率对风电场的成本的影响,对变电站的位置和电缆连接拓扑结构进行整体优化,可以更大程度地提升对成本的优化效果,可明显提升整体风电场的电气设计的经济性能。
在一些实施例中,目标函数是至少对待优化函数进行线性化处理得到的。待优化函数可以为目标函数线性化处理前的函数。在一些实施例中,MILP模型可以对待优化函数进行线性化处理。在其他一些实施例中,MILP模型还可以对待优化函数进行其他处理。对待优化函数进行处理后,可以得到目标函数。待优化函数可以包括与变电站的位置坐标变量和/或节点连接决策变量相关的非凸非线性项。在一些实施例中,目标函数是至少利用线性规划方法消除待优化函数中的与变电站的位置坐标变量和/或节点连接决策变量相关的非凸非线性项得到的。在一些实施例中,非凸非线性项包括与变电站的位置坐标变量和/或节点连接决策变量相关的双线性项。目标函数是至少利用线性规划方法消除与变电站的位置坐标变量和/或节点连接决策变量相关的双线性项得到的。
在一些实施例中,利用线性规划方法消除非凸非线性项,使函数凸化,以便于求解。在一些实施例中,目标函数是至少利用单纯形法消除待优化函数中的非凸非线性项得到的。在一些实施例中,目标函数是至少利用大M(Big M)法消除待优化函数中的非凸非线性项得到的。目标函数是至少利用大M法消除与变电站的位置坐标变量和/或节点连接决策变量相关的双线性项得到的。在一些实施例中,大M法的人工变量为风电场的多个风机之间的最大欧氏距离,即风电场的连接至同一变电站的两两风机之间的欧氏距离中的最大值。在其他一些实施例中,目标函数是至少利用两阶段法消除待优化函数中的非凸非线性项得到的。
待优化函数可以包括非线性的风机和变电站之间的欧氏距离的二次项关系。在一些实施例中,目标函数是至少通过线性化待优化函数中的风机和变电站之间的欧氏距离的二次项关系得到的。在一些实施例中,利用线性规划方法线性化风机和变电站之间的欧氏距离的二次项关系。第i台风机和变电站之间的欧氏距离的二次项关系为(Xti,Yti)为第i台风机的坐标,(Xs,Ys)为变电站的坐标。在一些实施例中,目标函数是至少利用分段线性逼近法线性化风机和变电站之间的欧氏距离的二次项关系得到的,利用分段线性逼近法可以大大提高计算速度。在一些实施例中,目标函数是至少利用SOS1(Special Ordered Set of type 1,类型1的特殊顺序集)的分段线性逼近法线性化风机和变电站之间的欧氏距离的二次项关系得到的,如此可以更加显著地提高计算效率,尤其适用于大型的风电场的布局优化,而且随着区间段分辨率的提高,SOS1可以帮助模型在保证计算效率的同时获得更精确的结果。
对待优化函数进行线性化,将MIQP(Mix Integer Qudratic Programming,混合整数二次规划)问题转换为MILP问题,得到目标函数,以构建MILP模型,如此可以在连续域中确定变电站的位置,可以选择更优的变电站位置,以降低风电场的成本;并且便于求解,且构建的MILP的模型可以使用商业求解器求解,更有利于商业化。相关技术中采用启发式算法进行优化求解,可以不对模型的特性进行具体分析,忽略模型中非线性部分对求解造成的困难。启发式算法无法从原理上保证最优解的产生,由于是随机求解,所以算法结果不稳定。本申请实施例采用MILP模型可以避免由于采用启发式算法导致的结果不稳定等问题。
在一些实施例中,目标函数可以利用中间变量从待优化函数转换获得。在一些实施例中,中间变量可以包括二维连续变量型矩阵Dni,j,表示节点之间的相对距离。如果矩阵Dni,j的(i,j)位置的值为非零值d,表示第i个节点和第j个节点之间的相对距离为d。
在一些实施例中,中间变量可以包括二维连续变量型矩阵Asi,j,矩阵Asi,j中如果在(i,j)位置的值为非零值d,表示第i个节点和第j个节点之间存在长度为d的电缆。
在一些实施例中,中间变量可以包括三维连续变量型矩阵Li,j,k,矩阵Li,j,k中如果在(i,j,k)位置的值为非零值d,表示第i个节点和第j个节点之间存在长度为d的电缆,并且该电缆承载k台风机。
在一些实施例中,优化方法100包括:获取风电场资讯,风电场资讯包括电价、风电场的生命周期、年利用小时数和额定电参数中的至少一个。至少基于风电场资讯,通过MILP模型,确定变电站的位置坐标及电缆连接拓扑结构。可以假定电价在整个生命周期内保持不变,以简化计算。风电场的生命周期例如20年,但不限于此。年利用小时数表示按年为单位一年的时间里可利用的小时总和。在一些实施例中,额定电参数可以包括风机的额定电压,例如33kV。在一些实施例中,额定电参数可以包括风机的装机容量,例如6MW。在一些实施例中,风电场资讯还可以包括通货膨胀率,可以假定通货膨胀率在整个生命周期内保持不变。在一些实施例中,风电场资讯还可以包括电网耦合点的功率因数,例如0.95。在一些实施例中,风电场资讯还可以包括变电站向外输送电能的距离,例如海上变电站至路上变电站距离。在一些实施例中,目标函数包括表示风电场资讯的变量。将风电场资讯输入MILP模型中,用于确定变电站的位置坐标及电缆连接拓扑结构,如此可以获得更优的变电站位置和电缆连接拓扑结构,以使风电场成本尽可能低。
