CN112347694A - 含洋流-海上风电-潮汐流发电的海岛微网电源规划方法 - Google Patents

Abstract

本发明公开了含洋流‑海上风电‑潮汐流发电的海岛微网电源规划方法。考虑投资运维成本、失负荷惩罚成本、弃电成本和运行成本，建立了海岛微电网中洋流、潮汐流和风力发电布局协调优化的规划模型；在模型中，考虑三种能源场站公共集电系统的设计方案，提出海岛微网可再生能源场站集电系统拓扑协调配置方法；基于洋流‑风电‑潮汐流出力场景进行洋流发电机、潮汐流发电机、风电发电机的布局优化，规划模型通过遗传算法进行求解，具有较好的通用性，便于推广应用。本发明能够对含大规模海洋可再生能源的微电网进行场站布局优化，节省含大规模海洋可再生能源的微电网的建设和运行成本。

Description

含洋流-海上风电-潮汐流发电的海岛微网电源规划方法

技术领域

本发明涉及电气工程领域，具体涉及含洋流-海上风电-潮汐流发电的海岛微网电源规划方法。

背景技术

海岛的发展有赖于可靠稳定的能源供给。在其主要的海岛供电方式中，柴油发电机属于火电范畴，存在燃料成本较高、温室气体排放、破坏海岛环境等一系列缺点，尤其是它对于燃料的外部补给具有较为苛刻的要求，对海岛来说颇为困难；而风电、光伏又受制于其出力波动性和间歇性，难以较好地控制调度。大部分海岛通常面积不大，可用土地资源紧张，而其四周的海洋则亟待开发，因此综合利用海上能源构建海岛独立微电网，以解决海岛供电问题，免于占用岛上陆地资源，并节省燃料购买和运输成本，是一种顺理成章的思路。

目前在海岛供电场景中应用最广的是海上风电，而在海上可利用的能源中，潮汐流、洋流发电具有相对最稳定的出力，对持续供电冲击最小。由于洋流、潮汐流本身流速相对平缓，位于海平面以下，且三者发电的作用机理同为旋转电机提取流体动能发电，因此在实际应用中洋流与海上风电、潮汐流协同发电可以更好地供给海岛负荷。不同形式的海洋可再生能源组成微电网，需要综合考虑各能源场站的特性进行规划。

因此，本发明公开了含洋流-海上风电-潮汐流发电的海岛微网电源规划方法，能够对含大规模海洋可再生能源的微电网进行场站布局优化，节省含大规模海洋可再生能源的微电网的建设和运行成本。

发明内容

针对现有技术存在的不足之处，本发明采用了以下技术方案：

含洋流-海上风电-潮汐流发电的海岛微网电源规划方法，包括：

S1、建立规划模型，规划模型的目标函数如下

minF＝C_inv+C_ENS+C_cab+C_gen

式中，C_inv为全部机组投资运维成本，C_ENS为削负荷成本，C_cab为集电系统成本，C_gen为发电燃料成本；

规划模型的约束条件如下

N_all＝N_oc+N_tc+N_w

式中，N_oc、N_tc、N_w分别为待建的洋流发电机、潮汐流发电机、风电发电机的数量，N_all为发电机总数；(x_j,y_j,z_j)表示待建的第j台发电机的坐标，(x_down,y_down,z_down)、(x_up,y_up,z_up)分别表示规划范围的上界及下界；N_ocmax、N_tcmax、N_wmax分别为规划范围内可建的洋流发电机、潮汐流发电机、风电发电机的最大数量；P_ES(t)、P_G(t)分别为t时段储能装置和柴油发电机输出功率值，P_net(t)为t时段净负荷，L_mg(t)为t时段该海岛微电网的负荷；T为模拟的时间段，k_shed为允许切负荷比例；

S2、获取输入参数，输入参数包括洋流发电机、潮汐流发电机、风电发电机参数的容量及电气参数，还包括规划模型中各项成本参数；初始化遗传算法初始参数；设置决策变量取值范围，决策变量为洋流发电机、潮汐流发电机、风电发电机各自的建设数量及坐标；

