CN112650888B - 一种基于图论的区域综合能源系统选址规划方法及系统 - Google Patents

一种基于图论的区域综合能源系统选址规划方法及系统 Download PDF

Info

Publication number
CN112650888B
CN112650888B CN202011565673.3A CN202011565673A CN112650888B CN 112650888 B CN112650888 B CN 112650888B CN 202011565673 A CN202011565673 A CN 202011565673A CN 112650888 B CN112650888 B CN 112650888B
Authority
CN
China
Prior art keywords
cost
energy
site selection
minimum
candidate
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
CN202011565673.3A
Other languages
English (en)
Other versions
CN112650888A (zh
Inventor
李珂
曲超
张承慧
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.)
Shandong University
Original Assignee
Shandong University
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 Shandong University filed Critical Shandong University
Priority to CN202011565673.3A priority Critical patent/CN112650888B/zh
Publication of CN112650888A publication Critical patent/CN112650888A/zh
Application granted granted Critical
Publication of CN112650888B publication Critical patent/CN112650888B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Software Systems (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于图论的区域综合能源系统选址规划方法及系统，其技术方案为：包括获取站址选址的影响因素，对影响因素进行量化处理；根据量化的影响因素对各个候选地址进行评分，以选择候选能源站；构建赋权网络，将综合能源系统网络转化为图论模型；基于负荷中心与能源站之间的赋权距离之和最小思想，并使用多源最短路和最小生成树算法求解选址方案；计算选址方案总成本，在候选站址添加储能中心；迭代计算直到求出最小总成本。本发明能够实现区域综合能源系统能源站址规划以及储能装置在配网关键节点中的能量需求，提高了结果可靠性。

Description

一种基于图论的区域综合能源系统选址规划方法及系统
技术领域
本发明涉及区域综合能源系统的规划技术领域，尤其涉及一种基于图论的区域综合能源系统选址规划方法及系统。
背景技术
作为能源互联网的重要物理载体，区域综合能源系统(Regional IntegratedEnergy System,RIES)通过耦合电力、天然气、热冷等系统，实现了多能优势互补并可促进可再生能源的消纳，已经成为提高能源利用效率、应对能源危机的重要途径。目前，关于区域综合能源系统中的设备容量规划和考虑RIES的配电网扩展规划已经有较多的研究，而针对含储能设备的RIES能源站的数量、位置及供能管线布局规划的研究较少。因而研究科学合理的RIES能源站和储能中心的位置及供能管线布局规划方法，对于保障后期RIES建设的可靠性、优化运行成本、实现最大经济收益是非常必要的。
目前对于区域综合能源系统选址规划问题较成熟的方法，多集中于使用混合整数规划、遗传算法、博弈论等方法进行建模求解。然而这些传统算法方法往往时间复杂度较高，计算时间长，且很少考虑储能设备的容量配置和选址规划。
发明内容
针对现有技术存在的不足，本发明的目的是提供一种基于图论的区域综合能源系统选址规划方法及系统，能够实现区域综合能源系统能源站址规划以及储能装置在配网关键节点中的能量需求，提高了结果可靠性。
为了实现上述目的，本发明是通过如下的技术方案来实现：
第一方面，本发明的实施例提供了一种基于图论的区域综合能源系统选址规划方法，包括：
获取站址选址的影响因素，对影响因素进行量化处理；
根据量化的影响因素对各个候选地址进行评分，以选择候选能源站；
构建赋权网络，将综合能源系统网络转化为图论模型；
基于负荷中心与能源站之间的赋权距离之和最小思想，并使用多源最短路和最小生成树算法求解选址方案；