在一些实施例中,可以确定多个节点之间的电缆连接路径和每段电缆的功率等级,并根据每段电缆的功率等级,确定电缆类型。功率等级对应于电缆的截面积,电缆的截面积对应电缆类型。根据功率等级选择能够承受该功率等级的电缆。如此可以实现电缆选型。
确定电缆类型的步骤如图2所示。在一些实施例中,在步骤201中,获取对应于不同功率等级的电缆类型的数据集。数据集中的不同电缆类型的截面积不同,能够承受的功率不同,因此不同的电缆类型对应不同的功率等级。数据集包括功率等级和电缆类型的映射关系。
在步骤202中,根据每段电缆的功率等级,从数据集中确定每段电缆的类型。通过MILP模型确定每段电缆的功率等级,进而可以根据每段电缆的功率等级确定电缆类型。从数据集中确定电缆的类型,可以提高电缆选型的效率。
在一些实施例中,待优化函数是在获取对应于不同功率等级的电缆类型的数据集之前,对电缆选型的决定参数和电缆连接拓扑结构的决定参数进行解耦合得到的。相关技术中将电缆选型和电缆连接的问题结合考虑,需考虑可选电缆类型的数量(M)的约束,对于具有N台风机的风电场进行电缆连接优化求解,算法复杂度为((N-1)!)2M。因此,呈现出高复杂度的特性,为NP难(Non-deterministic Polynomial-hard,非确定性多项式难)问题。本实施例对电缆选型问题和电缆连接问题进行解耦,再利用MILP模型对电缆连接拓扑结构进行优化,可以降低算法的复杂度,减少优化变量的维度,进而减少总体约束的数目,达到快速求解的目的。
在一些实施例中,MILP模型包括约束条件:diag(Xi,j)=0。其中,Xi,j表示第i个节点和第j个节点连接关系的二维决策变量矩阵, Nn表示多个节点的总数量,如此保证每个节点不与自身相连。
在一些实施例中,MILP模型包括输入每台风机的电缆数量不超过电缆数量阈值Ntin的约束条件。电缆数量阈值Ntin可以根据实际应用设置。一些实施例中,风机的电柜具有两个出线口,电缆数量阈值Ntin设置为2。在另一些实施例中,风机的电柜具有一个出线口,电缆数量阈值Ntin设置为1。
在一些实施例中,MILP模型包括与变电站相连的电缆的总数量不超过总数量阈值Nfd的约束条件。总数量阈值Nfd可以等于变电站的出线的数量。在一些实施例中,根据变电站的容量可以确定变电站的出线数量,例如变电站可以具有几十条出线。在另一些实施例中,可以根据变电站的容量和安全域度,设定变电站的出线数量。
在一些实施例中,MILP模型包括变电站的位置坐标在选址限制范围内的约束条件。选址限制范围限定出变电站的寻优边界。在一些实施例中,Lxmin<=Gss(x)<=Lxmax,Lymin<=Gss(y)<=Lymax,其中Gss(x)表示变电站的位置坐标的x坐标,Gss(y)表示变电站的位置坐标的y坐标;Lxmin表示选址限制范围的x坐标的最小值,Lxmax表示选址限制范围的x坐标的最大值;Lymin表示选址限制范围的y坐标的最小值,Lymax表示选址限制范围的y坐标的最大值。变电站的位置可以在矩形区域内选择。在其他一些实施例中,变电站的位置可以在其他形状的区域内选择。选址限制范围限定的区域为连续域,可以在连续域内对变电站选址。在一些实施例中,可以根据实际风电场的环境等确定选址限制范围。如此可以在合适的区域范围内确定变电站的位置,可以更符合实际应用。
在一些实施例中,MILP模型包括每一台风机的输出功率减去输入功率等于该风机的额定功率的约束条件,以满足实际应用。在一些实施例中,MILP模型包括约束条件:Xi,j≤Pi,j≤Xi,j*Nt,其中,Xi,j表示第i个节点和第j个节点连接关系的二维决策变量矩阵,Nn表示多个节点的总数量;Pi,j表示连接第i个节点和第j个节点的电缆承载的功率,Pi,j为Nn×Nn的实数变量矩阵,若Pi,j在(i,j)位置的值为k,表示第i个节点和第j个节点之间存在电缆连接,并且该电缆承载的功率等级为k;Nt表示每段电缆能够支持的最大风机数量,为每段电缆能够承受的最大功率等级。如此MILP模型包括功率平衡约束(基尔霍夫定律),可以避免电缆连接拓扑结构中形成回路。
在一些实施例中,若第a台风机和第b台风机的连线与第c台风机和第d台风机的连线交叉,MILP模型包括约束条件:第a台风机、第b台风机、第c台风机和第d台风机之间的连线不超过一条连线;其中,a,b,c,d∈[2,Nn],Nn表示多个节点的总数量。若确定第a台风机和第b台风机的连线与第c台风机和第d台风机的连线交叉,可以设定上述约束条件,使得四个风机之间不允许有一个以上的连接,如此消除风机之间的交叉的电缆。在一些实施例中,约束条件为Xa,b+Xb,a+Xc,d+Xd,c≤1,a,b,c,d∈[2,Nn];其中,X表示节点连接关系的二维决策变量矩阵,二维决策变量矩阵的位置值为1表示连接,为0表示未连接;Xa,b表示第a台风机和第b台风机的连接关系,Xb,a表示第b台风机和第a台风机的连接关系,Xc,d表示第c台风机和第d台风机的连接关系,Xd,c表示第d台风机和第c台风机的连接关系。