设置编码长度、种群个体数量、最大进化代数、交叉率、变异率、终止条件等遗传算法初始参数，以及决策变量的取值范围；

S3、获取规划范围发电资源场景信息；

S4、随机生成初始种群；

S5、基于输入参数及规划范围发电资源场景信息，评估各个体所代表方案的适应度f_fit并基于适应度f_fit进行选择操作；

S6、针对种群所有个体进行交叉和变异操作，形成新种群，种群进化代数值加1；

S7、根据终止条件判断收敛，若不收敛，将新种群返回步骤S5进行评估和选择操作；若收敛，则保留母代种群中的个体，根据适应度值输出为最终的布局结果。

优选地，步骤S1中：

式中，C_oc,1、C_tc,1、C_w,1分别为洋流发电机、潮汐流发电机、风电发电机的单位投资成本，C_oc,m、C_tc,m、C_w,m分别为洋流发电机、潮汐流发电机、风电发电机的单位维护成本；k_oc,m、k_tc,m、k_w,m分别为洋流发电机、潮汐流发电机、风电发电机的维护成本系数，λ_oc,m、λ_tc,m、λ_w,m分别为洋流发电机、潮汐流发电机、风电发电机的年运行维护率；C_punish为单位惩罚成本；τ表示利率；C_a、C_b、C_c均表示发电机发电费用的成本系数。

优选地，规划模型包括子微电网调度子问题和集电系统协调配置子问题，其中：

微电网调度子问题的目标函数如下

式中，T₁为调度周期；

微电网调度子问题的约束条件包括：

P_Gmin≤P_G(t)≤P_Gmax

-r_down≤P_G(t+1)-P_G(t)≤r_up

0≤P_es(t)≤P_esmax

SOC(t+1)＝SOC(t)+P_es(t)Δt

SOC_min≤SOC(t)≤SOC_max

P_G(t)+P_es(t)＝P_net(t)

式中，P_G(t)为t时段柴油发电机出力，P_Gmin与P_Gmax分别表示单位时段柴油发电机出力下限及上限，P_es(t)为t时段储装置能交换功率，P_es(t)为正表示放电，P_es(t)为负表示充电，P_esmax为t时段储装置最大能交换功率；r_down、r_up为上下爬坡率，SOC(t)为t时段储能装置荷电状态，SOC_min与SOC_max分别表示储能装置最大荷电量与最小荷电量；W_fuelmax为从燃料角度考虑的发电量上限；Δt表示调度中选取的时段长度；

集电系统协调配置子问题的如下

式中，C_cab,inv为集电系统投资成本，C_cab,main为集电系统维护成本，C_found为固定或浮动汇流平台的成本，C_bus为汇流母线建设成本，C_cab,loss为电缆传输网损，其中

C_cab,main＝λ_cab,mainC_ins

式中，N_all表示机组总数；l_j表示第j台发电机对应连接的电缆长度，z_j表示第j台发电机所在位置海水深度，k_trans表示电缆在不同场站发电机之间互联时所需的成本系数，C_ins表示单位长度电缆的安装成本，C_purc,j表示第j台发电机对应电缆的购买成本，u_i,j表示第i台发电机是否连接电缆到第j台发电机的变量，不相连时u_i,j为0，连接时u_i,j为1；；λ_cab,main表示电缆的维修成本因子；汇流平台成本包括平台建设成本及共用额外变压成本，共用额外变压成本包括连接不同能源机组的电缆接入汇流平台所需的额外成本，C_fd,1为平台建设单价，n_oc,fd为洋流发电所需建设的平台数，u_j为第j台发电机的不同能源指示变量，当第j台发电机对应的电缆连接不同能源的发电机时u_j为1；C_tran,1为单位共用变压成本；C_loss,unit表示电缆单位损耗成本，I_rated,c表示电缆额定电流，P_rated,tb,j表示第j台发电机额定功率，R_l表示电缆单位阻抗；

集电系统协调配置子问题的约束条件包括

式中，P_rated,c表示电缆额定传输容量，(A_i,B_i)表示第i个发电机所对应电缆的始末坐标，N_OCT表示洋流发电机的建设总数。

综上所述，与现有技术相比，本发明考虑投资运维成本、失负荷惩罚成本、弃电成本和运行成本，建立海岛微电网中洋流、潮汐流和风力发电布局协调优化的双层模型；在模型中，考虑三种能源场站公共集电系统的设计方案，提出海岛微网可再生能源场站集电系统拓扑协调配置方法；利用Copula函数分析洋流、海上风电、潮汐流输出功率之间的相关性，考虑相关性和空间特性生成洋流-风电-潮汐流出力场景用于布局优化。能够对含大规模海洋可再生能源的微电网进行场站布局优化，节省含大规模海洋可再生能源的微电网的建设和运行成本。