计算选址方案总成本，在候选站址添加储能中心；迭代计算直到求出最小总成本。
作为进一步的实现方式，将影响因素按其重要程度给设定的比重因子，为规划区域各选址方案中各影响因素给予评价值；之后对这些因素赋予不同权重进行量化处理。
作为进一步的实现方式，区域综合能源系统能源站选址过程中，需要考虑能源站的建设费用。
作为进一步的实现方式，先利用最短路径算法处理数据，求出各个候选地址间的最小能距；之后利用最小生成树算法求解选址方案。
作为进一步的实现方式，采用并查集对最小生成树算法的顶点所属查询以及树的合并操作进行优化。
作为进一步的实现方式，选址方案总成本分为输电管网投资费用模型、供热管网投资费用模型、能源站造价模型和储能中心成本。
作为进一步的实现方式，根据已知各个候选站址以及区域道路规划情况构建赋权网络。
第二方面，本发明实施例还提供了一种基于图论的区域综合能源系统选址规划系统，包括：
影响因素处理模块，被配置为：获取站址选址的影响因素，对影响因素进行量化处理；
候选能源站选择模块，被配置为：根据量化的影响因素对各个候选地址进行评分，以选择候选能源站；
图论模型转化模块，被配置为：构建赋权网络，将综合能源系统网络转化为图论模型；
选址方案求解模块，被配置为：基于负荷中心与能源站之间的赋权距离之和最小思想，并使用多源最短路和最小生成树算法求解选址方案；
最小总成本获取模块，被配置为：计算选址方案总成本，在候选站址添加储能中心；迭代计算直到求出最小总成本。
第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的基于图论的区域综合能源系统选址规划方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的基于图论的区域综合能源系统选址规划方法。
上述本发明的实施例的有益效果如下：
(1)本发明的一个或多个实施方式采用图论方法，建立了区域综合能源系统的能源站-负荷中心-储能装置-配电管网模型，所涉及的分布式能源站、储能中心、负荷区就是图的节点，所有可能输送调运的管网就构成了图的边，从而使得网内冷、热、电等各种能流可以灵活输配与调度；该模型与传统数学模型相比，简单直观易于理解，便于仿真调试及修改；
(2)本发明的一个或多个实施方式使用的相关图论算法有最小生成树和单源/多源最短路，它们均能够在多项式时间复杂度内求出结果，与传统方法相比计算速度具有较大的提升空间；
(3)本发明的一个或多个实施方式选址规划中考虑了包含储能设备的区域综合能源系统，方法更具有通用性且结果可靠性更高。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明根据一个或多个实施方式的城市道路和RIES拓扑示意图；
图2是本发明根据一个或多个实施方式的模型求解过程的流程图；
图3是本发明根据一个或多个实施方式的求解可视化结果图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一：
本发明的实施例提供了一种基于图论的区域综合能源系统选址规划方法，通过对区域综合能源系统的实地网络拓扑结构进行分析，以系统运行总成本最小化为优化目标，可实现区域综合能源系统能源站址规划以及储能装置在配网关键节点中的能量需求；包括：
获取站址选址的影响因素，对影响因素进行量化处理；
根据量化的影响因素对各个候选地址进行评分，以选择候选能源站；
构建赋权网络，将综合能源系统网络转化为图论模型；
基于负荷中心与能源站之间的赋权距离之和最小思想，并使用多源最短路和最小生成树算法求解选址方案；
计算选址方案总成本，在候选站址添加储能中心；迭代计算直到求出最小总成本。
具体的，包括如下步骤：
步骤(1)列出影响站址选址的主要因素，包括地理位置、自然资源分布、地质条件等自然因素，以及国家政策、市政规划和环境保护要求等社会经济因素；其次，将影响因素按其重要程度给予一定的比重因子，为规划区域各选址方案中各影响因素给予评价值；最后，对这些因素赋予不同权重进行量化处理，便于进一步计算分析。
进一步的，根据方案设计阶段对于不同因素的重要程度分配优先级，优先级越高，后续量化处理分配越大的权重。
步骤(2)根据量化的影响因素，给各个候选地址进行评分，遴选合适的候选能源站；具体结果如图1所示。
步骤(3)根据已知各个候选站址以及区域道路规划情况，构建一个赋权网络，把综合能源系统网络转化为图论模型：
定义M＝{m|m＝1,2,…,m0}为负荷中心集合，N＝{n|n＝1,2,…,n0}为候选能源站集合，Q＝{q|q＝1,2,…,q0}为路网结点集合，则V＝M∪N∪Q，其中，M，N和Q为两两不相交集合；边集E＝{e(i,j)|i,j∈V}，表示顶点i和j之间的直接连通关系；权集W可以表示为：W＝{w(e(i,j))＝w(i,j)|e(i,j)∈E}，表示边e(i,j)的权重。
定义某一符合中心m的负荷需求为：PLD,m＝(PEL,m,HL,m)
其中，PEL,m和PHL,m分别为负荷中心m的电负荷和热负荷。