在一些实施例中,第a台风机的坐标为(x1,y1),第b台风机的坐标为(x2,y2),第c台风机的坐标为(x3,y3),第d台风机的坐标为(x4,y4)。若第a台风机和第b台风机的连线与第c台风机和第d台风机的连线交叉,则四台风机的坐标满足下面的表达式(2)
其中α∈[0,1],β∈[0,1]。
通过表达式(2)中的参数α和β的值,可以确定第a台风机和第b台风机的连线与第c台风机和第d台风机的连线是否交叉。若α∈[0,1],β∈[0,1],则确定第a台风机和第b台风机的连线与第c台风机和第d台风机的连线交叉,如此可以方便地确定电缆连接是否交叉。进而可以在MILP模型中设置约束条件,以消除风机之间的连接电缆的交叉。
图3所示为相关技术获得的海上变电站的位置和电缆连接拓扑结构的示意图。图4所示为本申请实施例方法获得的海上变电站的位置和电缆连接拓扑结构的示意图。图中S1表示海上变电站,S2-S36表示风机,S37表示陆上变电站。图3和图4的风机S2-S36的位置相同,陆上变电站S37的位置相同。图4所示的本申请实施例方法优化获得的海上变电站S1的位置和电缆连接拓扑结构和图3所示的方式有很大区别,本申请实施例的优化方法100可以更好地优化变电站S1的位置和电缆连接拓扑结构。图4中,在区域300中确定海上变电站S1的位置,区域300表示海上变电站S1的寻优边界,可以在连续域内对海上变电站S1进行选址。
图5所示为风电场布局的优化系统400的一个实施例的模块框图。优化系统400包括一个或多个处理器401,用于实现优化方法100。在一些实施例中,优化系统400可以包括计算机可读存储介质404,计算机可读存储介质可以存储有可被处理器401调用的程序,可以包括非易失性存储介质。在一些实施例中,优化系统400可以包括内存403和接口402。在一些实施例中,优化系统400还可以根据实际应用包括其他硬件。
本申请实施例的计算机可读存储介质404,其上存储有程序,该程序被处理器401执行时,实现优化方法100。
本申请可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读存储介质的例子包括但不限于:相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
图6所示为风电场布局的优化方法500的另一个实施例的流程图。优化方法500包括步骤501-503。
在步骤501中,获取风电场的风机坐标信息。步骤501类似于图1所示的优化方法100的步骤101,在此不再赘述。
在步骤502中,建立以风电场的成本最小为目标函数的MILP模型。目标函数包括表征连接多个节点的每段电缆承载的功率的变量,多个节点包括风机的位置和变电站的位置。
在步骤503中,至少基于风机坐标信息,通过MILP模型,确定变电站的位置坐标,及多个节点之间的电缆连接拓扑结构。步骤503类似于图1所示的优化方法100的步骤102,在此不再赘述。
在一些实施例中,建立MILP模型的步骤502包括:建立待优化函数;至少利用线性规划方法消除待优化函数中的与变电站的位置坐标变量和/或节点连接决策变量相关的非凸非线性项,得到目标函数。节点连接决策变量表征多个节点之间的连接关系。在一些实施例中,利用大M法消除待优化函数中的非凸非线性项。在一些实施例中,大M法的人工变量为风电场的多个风机之间的最大欧氏距离。
在一些实施例中,建立MILP模型的步骤502包括:至少通过线性化待优化函数中的风机和变电站之间的欧氏距离的二次项关系,得到目标函数。在一些实施例中,利用分段线性逼近法线性化多个风机和变电站之间的欧氏距离的二次项关系。
在一些实施例中,优化方法500包括:获取风电场资讯,风电场资讯包括电价、风电场的生命周期、年等效利用小时数和额定电参数中的至少一个。至少基于风电场资讯,通过MILP模型,确定变电站的位置坐标及电缆连接拓扑结构。
在一些实施例中,确定变电站的位置坐标及多个节点之间的电缆连接拓扑结构的步骤503包括:确定多个风机之间的电缆连接路径和每段电缆的功率等级。在一些实施例中,优化方法500包括:根据每段电缆的功率等级,确定电缆类型。在一些实施例中,优化方法500包括:获取对应于不同功率等级的电缆类型的数据集;及根据每段电缆的功率等级,从数据集中确定每段电缆的类型。
在一些实施例中,优化方法500包括:在获取对应于不同功率等级的电缆类型的数据集之前,对电缆选型的决定参数和电缆连接拓扑结构的决定参数进行解耦合,得到待优化函数。