附图说明

为了使发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1是本发明中洋流-海上风电-潮汐流发电场站的集电系统结构；

图2是本发明中海岛微网立体协调布局优化的遗传算法求解流程；

图3(a)-(d)分别是本发明下述实施例中场景1-4优化得到的机组电缆拓扑结构图。

具体实施方式

下面结合附图对本发明作进一步的详细说明。

本发明公开了含洋流-海上风电-潮汐流发电的海岛微网电源规划方法，包括：

S1、建立规划模型，规划模型的目标函数如下

minF＝C_inv+C_ENS+C_cab+C_gen

式中，C_inv为全部机组投资运维成本，C_ENS为削负荷成本，C_cab为集电系统成本，C_gen为发电燃料成本；

规划模型的约束条件如下

N_all＝N_oc+N_tc+N_w

式中，N_oc、N_tc、N_w分别为待建的洋流发电机、潮汐流发电机、风电发电机的数量，N_all为发电机总数；(x_j,y_j,z_j)表示待建的第j台发电机的坐标，(x_down,y_down,z_down)、(x_up,y_up,z_up)分别表示规划范围的上界及下界；N_ocmax、N_tcmax、N_wmax分别为规划范围内可建的洋流发电机、潮汐流发电机、风电发电机的最大数量；P_ES(t)、P_G(t)分别为t时段储能装置和柴油发电机输出功率值，P_net(t)为t时段净负荷，L_mg(t)为t时段该海岛微电网的负荷；T为模拟的时间段，k_shed为允许切负荷比例；

S2、获取输入参数，输入参数包括洋流发电机、潮汐流发电机、风电发电机参数的容量及电气参数，还包括规划模型中各项成本参数；初始化遗传算法初始参数；设置决策变量取值范围，决策变量为洋流发电机、潮汐流发电机、风电发电机各自的建设数量及坐标；

设置编码长度、种群个体数量、最大进化代数、交叉率、变异率、终止条件等遗传算法初始参数，以及决策变量的取值范围；

S3、获取规划范围发电资源场景信息；

S4、随机生成初始种群；

S5、基于输入参数及规划范围发电资源场景信息，评估各个体所代表方案的适应度f_fit并基于适应度f_fit进行选择操作；

本发明中，根据输入的参数和生成的场景，计及上述所有约束对种群内的个体进行调度，统计其经济性指标，记录其失负荷量、各机组出力、系统成本等指标用于分析；对于违背约束的个体，加入惩罚成本后计入适应度值的计算；最终，可计算评估各个体所代表方案的适应度。

本发明中，可考虑各自然资源相关性，生成可再生能源流速及出力场景(规划范围发电资源场景信息)。考虑方式如下：

采用Copula函数连接三个场站(洋流场站、潮汐流场站、风电场站)两两之间的联合分布和它们各自的边缘分布，在本发明中，由于Frank Copula函数对具有正负相关特性的边缘分布均有较好的连接效果，故选择Frank Copula作为连接三种能源出力概率分布的Copula函数；

采用Kendall秩相关系数作为度量两两场站出力相关性的指标，其表征序列变量大小上的序数关系。当(v₁(a),v₂(a))、(v₁(b),v₂(b))为(v₁,v₂)分别在(a,b)上的两组取值时，定义(v₁,v₂)的Kendall秩相关系数为