定义顶点i和j之间能源传输管网的造价为：Ctun,ij＝(CEP,ij,HP,ij)
式中：CEP,ij和CHP,ij分别为顶点i和j之间输电线路造价和供热管网造价。
区域综合能源系统能源站选址过程中，建设能源站的总费用会随着能源站数量和能源站总负荷的变化而变化，故在优化目标函数中需要考虑能源站的建设费用。
某一能源站n建设费用可以表示为CES,n＝f(PES,n)
其中，CES,n为能源站的建设费用；PES,n为能源站的负荷大小。
步骤(4)综合能源系统网络转化为图论模型后，利用“‘负荷中心’与‘能源站’之间的赋权距离之和最小”的思想，使用“最短路+最小生成树”算法求解该模型，首先利用最短路径算法处理数据，求出各个候选地址间的最小能距；具体流程如图2所示。
对于使用的最短路算法，本实施例采用Dijkstra算法：它典型的单源最短路径算法，用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。
问题描述(单源最短路径)：在无向图G＝(V,E)中，假设每条边E[i]的长度为w[i]，找到由顶点V0到其余各点的最短路径。
算法思想：设G＝(V,E)是一个带权有向图，把图中顶点集合V分成两组，第一组为已求出最短路径的顶点集合(用S表示，初始时S中只有一个源点，以后每求得一条最短路径,就将加入到集合S中，直到全部顶点都加入到S中，算法就结束了)，第二组为其余未确定最短路径的顶点集合(用U表示)，按最短路径长度的递增次序依次把第二组的顶点加入S中。
在加入的过程中，总保持从源点v到S中各顶点的最短路径长度不大于从源点v到U中任何顶点的最短路径长度。此外，每个顶点对应一个距离，S中的顶点的距离就是v到此顶点的最短路径长度，U中的顶点的距离，是从v到此顶点只包括S中的顶点为中间顶点的当前最短路径长度。
本实施例采用执行N次Djikstra算法的方式，来求出整张网络图中所有顶点(候选站址以及负荷中心)之间的最短路径；各个负荷中心数据如表1所示。
表1负荷数据
负荷节点 有功负荷 无功负荷 热负荷 负荷节点 有功负荷 无功负荷 热负荷
119 571 227 775 155 1108 368 80
121 1028 400 387 159 685 220 520
128 320 137 850 162 1005 400 925
132 948 418 720 170 206 100 496
135 754 340 694 174 503 185 553
140 800 284 240 179 868 362 620
143 520 226 755 183 1125 832 970
147 959 413 134 194 343 118 532
149 318 233 1145 200 1180 751 1400
151 1082 618 865 203 327 203 720
步骤(5)利用最小生成树算法求解选址方案。本实施例采用Kruskal算法：此算法可以称为“加边法”，初始最小生成树边数为0，每迭代一次就选择一条满足条件的最小代价边，加入到最小生成树的边集合里。
(a)将图1中的所有边按代价从小到大排序；
(b)将图1中的n个顶点看成独立的n棵树组成的森林；
(c)按权值从小到大选择边，所选的边连接的两个顶点ui、vi，其中ui、vi应属于两颗不同的树，则成为最小生成树的一条边，并将这两颗树合并作为一颗树。
重复(c)直到所有顶点都在一颗树内或者有n-1条边为止。
由于原算法执行时间复杂度较高，本实施例采用并查集对Kruskal算法的顶点所属查询以及树的合并操作进行优化；优化后计算效率大大提高。
步骤(6)计算选址方案总成本，开始在候选站址添加储能中心。本实施例建立的区域综合能源系统投资费用模型中，选址方案总成本分成四部分：
1)输电管网投资费用模型：输电管网的投资费用包括电缆材料费用和电缆隧道建设费用，第i段输电管网的投资费用CEP,i表示为：
CEP,i＝(cEP,line,i+cEP,pipe,i)lEP,i
其中：cEP,line,i为第i段输电管网电缆材料单价；cEP,pipe,i为第i段输电管网电缆隧道单价；lEP,i为输电线路长度；
2)供热管网投资费用模型：供热管网投资费用包括管网材料费用和管网通道建设费用，第i段供热管网投资费用(包括土建费用)CHP,i表示为：
CHP,i＝f(dHP,i)lHP,i
其中：CHP,i为第i段供热管网的投资费用；dHP,i为第i段供热管网管径；f(dHP,i)为第i段供热管网单位长度造价；lHP,i为第i段供热管网长度。
3)能源站造价模型：区域综合能源系统能源站造价包括土建费用、设备投资安装费用和运行维护费用，某一能源站初始投资费用CES,n表示为：
PEL,n为能源站n提供的电负荷；PHL,n为能源站n提供的热负荷；cES,n为满足负荷需求的能源站设备的单位容量投资成本。
4)储能中心成本：包括初期建设投资以及运行维护和报废处理费用，为便于处理将全寿命周期成本折算为年均费用：
keq＝(1+koc+kmc+kdc)kde(PfP+WfW)
