CN112070350B - 一种基于重心回归算法的变电站选址方法 - Google Patents

一种基于重心回归算法的变电站选址方法 Download PDF

Info

Publication number
CN112070350B
CN112070350B CN202010770372.8A CN202010770372A CN112070350B CN 112070350 B CN112070350 B CN 112070350B CN 202010770372 A CN202010770372 A CN 202010770372A CN 112070350 B CN112070350 B CN 112070350B
Authority
CN
China
Prior art keywords
load
transformer substation
site selection
node
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
Application number
CN202010770372.8A
Other languages
English (en)
Other versions
CN112070350A (zh
Inventor
杨东俊
黄家祺
徐敬友
刘巨
雷何
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Hubei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Hubei Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Economic and Technological Research Institute of State Grid Hubei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010770372.8A priority Critical patent/CN112070350B/zh
Publication of CN112070350A publication Critical patent/CN112070350A/zh
Application granted granted Critical
Publication of CN112070350B publication Critical patent/CN112070350B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Public Health (AREA)
  • Educational Administration (AREA)
  • Evolutionary Biology (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Water Supply & Treatment (AREA)
  • Algebra (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种基于重心回归算法的变电站选址方法，该方法能够为规划变电站的选址定容提供决策参考。具体是首先明确变电站选址方案的数量范围，针对每个变电站选址方案，以电网整个区域的负荷中心的位置坐标为基点，再采用重心回归算法对所有负荷节点进行分区，并确定各变电站的总供电距离和变电容量，然后根据供电距离和变电容量计算各选址方案的输变电工程建设和运维费用，最后在各变电站选址方案中选择输变电工程建设和运维费用最小的方案作为最终方案。本设计计算结果稳定、准确，而且计算效率高。