K_d＝P{(v₁(a)-v₁(b))(v₂(a)-v₂(b))＞0}-P{(v₁(a)-v₁(b))(v₂(a)-v₂(b))＜0}

式中，K_d取值范围为K_d∈[-1,1]；a,b为v₁,v₂函数的任意两个样本点，P{}指计算概率。

在实际计算中，对于三维序列进行相关性度量会得到三阶相关系数矩阵，即Kendall矩阵，描述为：

式中，K_d12＝K_d21表示第一维变量和第二维变量的秩相关系数，其余类同。

S6、针对种群所有个体进行交叉和变异操作，形成新种群，种群进化代数值加1；

S7、根据终止条件判断收敛，若不收敛，将新种群返回步骤S5进行评估和选择操作；若收敛，则保留母代种群中的个体，根据适应度值输出为最终的布局结果。

如图2所示，本发明采用遗传算法求解，得到最终的布局结果，因为遗传算法为现有算法，因此，本发明中未对遗传算法的具体步骤进行详细描述。

具体实施时，步骤S1中：

式中，C_oc,1、C_tc,1、C_w,1分别为洋流发电机、潮汐流发电机、风电发电机的单位投资成本，C_oc,m、C_tc,m、C_w,m分别为洋流发电机、潮汐流发电机、风电发电机的单位维护成本；k_oc,m、k_tc,m、k_w,m分别为洋流发电机、潮汐流发电机、风电发电机的维护成本系数，λ_oc,m、λ_tc,m、λ_w,m分别为洋流发电机、潮汐流发电机、风电发电机的年运行维护率；C_punish为单位惩罚成本；τ表示利率；C_a、C_b、C_c均表示发电机发电费用的成本系数。

发电机发电费用的成本系数中的发电机为常规的火力发电机。

具体实施时，在步骤S5中，为了确定常规机组及储能分时出力，规划模型包括子微电网调度子问题和集电系统协调配置子问题，其中：

微电网调度子问题的目标函数如下

式中，T₁为调度周期；

微电网调度子问题的约束条件包括：

P_Gmin≤P_G(t)≤P_Gmax

-r_down≤P_G(t+1)-P_G(t)≤r_up

0≤P_es(t)≤P_esmax

SOC(t+1)＝SOC(t)+P_es(t)Δt

SOC_min≤SOC(t)≤SOC_max

P_G(t)+P_es(t)＝P_net(t)

式中，P_G(t)为t时段柴油发电机出力，P_Gmin与P_Gmax分别表示单位时段柴油发电机出力下限及上限，P_es(t)为t时段储装置能交换功率，P_es(t)为正表示放电，P_es(t)为负表示充电，P_esmax为t时段储装置最大能交换功率；r_down、r_up为上下爬坡率，SOC(t)为t时段储能装置荷电状态，SOC_min与SOC_max分别表示储能装置最大荷电量与最小荷电量；W_fuelmax为从燃料角度考虑的发电量上限；Δt表示调度中选取的时段长度；在海岛微网中，由于常规机组燃料供应难度较大，这里对调度周期内柴油机发电最大值作出限制。

在步骤S5中，涉及的可靠性和经济性指标计算中，总成本包含了集电系统的成本，而集电系统由机组布局位置确定之后通过优化得到，集电系统协调配置子问题的如下

式中，C_cab,inv为集电系统投资成本，C_cab,main为集电系统维护成本，C_found为固定或浮动汇流平台的成本，C_bus为汇流母线建设成本，C_cab,loss为电缆传输网损，其中

C_cab,main＝λ_cab,mainC_ins

式中，N_all表示机组总数；l_j表示第j台发电机对应连接的电缆长度，z_j表示第j台发电机所在位置海水深度，k_trans表示电缆在不同场站发电机之间互联时所需的成本系数，C_ins表示单位长度电缆的安装成本，C_purc,j表示第j台发电机对应电缆的购买成本，u_i,j表示第i台发电机是否连接电缆到第j台发电机的变量，不相连时u_i,j为0，连接时u_i,j为1；；λ_cab,main表示电缆的维修成本因子；汇流平台成本包括平台建设成本及共用额外变压成本，共用额外变压成本包括连接不同能源机组的电缆接入汇流平台所需的额外成本，C_fd,1为平台建设单价，n_oc,fd为洋流发电所需建设的平台数(考虑到洋流可能排布多层)，u_j为第j台发电机的不同能源指示变量，当第j台发电机对应的电缆连接不同能源的发电机时u_j为1；C_tran,1为单位共用变压成本；C_loss,unit表示电缆单位损耗成本，I_rated,c表示电缆额定电流，P_rated,tb,j表示第j台发电机额定功率，R_l表示电缆单位阻抗；

集电系统协调配置子问题的约束条件包括

式中，P_rated,c表示电缆额定传输容量，(A_i,B_i)表示第i个发电机所对应电缆的始末坐标，N_OCT表示洋流发电机的建设总数。

由于在本发明所示海岛微电网规划中，求解系统总成本需要考虑发电、集电系统的成本，而集电的配置方案和成本需要基于机组布局方案进行确定，此外针对每一种机组布局优化方案均有对应的调度策略需要确定，因此微电网调度子问题和集电系统协调配置子问题属于本发明的规划方法对应模型的两个下层子问题，在求解主问题时将其与下层子问题迭代，以得到优化的解。