在一些实施例中,MILP模型包括约束条件,约束条件可以包括上文所述的任一个或多个约束条件,在此不再赘述。
在一些实施例中,建立MILP模型的步骤501包括:若第a台风机和第b台风机的连线与第c台风机和第d台风机的连线交叉,设置约束条件,约束条件为:第a台风机、第b台风机、第c台风机和第d台风机之间的连线不超过一条连线;其中,a,b,c,d∈[2,Nn],Nn表示多个节点的总数量。
本申请实施例提供风电场布局的优化系统,包括一个或多个处理器,用于实现优化方法500。
本申请实施例提供计算机可读存储介质,其上存储有程序,该程序被处理器执行时,实现优化方法500。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请实施例所提供的方法和装置进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
本专利文件披露的内容包含受版权保护的材料。该版权为版权所有人所有。版权所有人不反对任何人复制专利与商标局的官方记录和档案中所存在的该专利文件或者该专利披露。
Claims (20)
1.一种风电场布局的优化方法,所述风电场包括多个节点,所述多个节点包括多个风机和变电站,其特征在于,所述优化方法包括:
获取所述风电场的风机坐标信息;及
至少基于所述风机坐标信息,通过以所述风电场的成本最小为目标函数的混合整数线性规划模型,确定所述变电站的位置坐标,及所述多个节点之间的电缆连接拓扑结构;其中,所述目标函数包括表征连接多个所述节点的每段电缆承载的功率的变量;所述目标函数是至少通过线性化待优化函数中的所述风机和所述变电站之间的欧氏距离的二次项关系得到的。
2.根据权利要求1所述的优化方法,其特征在于,所述目标函数是至少利用线性规划方法消除待优化函数中的与所述变电站的位置坐标变量和/或节点连接决策变量相关的非凸非线性项得到的,所述节点连接决策变量表征所述多个节点之间的连接关系。
3.根据权利要求2所述的优化方法,其特征在于,所述目标函数是至少利用大M法消除待优化函数中的所述非凸非线性项得到的。
4.根据权利要求3所述的优化方法,其特征在于,所述大M法的人工变量为所述风电场的多个所述风机之间的最大欧氏距离。
5.根据权利要求4所述的优化方法,其特征在于,所述目标函数是至少利用分段线性逼近法线性化所述风机和所述变电站之间的欧氏距离的二次项关系得到的。
6.根据权利要求1所述的优化方法,其特征在于,所述优化方法包括:获取风电场资讯,所述风电场资讯包括电价、所述风电场的生命周期、年利用小时数和额定电参数中的至少一个;
所述确定所述变电站的位置坐标,及所述多个节点之间的电缆连接拓扑结构,包括:
至少基于所述风电场资讯,通过所述混合整数线性规划模型,确定所述变电站的位置坐标及所述电缆连接拓扑结构。
7.根据权利要求1所述的优化方法,其特征在于,所述确定所述变电站的位置坐标,及所述多个节点之间的电缆连接拓扑结构,包括:
确定所述多个节点之间的电缆连接路径和每段电缆的功率等级。
8.根据权利要求7所述的优化方法,其特征在于,所述优化方法包括:
根据每段电缆的功率等级,确定电缆类型。
9.根据权利要求8所述的优化方法,其特征在于,所述优化方法包括:
获取对应于不同功率等级的电缆类型的数据集;及
根据每段电缆的所述功率等级,从所述数据集中确定每段电缆的类型。
10.根据权利要求9所述的优化方法,其特征在于,所述待优化函数是在获取对应于不同功率等级的电缆类型的数据集之前,对电缆选型的决定参数和所述电缆连接拓扑结构的决定参数进行解耦合得到的。
11.根据权利要求1所述的优化方法,其特征在于,所述混合整数线性规划模型包括约束条件:diag(Xi,j)=0,
其中,Xi,j表示第i个节点和第j个节点连接关系的二维决策变量矩阵,Nn表示所述多个节点的总数量。
12.根据权利要求1所述的优化方法,其特征在于,所述混合整数线性规划模型包括输入每台风机的电缆数量不超过电缆数量阈值的约束条件。
13.根据权利要求1所述的优化方法,其特征在于,所述混合整数线性规划模型包括与所述变电站连接的电缆的总数量不超过总数量阈值的约束条件。
14.根据权利要求1所述的优化方法,其特征在于,所述混合整数线性规划模型包括所述变电站的位置坐标在选址限制范围内的约束条件。
15.根据权利要求1所述的优化方法,其特征在于,所述混合整数线性规划模型包括每一台风机的输出功率减去输入功率等于该风机的额定功率的约束条件。
16.根据权利要求1所述的优化方法,其特征在于,所述混合整数线性规划模型包括约束条件:Xi,j≤Pi,j≤Xi,j*Nt,
其中,Xi,j表示第i个节点和第j个节点连接关系的二维决策变量矩阵,Nn表示所述多个节点的总数量,Pi,j表示连接第i个节点和第j个节点的电缆承载的功率,Nt表示每段电缆能够支持的最大风机数量。