Description

一种基于重心回归算法的变电站选址方法
技术领域
本发明属于电网规划领域，具体涉及一种基于重心回归算法的变电站选址方法。
背景技术
变电站选址定容是电网规划和建设中的重要环节，它以空间负荷预测的结果为依据，综合考虑变电站的地理位置、供电能力和经济约束，对电网建设、布局和投资等方面起着至关重要的作用。当前，变电站的站址选择主要是依靠设计人员工作经验选择论证，随着电网结构越来越复杂，需要考虑的因素越来越多，变电站选址的工作效率和准确性有待提高。随着当前信息化系统建设和计算机技术的发展，电源、电网设施、用电负荷等地理信息都能够采集，空间负荷预测可以基于地理信息开展，信息技术建设为实现计算机辅助变电站选择提供了必要的基础数据和有效的技术手段。
变电站选址定容问题属于复杂的非线性优化问题，目前研究较多的主要包括智能算法和空间搜索算法。其中，刘自发,张建华在中国电机工程学报2007，27(1)：107-111发表的《基于改进多组织粒子群体优化算法的配电网络变电站选址定容》提出了一种改进的多组织粒子群优化算法(RMPSO)来解决配电网络变电站选址定容问题。沈勇等在华东电力2012，40(11)：2043-2045发表的《基于改进粒子群算法的变电站选址定容》提出了一种利用改进粒子群算法来解决变电站选址定容的问题。林卓琼等在陕西电力2015，43(11)：60-64发表的《基于k-均值聚类粒子群算法的变电站定容选址》采用k-均值聚类粒子群算法的求解变电站定容选址问题。王成山等在电力系统自动化2006，30(6)：30-34发表的《基于混合遗传算法的变电站选址定容》采用采用遗传算法求解变电站选址定容问题。陶青松等在电力系统及其自动化学报2010，22(6)：32-37发表的《基于地理信息的变电站选址定容模型与算法》提出了基于地理信息的变电站选址定容模型和算法。金义雄等在上海电力学院学报2011，27(4)：316-319发表的《递归法在变电站选址定容运输模型中的应用》提出了基于递归法和运输模型相结合的变电站选址定容计算机算法。上述算法为解决变电站计算机辅助选址提供了新的思路，但是还有一些问题值得进一步研究和改进。比如，采用粒子群等智能算法计算时可能出现陷入局部最优或早熟误区，智能算法和空间搜索算法不同的随机初值或采用不同的单位步长都可能会导致不同的计算结果，计算稳定性不足，同时，上述方法的实现过程都比较复杂，计算效率不高。
发明内容
本发明的目的是针对现有技术存在的上述问题，提供一种结果稳定、准确且计算效率高的基于重心回归算法的变电站选址方法。
为实现以上目的，本发明的技术方案如下：
一种基于重心回归算法的变电站选址方法，依次包括以下步骤：
步骤A、设定新建变电站的数量n为最小座数nmin；
步骤B、确定电网整个区域的负荷中心P0的位置坐标；
步骤C、先搜索出距离负荷中心P0最远的负荷节点PLt，再依次搜索出距离负荷节点PLt最近的M-1个负荷节点，并将这M-1个负荷节点与负荷节点PLt形成一个负荷片区；
步骤D、先计算所形成的负荷片区的重心节点Ti的位置坐标，即为给该负荷片区供电的变电站的站址，再确定该变电站的总供电距离；
步骤E、从电网中除去已完成分片的负荷节点，重复步骤C和D；
步骤F、先循环重复步骤E，直至所有负荷节点完成分片，得到n个变电站的供电距离和变电容量，然后根据供电距离和变电容量计算该选址方案的输变电工程建设和运维费用；
步骤G、设定新建变电站的数量n为nmin+1，重复步骤B-F；
步骤H、循环重复步骤G，直至n＝nmax+1，得到各方案的输变电工程建设和运维费用，其中，nmax为新建变电站的最大座数；
步骤I、选择输变电工程建设和运维费用最小的方案作为最终的变电站选址方案。
所述新建变电站的最小座数nmin、最大座数nmax采用以下公式计算得到：
Figure BDA0002616348540000021
Figure BDA0002616348540000022
上式中，PLj为第j个负荷节点的负荷大小，J为电网中新增负荷节点的集合，
Figure BDA0002616348540000031
为新增总负荷，Smax、Smin分别为单个变电站的最大、最小变电容量，emax、emin分别为变压器在最大、最小变电容量时的负载率，cosφ为功率因数。
步骤B中，所述负荷中心P0的位置坐标(X0,Y0)采用以下公式计算得到：
Figure BDA0002616348540000032
Figure BDA0002616348540000033
上式中，(XLj,YLj)为第j个负荷节点的位置坐标。
步骤C中，所述负荷节点PLt与负荷中心P0的距离dt采用以下公式计算得到：
Figure BDA0002616348540000034
所述负荷片区中的M个负荷节点的负荷之和不超过单个变电站的变电容量：
Figure BDA0002616348540000035
Figure BDA0002616348540000036
上式中，Si为给第i个负荷片区供电的变电站的变电容量，PLm为负荷片区中第m个负荷节点的负荷大小，m＝1,2,...M，ei为第i个负荷片区的变压器负载率，i＝1,2,...n。
步骤C中，所述形成负荷片区的过程中，若该负荷片区的最后一个负荷节点PLs，使得
Figure BDA0002616348540000037
则将该负荷节点分成两个具有相同位置坐标的负荷节点PLs1、PLs2，将负荷节点PLs1分入该负荷片区中，并将负荷节点PLs2作为一个新的负荷节点，其中，