在步骤S5涉及的适应度值f_fit计算中，考虑优化模型求的是总成本最小值，而遗传算法通常求取适应度最大的个体，因此定义适应函数为f_fit＝M-F，其中M为很大的正数，F为染色体对应的目标函数值。

综上所述，本发明考虑投资运维成本、失负荷惩罚成本、弃电成本和运行成本，建立海岛微电网中洋流、潮汐流和风力发电布局协调优化的双层模型；在模型中，考虑三种能源场站公共集电系统的设计方案，提出海岛微网可再生能源场站集电系统拓扑协调配置方法；利用Copula函数分析洋流、海上风电、潮汐流输出功率之间的相关性，考虑相关性和空间特性生成洋流-风电-潮汐流出力场景用于布局优化。完整的优化模型通过遗传算法进行求解。本发明具有较好的通用性，便于推广应用。

如图1所示，以一个孤岛微网系统为例模拟海岛微网，该微网系统含有2台柴油机及相应电池储能装置。负荷参数采用负荷曲线表示，峰荷为450kW。储能容量为200kWh，最大充放功率为40kW，效率为0.9，最大荷电状态为0.9，最小荷电状态为0.3；柴油机参数如下表1所示。

表1微网柴油机参数

本实施例中，待规划的发电机均根据微网算例实际规模选用测试级别的中小型机组，洋流、风电、潮汐流发电机的参数分别如下表2所示。

表2待规划发电机参数

待规划的海底电缆参数如下表3所示。

表3待规划电缆参数

布局海域设为100m×100m×100m，机组间距设置为25m。在实施例所设置的下述场景中，场景1为基本场景，其余场景与场景1对比研究，各场景设置如下：

场景1：考虑洋流、潮汐、风电之间的相关性，并对三者的发电系统和集电系统进行协调布局，作为基本场景；

场景2：仅规划风电和潮汐流机组，不规划洋流机组；

场景3：仅规划洋流机组，不规划风电和潮汐流机组；

场景4：洋流、风电、潮汐流机组均可装设，但对三者的集电系统分别布局。

针对该实施例，应用本发明相应的含洋流-海上风电-潮汐流发电的海岛微网电源规划方法进行规划，所得到的规划指标结果如表4所示，规划的发电机及电缆拓扑结构如图3所示。

表4本发明对应实施例的优化结果指标对比

从表4中看出，将洋流发电和海上风电、潮汐流发电一同引入海岛微网规划方案，在成本上优于只规划洋流、或不规划洋流的场景；并且，场景1中三种能源协同供电的方案，其降低成本的途径主要是减少了失负荷量及其付出的失负荷惩罚成本，以及降低了柴油机发电消耗的成本，说明协同供电对于提高系统可靠性和降低排放量均有优势。

此外，对比表4中场景1和场景4的结果，可以看出，对三者的集电系统布局进行协调优化的方法，在结果成本上优于分开优化，证明了公共集电系统方案对于节省运行成本具有潜在的实用价值。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管通过参照本发明的优选实施例已经对本发明进行了描述，但本领域的普通技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离所附权利要求书所限定的本发明的精神和范围。

Claims (3)

1.含洋流-海上风电-潮汐流发电的海岛微网电源规划方法，其特征在于，包括：

S1、建立规划模型，规划模型的目标函数如下

minF＝C_inv+C_ENS+C_cab+C_gen

式中，C_inv为全部机组投资运维成本，C_ENS为削负荷成本，C_cab为集电系统成本，C_gen为发电燃料成本；

规划模型的约束条件如下

N_all＝N_oc+N_tc+N_w

式中，N_oc、N_tc、N_w分别为待建的洋流发电机、潮汐流发电机、风电发电机的数量，N_all为发电机总数；(x_j,y_j,z_j)表示待建的第j台发电机的坐标，(x_down,y_down,z_down)、(x_up,y_up,z_up)分别表示规划范围的上界及下界；N_ocmax、N_tcmax、N_wmax分别为规划范围内可建的洋流发电机、潮汐流发电机、风电发电机的最大数量；P_ES(t)、P_G(t)分别为t时段储能装置和柴油发电机输出功率值，P_net(t)为t时段净负荷，L_mg(t)为t时段该海岛微电网的负荷；T为模拟的时间段，k_shed为允许切负荷比例；

S2、获取输入参数，输入参数包括洋流发电机、潮汐流发电机、风电发电机参数的容量及电气参数，还包括规划模型中各项成本参数；初始化遗传算法初始参数；设置决策变量取值范围，决策变量为洋流发电机、潮汐流发电机、风电发电机各自的建设数量及坐标；