17.根据权利要求1所述的优化方法,其特征在于,若第a台风机和第b台风机的连线与第c台风机和第d台风机的连线交叉,所述混合整数线性规划模型包括约束条件:第a台风机、第b台风机、第c台风机和第d台风机之间的连线不超过一条连线;其中,a,b,c,d∈[2,Nn],Nn表示所述多个节点的总数量。
18.根据权利要求1所述的优化方法,其特征在于,所述目标函数包括电缆铺设成本函数、电缆成本函数和功率损耗成本函数之和。
19.一种风电场布局的优化系统,其特征在于,包括一个或多个处理器,用于实现如权利要求1-18中任一项所述的优化方法。
20.一种计算机可读存储介质,其特征在于,其上存储有程序,该程序被处理器执行时,实现如权利要求1-18中任一项所述的优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911369561.8A CN111030179B (zh) | 2019-12-26 | 2019-12-26 | 风电场布局的优化方法、优化系统及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911369561.8A CN111030179B (zh) | 2019-12-26 | 2019-12-26 | 风电场布局的优化方法、优化系统及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111030179A CN111030179A (zh) | 2020-04-17 |
CN111030179B true CN111030179B (zh) | 2023-08-25 |
Family
ID=70213996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911369561.8A Active CN111030179B (zh) | 2019-12-26 | 2019-12-26 | 风电场布局的优化方法、优化系统及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111030179B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021253291A1 (zh) * | 2020-06-17 | 2021-12-23 | 上海电气风电集团股份有限公司 | 风电场布局的优化方法、优化系统及计算机可读存储介质 |
CN112035923A (zh) * | 2020-08-25 | 2020-12-04 | 中船文化科技(北京)有限公司 | 一种方舱布局规划方法、装置、电子设备以及存储介质 |
CN112906283B (zh) * | 2021-03-05 | 2022-05-17 | 广东安恒电力科技有限公司 | 一种电缆布局方法和电子设备 |
CN113421015B (zh) * | 2021-07-08 | 2022-07-15 | 湖北君邦环境技术有限责任公司 | 基于环境因子的变电站规划方法、装置、电子设备及介质 |
CN113806947B (zh) * | 2021-09-18 | 2022-10-11 | 中国石油大学(北京) | 海上风电场布局处理方法、装置及设备 |
CN116562424B (zh) * | 2023-03-30 | 2024-03-22 | 上海勘测设计研究院有限公司 | 海上变电站的位置选择方法、系统、电子设备及存储介质 |
CN116976153B (zh) * | 2023-09-25 | 2024-03-22 | 电子科技大学中山学院 | 一种基于一体化模型的海上风电场升压站选址方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102760195A (zh) * | 2012-08-01 | 2012-10-31 | 中国能源建设集团广东省电力设计研究院 | 海上风电场集电系统拓扑设计方法及装置 |
CN104537427A (zh) * | 2014-11-28 | 2015-04-22 | 清华大学 | 海上风电场汇集升压站的选址方法 |
CN105512472A (zh) * | 2015-11-30 | 2016-04-20 | 国网青海省电力公司 | 大型风电基地功率汇集系统拓扑结构分层优化设计及其优化设计方法 |
CN106503839A (zh) * | 2016-10-14 | 2017-03-15 | 上海电力学院 | 一种海上风电场环形集电网络分层规划方法 |
CN106712076A (zh) * | 2016-11-18 | 2017-05-24 | 上海电力学院 | 一种海上风电场集群规模下的输电系统优化方法 |
CN107844628A (zh) * | 2017-09-26 | 2018-03-27 | 上海电力学院 | 一种大型海上风电场集电系统冗余度优化方法 |