Figure BDA0002616348540000038
PLs1＝PLs-PLs2。
步骤D中，所述重心节点Ti的位置坐标(Xi,Yi)采用以下公式计算得到：
Figure BDA0002616348540000039
Figure BDA0002616348540000041
上式中，(XLm,YLm)为负荷片区中第m个负荷节点的位置坐标；
所述变电站的总供电距离di采用以下公式计算得到：
Figure BDA0002616348540000042
Figure BDA0002616348540000043
步骤F中，所述输变电工程建设和运维费用C采用以下公式计算得到：
C＝C1+C2
上式中，C1为变电站的建设和运维费用，C2为负荷供电线路的建设和运维费用。
与现有技术相比，本发明的有益效果为：
本发明一种基于重心回归算法的变电站选址方法针对每个变电站选址方案，先确定电网整个区域的负荷中心P0的位置坐标，再采用重心回归算法对所有负荷节点进行分区，确定各变电站的总供电距离和变电容量，然后根据供电距离和变电容量计算该选址方案的输变电工程建设和运维费用，最后在各变电站选址方案中选择输变电工程建设和运维费用最小的方案作为最终方案。该方法以整个区域的负荷重心为基点，从最远负荷节点出发，计算过程逐步向重心归回，具有全局优化的特点，不仅避免了采用粒子群等智能算法可能出现陷入局部最优的情况，而且不会因为初值选择或计算步长不同而影响计算结果或出现无解情况，保证了计算结果的稳定性和准确性，同时，本方法不涉及迭代过程，计算速度快、计算效率高，更加符合工程应用的要求。因此，本发明不仅结果稳定、准确，而且计算效率高。
附图说明
图1为本发明的流程图。
图2为实施例1所述地区电网中各负荷节点的分布示意图。
图3为实施例1得到的方案一选址结果。
图4为实施例1得到的方案二选址结果。
图5为实施例1得到的方案三选址结果。
图6为实施例1得到的方案四选址结果。
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1，一种基于重心回归算法的变电站选址方法，依次包括以下步骤：
步骤A、设定新建变电站的数量n为最小座数nmin；
步骤B、确定电网整个区域的负荷中心P0的位置坐标；
步骤C、先搜索出距离负荷中心P0最远的负荷节点PLt，再依次搜索出距离负荷节点PLt最近的M-1个负荷节点，并将这M-1个负荷节点与负荷节点PLt形成一个负荷片区；
步骤D、先计算所形成的负荷片区的重心节点Ti的位置坐标，即为给该负荷片区供电的变电站的站址，再确定该变电站的总供电距离；
步骤E、从电网中除去已完成分片的负荷节点，重复步骤C和D；
步骤F、先循环重复步骤E，直至所有负荷节点完成分片，得到n个变电站的供电距离和变电容量，然后根据供电距离和变电容量计算该选址方案的输变电工程建设和运维费用；
步骤G、设定新建变电站的数量n为nmin+1，重复步骤B-F；
步骤H、循环重复步骤G，直至n＝nmax+1，得到各方案的输变电工程建设和运维费用，其中，nmax为新建变电站的最大座数；
步骤I、选择输变电工程建设和运维费用最小的方案作为最终的变电站选址方案。
所述新建变电站的最小座数nmin、最大座数nmax采用以下公式计算得到：
Figure BDA0002616348540000051
Figure BDA0002616348540000052
上式中，PLj为第j个负荷节点的负荷大小，J为电网中新增负荷节点的集合，
Figure BDA0002616348540000053
为新增总负荷，Smax、Smin分别为单个变电站的最大、最小变电容量，emax、emin分别为变压器在最大、最小变电容量时的负载率，cosφ为功率因数。
步骤B中，所述负荷中心P0的位置坐标(X0,Y0)采用以下公式计算得到：
Figure BDA0002616348540000061
Figure BDA0002616348540000062
上式中，(XLj,YLj)为第j个负荷节点的位置坐标。
步骤C中，所述负荷节点PLt与负荷中心P0的距离dt采用以下公式计算得到：
Figure BDA0002616348540000063
所述负荷片区中的M个负荷节点的负荷之和不超过单个变电站的变电容量：
Figure BDA0002616348540000064
Figure BDA0002616348540000065
上式中，Si为给第i个负荷片区供电的变电站的变电容量，PLm为负荷片区中第m个负荷节点的负荷大小，m＝1,2,...M，ei为第i个负荷片区的变压器负载率，i＝1,2,...n。
步骤C中，所述形成负荷片区的过程中，若该负荷片区的最后一个负荷节点PLs，使得
Figure BDA0002616348540000066
则将该负荷节点分成两个具有相同位置坐标的负荷节点PLs1、PLs2，将负荷节点PLs1分入该负荷片区中，并将负荷节点PLs2作为一个新的负荷节点，其中，
Figure BDA0002616348540000067
PLs1＝PLs-PLs2。
步骤D中，所述重心节点Ti的位置坐标(Xi,Yi)采用以下公式计算得到：
Figure BDA0002616348540000068
Figure BDA0002616348540000069