设置遗传算法初始参数，以及决策变量的取值范围；

S3、获取规划范围发电资源场景信息；

S4、随机生成初始种群；

S5、基于输入参数及规划范围发电资源场景信息，评估各个体所代表方案的适应度f_fit并基于适应度f_fit进行选择操作；

S6、针对种群所有个体进行交叉和变异操作，形成新种群，种群进化代数值加1；

S7、根据终止条件判断收敛，若不收敛，将新种群返回步骤S5进行评估和选择操作；若收敛，则保留母代种群中的个体，根据适应度值输出为最终的布局结果。

2.如权利要求1所述的含洋流-海上风电-潮汐流发电的海岛微网电源规划方法，其特征在于，步骤S1中：

式中，C_oc,1、C_tc,1、C_w,1分别为洋流发电机、潮汐流发电机、风电发电机的单位投资成本，C_oc,m、C_tc,m、C_w,m分别为洋流发电机、潮汐流发电机、风电发电机的单位维护成本；k_oc,m、k_tc,m、k_w,m分别为洋流发电机、潮汐流发电机、风电发电机的维护成本系数，λ_oc,m、λ_tc,m、λ_w,m分别为洋流发电机、潮汐流发电机、风电发电机的年运行维护率；C_punish为单位惩罚成本；τ表示利率；C_a、C_b、C_c均表示发电机发电费用的成本系数。

3.如权利要求2所述的含洋流-海上风电-潮汐流发电的海岛微网电源规划方法，其特征在于，规划模型包括子微电网调度子问题和集电系统协调配置子问题，其中：

微电网调度子问题的目标函数如下

式中，T₁为调度周期；

微电网调度子问题的约束条件包括：

P_Gmin≤P_G(t)≤P_Gmax

-r_down≤P_G(t+1)-P_G(t)≤r_up

0≤P_es(t)≤P_esmax

SOC(t+1)＝SOC(t)+P_es(t)Δt

SOC_min≤SOC(t)≤SOC_max

P_G(t)+P_es(t)＝P_net(t)

式中，P_G(t)为t时段柴油发电机出力，P_Gmin与P_Gmax分别表示单位时段柴油发电机出力下限及上限，P_es(t)为t时段储装置能交换功率，P_es(t)为正表示放电，P_es(t)为负表示充电，P_esmax为t时段储装置最大能交换功率；r_down、r_up为上下爬坡率，SOC(t)为t时段储能装置荷电状态，SOC_min与SOC_max分别表示储能装置最大荷电量与最小荷电量；W_fuelmax为从燃料角度考虑的发电量上限；Δt表示调度中选取的时段长度；

集电系统协调配置子问题的如下

式中，C_cab,inv为集电系统投资成本，C_cab,main为集电系统维护成本，C_found为固定或浮动汇流平台的成本，C_bus为汇流母线建设成本，C_cab,loss为电缆传输网损，其中

C_cab,main＝λ_cab,mainC_ins

式中，N_all表示机组总数；l_j表示第j台发电机对应连接的电缆长度，z_j表示第j台发电机所在位置海水深度，k_trans表示电缆在不同场站发电机之间互联时所需的成本系数，C_ins表示单位长度电缆的安装成本，C_purc,j表示第j台发电机对应电缆的购买成本，u_i,j表示第i台发电机是否连接电缆到第j台发电机的变量，不相连时u_i,j为0，连接时u_i,j为1；；λ_cab,main表示电缆的维修成本因子；汇流平台成本包括平台建设成本及共用额外变压成本，共用额外变压成本包括连接不同能源机组的电缆接入汇流平台所需的额外成本，C_fd,1为平台建设单价，n_oc,fd为洋流发电所需建设的平台数，u_j为第j台发电机的不同能源指示变量，当第j台发电机对应的电缆连接不同能源的发电机时u_j为1；C_tran,1为单位共用变压成本；C_loss,unit表示电缆单位损耗成本，I_rated,c表示电缆额定电流，P_rated,tb,j表示第j台发电机额定功率，R_l表示电缆单位阻抗；

集电系统协调配置子问题的约束条件包括

式中，P_rated,c表示电缆额定传输容量，(A_i,B_i)表示第i个发电机所对应电缆的始末坐标，N_OCT表示洋流发电机的建设总数。

Images