CN110504705A (zh) * | 2019-05-31 | 2019-11-26 | 上海电力学院 | 一种海上风电集群电气系统规划方法 |
-
2019
- 2019-12-26 CN CN201911369561.8A patent/CN111030179B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102760195A (zh) * | 2012-08-01 | 2012-10-31 | 中国能源建设集团广东省电力设计研究院 | 海上风电场集电系统拓扑设计方法及装置 |
CN104537427A (zh) * | 2014-11-28 | 2015-04-22 | 清华大学 | 海上风电场汇集升压站的选址方法 |
CN105512472A (zh) * | 2015-11-30 | 2016-04-20 | 国网青海省电力公司 | 大型风电基地功率汇集系统拓扑结构分层优化设计及其优化设计方法 |
CN106503839A (zh) * | 2016-10-14 | 2017-03-15 | 上海电力学院 | 一种海上风电场环形集电网络分层规划方法 |
CN106712076A (zh) * | 2016-11-18 | 2017-05-24 | 上海电力学院 | 一种海上风电场集群规模下的输电系统优化方法 |
CN107844628A (zh) * | 2017-09-26 | 2018-03-27 | 上海电力学院 | 一种大型海上风电场集电系统冗余度优化方法 |
CN110504705A (zh) * | 2019-05-31 | 2019-11-26 | 上海电力学院 | 一种海上风电集群电气系统规划方法 |
Non-Patent Citations (1)
Title |
---|
甘磊等.风电集群接入系统规划的混合整数线性模型.《电工技术学报》.2017,第32卷(第5期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111030179A (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111030179B (zh) | 风电场布局的优化方法、优化系统及计算机可读存储介质 | |
Salkuti | Optimal power flow using multi-objective glowworm swarm optimization algorithm in a wind energy integrated power system | |
WO2021128223A1 (zh) | 风电场布局的优化方法、优化系统及计算机可读存储介质 | |
Hou et al. | Optimisation of offshore wind farm cable connection layout considering levelised production cost using dynamic minimum spanning tree algorithm | |
Kumar et al. | Statistical scrutiny of Weibull parameters for wind energy potential appraisal in the area of northern Ethiopia | |
McKenna et al. | Going with the wind: temporal characteristics of potential wind curtailment in Ireland in 2020 and opportunities for demand response | |
EP4170850A1 (en) | Wind farm layout optimization method and optimization system, and computer-readable storage medium | |
CN111754035A (zh) | 风电场布局的优化方法、优化系统及计算机可读存储介质 | |
Emami et al. | The statistical evaluation of wind speed and power density in the Firouzkouh region in Iran | |