上式中，(XLm,YLm)为负荷片区中第m个负荷节点的位置坐标；
所述变电站的总供电距离di采用以下公式计算得到：
Figure BDA0002616348540000071
Figure BDA0002616348540000072
步骤F中，所述输变电工程建设和运维费用C采用以下公式计算得到：
C＝C1+C2
上式中，C1为变电站的建设和运维费用，C2为负荷供电线路的建设和运维费用。
实施例1：
本实施例以图2所示的某地区电网220kV变电站选址为研究对象，该电网中有8个新增负荷节点，各节点负荷大小和位置如表1所示，新增总负荷为904MVA，该地区变压器选择180MVA和240MVA两种标准容量，变电站最大并列变压器组数为2台或3台，从标准变压器库中组合的单个变电站的最小、最大容量分别为360MVA、720MVA，功率因数为0.9，最小负载功率为210.6MW、最大负载功率为563.76MW。
表1地区电网新增负荷及分布情况
Figure BDA0002616348540000073
参见图1，一种基于重心回归算法的变电站选址方法，依次按照以下步骤进行：
步骤1、采用以下公式确定该电网新建变电站的最小座数nmin、最大座数nmax分别为2、5：
Figure BDA0002616348540000074
Figure BDA0002616348540000075
上式中，PLj为第j个负荷节点的负荷大小，J为电网中新增负荷节点的集合，
Figure BDA0002616348540000076
为新增总负荷，Smax、Smin分别为单个变电站的最大、最小变电容量，emax、emin分别为变压器在最大、最小变电容量时的负载率，cosφ为功率因数；
步骤2、设定新建变电站的数量n为2座；
步骤3、采用以下公式计算电网整个区域的负荷中心P0的位置坐标(X0,Y0)为(30.140663，111.725482)：
Figure BDA0002616348540000081
Figure BDA0002616348540000082
上式中，(XLj,YLj)为第j个负荷节点的位置坐标；
步骤4、通过以下公式计算搜索出距离负荷中心P0最远的负荷节点PLt：
Figure BDA0002616348540000083
上式中，dt为负荷节点PLt与负荷中心P0的距离；
步骤5、依次搜索出距离负荷节点PLt最近的M-1个负荷节点，并将这M-1个负荷节点与负荷节点PLt形成一个负荷片区，所述负荷片区中的M个负荷节点的负荷之和不超过单个变电站的变电容量：
Figure BDA0002616348540000084
Figure BDA0002616348540000085
上式中，Si为给第i个负荷片区供电的变电站的变电容量，PLm为负荷片区中第m个负荷节点的负荷大小，m＝1,2,...M，ei为第i个负荷片区的变压器负载率，i＝1,2,...n；
在形成负荷片区的过程中，若该负荷片区的最后一个负荷节点PLs，使得
Figure BDA0002616348540000086
则将该负荷节点分成两个具有相同位置坐标的负荷节点PLs1、PLs2，将负荷节点PLs1分入该负荷片区中，并将负荷节点PLs2作为一个新的负荷节点，其中，
Figure BDA0002616348540000091
PLs1＝PLs-PLs2；
步骤6、采用下式计算所形成的负荷片区的重心节点Ti的位置坐标(Xi,Yi)，该位置坐标即为给该负荷片区供电的变电站的站址：
Figure BDA0002616348540000092
Figure BDA0002616348540000093
上式中，(XLm,YLm)为负荷片区中第m个负荷节点的位置坐标；
步骤7、采用以下公式计算变电站的总供电距离：
Figure BDA0002616348540000094
Figure BDA0002616348540000095
步骤8、从电网中除去已完成分片的负荷节点，重复步骤3-7；
步骤9、先循环重复步骤8，直至所有负荷节点完成分片，得到n个变电站的供电距离和变电容量，然后根据下式计算该选址方案的输变电工程建设和运维费用C：
C＝C1+C2
上式中，C1为变电站的建设和运维费用，C2为负荷供电线路的建设和运维费用；
步骤10、设定新建变电站的数量n为3，重复步骤3-9；
步骤11、循环重复步骤10，直至n＝6，得到各方案的输变电工程建设和运维费用；
步骤12、选择输变电工程建设和运维费用最小的方案作为最终的变电站选址方案。
本实施例得到了四种变电站选址方案，分别为方案一(变电站座数为2座)、方案二(变电站座数为3座)、方案三(变电站座数为4座)、方案四(变电站座数为5座)，各方案的负荷节点分片情况参见表2-表5，各方案的选址结果参见图3-图6，各方案的输变电工程建设和运维费用参见表6：
表2方案一的负荷节点分片情况
Figure BDA0002616348540000101
表3方案二的负荷节点分片情况
Figure BDA0002616348540000102
表4方案三的负荷节点分片情况
Figure BDA0002616348540000103
表5方案四的负荷节点分片情况
Figure BDA0002616348540000111
表6各方案输变电工程建设和运维费用
Figure BDA0002616348540000112
在以上方案中，选择输变电工程建设和运维费用最小的方案一作为最终方案。