Arandian et al. | Renewable photovoltaic-thermal combined heat and power allocation optimization in radial and meshed integrated heat and electricity distribution networks with storages based on newly developed hybrid shuffled frog leaping algorithm | |
Zhao et al. | Assessment of distributed photovoltaic hosting capacity in integrated electricity and heat systems considering uncertainty | |
Karunarathne et al. | Enhancing PV hosting capacity using voltage control and employing dynamic line rating | |
Nezhad et al. | Determining the optimal operating point of CHP units with nonconvex characteristics in the context of combined heat and power scheduling problem | |
Wei et al. | The Integration of Wind‐Solar‐Hydropower Generation in Enabling Economic Robust Dispatch | |
Li et al. | Economic dispatch of an integrated heat-power energy distribution system with a concentrating solar power energy hub | |
Bhuvanesh et al. | Application of differential evolution algorithm and its variants for solving energy storage technologies integrated generation expansion planning | |
Ji et al. | Dynamic reactive power optimization of distribution network with distributed generation based on fuzzy time clustering | |
Gallegos et al. | Sustainable electrification—advances and challenges in electrical-distribution networks: a review | |
Tripathi et al. | Robust load frequency control of interconnected power system in smart grid | |
Maddouri et al. | Game theory and hybrid genetic algorithm for energy management and real-time pricing in smart grid: the Tunisian case | |
Ahmed et al. | A systematic review on optimal placement of CHP | |
Ogundari et al. | Project planning and control analysis for suburban photovoltaic alternative electric power supply in Southwestern Nigeria | |
Zhu et al. | Multi‐time‐scale robust economic dispatching method for the power system with clean energy | |
Mezidi et al. | Influence of wind data temporal variation in wind resource assessment. two case studies in the southern part of Algeria | |
Xu et al. | Optimal size and location of battery energy storage systems for reducing the wind power curtailments |
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 |