Claims (7)

1.一种基于重心回归算法的变电站选址方法，其特征在于：
所述方法依次包括以下步骤：
步骤A、设定新建变电站的数量n为最小座数nmin；
步骤B、确定电网整个区域的负荷中心P0的位置坐标；
步骤C、先搜索出距离负荷中心P0最远的负荷节点PLt，再依次搜索出距离负荷节点PLt最近的M-1个负荷节点，并将这M-1个负荷节点与负荷节点PLt形成一个负荷片区；
步骤D、先计算所形成的负荷片区的重心节点Ti的位置坐标，即为给该负荷片区供电的变电站的站址，再确定该变电站的总供电距离；
步骤E、从电网中除去已完成分片的负荷节点，重复步骤C和D；
步骤F、先循环重复步骤E，直至所有负荷节点完成分片，得到n个变电站的供电距离和变电容量，然后根据供电距离和变电容量计算该选址方案的输变电工程建设和运维费用；
步骤G、设定新建变电站的数量n为nmin+1，重复步骤B-F；
步骤H、循环重复步骤G，直至n＝nmax+1，得到各方案的输变电工程建设和运维费用，其中，nmax为新建变电站的最大座数；
步骤I、选择输变电工程建设和运维费用最小的方案作为最终的变电站选址方案。
2.根据权利要求1所述的一种基于重心回归算法的变电站选址方法，其特征在于：
所述新建变电站的最小座数nmin、最大座数nmax采用以下公式计算得到：
Figure FDA0002616348530000011
Figure FDA0002616348530000012
上式中，PLj为第j个负荷节点的负荷大小，J为电网中新增负荷节点的集合，
Figure FDA0002616348530000013
为新增总负荷，Smax、Smin分别为单个变电站的最大、最小变电容量，emax、emin分别为变压器在最大、最小变电容量时的负载率，cosφ为功率因数。
3.根据权利要求2所述的一种基于重心回归算法的变电站选址方法，其特征在于：
步骤B中，所述负荷中心P0的位置坐标(X0,Y0)采用以下公式计算得到：
Figure FDA0002616348530000021
Figure FDA0002616348530000022
上式中，(XLj,YLj)为第j个负荷节点的位置坐标。
4.根据权利要求3所述的一种基于重心回归算法的变电站选址方法，其特征在于：
步骤C中，所述负荷节点PLt与负荷中心P0的距离dt采用以下公式计算得到：
Figure FDA0002616348530000023
所述负荷片区中的M个负荷节点的负荷之和不超过单个变电站的变电容量：
Figure FDA0002616348530000024
Figure FDA0002616348530000025
上式中，Si为给第i个负荷片区供电的变电站的变电容量，PLm为负荷片区中第m个负荷节点的负荷大小，m＝1,2,...M，ei为第i个负荷片区的变压器负载率，i＝1,2,...n。
5.根据权利要求4所述的一种基于重心回归算法的变电站选址方法，其特征在于：
步骤C中，所述形成负荷片区的过程中，若该负荷片区的最后一个负荷节点PLs，使得
Figure FDA0002616348530000026
则将该负荷节点分成两个具有相同位置坐标的负荷节点PLs1、PLs2，将负荷节点PLs1分入该负荷片区中，并将负荷节点PLs2作为一个新的负荷节点，其中，
Figure FDA0002616348530000027
PLs1＝PLs-PLs2。
6.根据权利要求4或5所述的一种基于重心回归算法的变电站选址方法，其特征在于：
步骤D中，所述重心节点Ti的位置坐标(Xi,Yi)采用以下公式计算得到：
Figure FDA0002616348530000031
Figure FDA0002616348530000032
上式中，(XLm,YLm)为负荷片区中第m个负荷节点的位置坐标；
所述变电站的总供电距离di采用以下公式计算得到：
Figure FDA0002616348530000033
Figure FDA0002616348530000034
7.根据权利要求1-5中任一项所述的一种基于重心回归算法的变电站选址方法，其特征在于：
步骤F中，所述输变电工程建设和运维费用C采用以下公式计算得到：
C＝C1+C2
上式中，C1为变电站的建设和运维费用，C2为负荷供电线路的建设和运维费用。
CN202010770372.8A 2020-08-04 2020-08-04 一种基于重心回归算法的变电站选址方法 Active CN112070350B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010770372.8A CN112070350B (zh) 2020-08-04 2020-08-04 一种基于重心回归算法的变电站选址方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010770372.8A CN112070350B (zh) 2020-08-04 2020-08-04 一种基于重心回归算法的变电站选址方法

Publications (2)

Publication Number Publication Date
CN112070350A CN112070350A (zh) 2020-12-11
CN112070350B true CN112070350B (zh) 2022-11-22

Family

ID=73656973

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010770372.8A Active CN112070350B (zh) 2020-08-04 2020-08-04 一种基于重心回归算法的变电站选址方法

Country Status (1)

Country Link
CN (1) CN112070350B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112070351A (zh) * 2020-08-04 2020-12-11 国家电网有限公司 一种基于重心回归和粒子群混合算法的变电站优化选址方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521509B (zh) * 2011-12-13 2014-09-24 重庆市电力公司万州供电局 采用改进迭代算法实现配电变压器优化选址的方法
CN110728394A (zh) * 2019-04-24 2020-01-24 内蒙古电力（集团）有限责任公司内蒙古电力经济技术研究院分公司 一种考虑潮流分布的高压变电站规划方法
CN110619454B (zh) * 2019-08-09 2022-11-29 东北大学 一种基于改进遗传算法和prim算法的配电网规划方法

Also Published As

Publication number Publication date
CN112070350A (zh) 2020-12-11

Similar Documents

Publication Publication Date Title
Luo et al. Joint planning of distributed generation and electric vehicle charging stations considering real-time charging navigation
Pal et al. Placement of public fast-charging station and solar distributed generation with battery energy storage in distribution network considering uncertainties and traffic congestion
Afzalan et al. Optimal placement and sizing of DG in radial distribution networks using SFLA
Hubble et al. Scaling renewable energy based microgrids in underserved communities: Latin America, South Asia, and Sub-Saharan Africa
Ghadimi et al. PSO based fuzzy stochastic long-term model for deployment of distributed energy resources in distribution systems with several objectives
Kumar et al. A multiobjective planning framework for EV charging stations assisted by solar photovoltaic and battery energy storage system in coupled power and transportation network
CN104836256A (zh) 一种配电网光伏消纳能力计算的方法及系统
CN112070350B (zh) 一种基于重心回归算法的变电站选址方法
Sanchis et al. The Corridors of Power: A Pan-European\" Electricity Highway\" System for 2050
CN110322038B (zh) 基于中尺度数据的风机自动排布的方法和设备
CN111162517B (zh) 计及源荷相关性含电动汽车的分布式电源选址定容方法
Tayyab et al. Infrastructure linking for placement of Charging stations using Monte Carlo simulation
CN104239589A (zh) 一种配电网业扩报装智能分析系统的实现方法
Rajalakshmi et al. Application of multi-objective optimization algorithm for siting and sizing of distributed generations in distribution networks
Cortés-Caicedo et al. Optimization of BESS placement, technology selection, and operation in microgrids for minimizing energy losses and CO2 emissions: A hybrid approach
CN113762724A (zh) 一种基于bim技术协同设计和管理输变电工程的方法
JP7313300B2 (ja) 分散リソース管理装置および分散リソース管理方法
CN113222472A (zh) 基于负荷聚类算法的配电网网格优化划分方法及系统
Mejia et al. A stochastic model for medium-term distribution system planning considering CO 2 emissions
Paleba et al. Optimal placement and sizing distributed wind generation using particle swarm optimization in distribution system
Fardinfar et al. Optimal placement of D-STATCOM and PV solar in distribution system using probabilistic load models
CN110728006B (zh) 一种基于网格的供电单元自动划分方法
CN112070351A (zh) 一种基于重心回归和粒子群混合算法的变电站优化选址方法
Liu et al. Comparison of multi-area reactive power optimization parallel algorithm based on Ward and REI equivalent
Alipour et al. An efficient optimization framework for distribution network planning by simultaneous allocation of photovoltaic distributed generations and transformers

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