其中，P和W分别为储能系统的功率和容量；fP和fW分别为与额定功率和额定容量相关的储能单位造价；koc，kmc，kdc分别为对应的储能装置运行成本、维护成本和处置成本折算系数；kde为储能装置的折旧系数。
表2系统部分常数
dHP,i 500mm
cEP,pipe,i 7000元/mm
cES,n 10000元/kW
cEP,line,i 500元/m
kde 0.05
步骤(7)重复执行步骤(4)～(6)，迭代计算直到求出最小总成本，可视化结果如图3所示。
实施例二：
本实施例提供了一种基于图论的区域综合能源系统选址规划系统，包括：
影响因素处理模块，被配置为：获取站址选址的影响因素，对影响因素进行量化处理；
候选能源站选择模块，被配置为：根据量化的影响因素对各个候选地址进行评分，以选择候选能源站；
图论模型转化模块，被配置为：构建赋权网络，将综合能源系统网络转化为图论模型；
选址方案求解模块，被配置为：基于负荷中心与能源站之间的赋权距离之和最小思想，并使用多源最短路和最小生成树算法求解选址方案；
最小总成本获取模块，被配置为：计算选址方案总成本，在候选站址添加储能中心；迭代计算直到求出最小总成本。
实施例三：
本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的基于图论的区域综合能源系统选址规划方法。
实施例四：
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的基于图论的区域综合能源系统选址规划方法。
以上实施例二-四中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (5)

1.一种基于图论的区域综合能源系统选址规划方法，其特征在于，包括：
获取站址选址的影响因素，将影响因素按其重要程度给设定的比重因子，为规划区域各选址方案中各影响因素给予评价值，对影响因素赋予不同权重进行量化处理；并根据方案设计阶段对于不同影响因素的重要程度分配优先级，优先级越高，后续量化处理分配越大的权重；
根据量化的影响因素对各个候选地址进行评分，以选择候选能源站；
根据已知各个候选站址以及区域道路规划情况，构建赋权网络，将综合能源系统网络转化为图论模型；
基于负荷中心与能源站之间的赋权距离之和最小思想，并使用多源最短路和最小生成树算法求解选址方案，为：先利用最短路径算法处理数据，求出各个候选站址和负荷中心这些候选地址间的最小能距，之后利用最小生成树算法求解选址方案；包括：
采用并查集对最小生成树算法的顶点所属查询以及树的合并操作进行优化，提高计算效率；具体的，采用Kruskal算法：Kruskal算法称为“加边法”，初始最小生成树边数为0，每迭代一次则选择一条满足条件的最小代价边，加入到最小生成树的边集合中，即：
(a)将图论模型中的所有边按代价从小到大排序；
(b)将图论模型中的n个顶点看成独立的n棵树组成的森林；
(c)按权值从小到大选择边，所选的边连接的两个顶点ui、vi,其中ui、vi应属于两颗不同的树，则成为最小生成树的一条边，并将这两颗树合并作为一颗树；
重复(c)直至所有顶点都在一颗树内或者有n-1条边为止；
计算选址方案总成本，在候选站址添加储能中心；迭代计算直到求出最小总成本；选址方案总成本分为输电管网投资费用模型、供热管网投资费用模型、能源站造价模型和储能中心成本；
所述储能中心成本包括初期建设投资以及运行维护和报废处理费用，将全寿命周期成本折算为年均费用：
keq＝(1+koc+kmc+kdc)kde(PfP+WfW)
其中，P和W分别为储能系统的功率和容量；fP和fW分别为与额定功率和额定容量相关的储能单位造价；koc，kmc，kdc分别为对应的储能装置运行成本、维护成本和处置成本折算系数；kde为储能装置的折旧系数。
2.根据权利要求1所述的一种基于图论的区域综合能源系统选址规划方法，其特征在于，区域综合能源系统能源站选址过程中，需要考虑能源站的建设费用。
3.一种基于图论的区域综合能源系统选址规划系统，其特征在于，包括：
影响因素处理模块，被配置为：获取站址选址的影响因素，将影响因素按其重要程度给设定的比重因子，为规划区域各选址方案中各影响因素给予评价值，对影响因素赋予不同权重进行量化处理；并根据方案设计阶段对于不同影响因素的重要程度分配优先级，优先级越高，后续量化处理分配越大的权重；
候选能源站选择模块，被配置为：根据量化的影响因素对各个候选地址进行评分，以选择候选能源站；
图论模型转化模块，被配置为：根据已知各个候选站址以及区域道路规划情况，构建赋权网络，将综合能源系统网络转化为图论模型；
选址方案求解模块，被配置为：基于负荷中心与能源站之间的赋权距离之和最小思想，并使用多源最短路和最小生成树算法求解选址方案，为：先利用最短路径算法处理数据，求出各个候选站址和负荷中心这些候选地址间的最小能距，之后利用最小生成树算法求解选址方案；包括：
采用并查集对最小生成树算法的顶点所属查询以及树的合并操作进行优化，提高计算效率；具体的，采用Kruskal算法：Kruskal算法称为“加边法”，初始最小生成树边数为0，每迭代一次则选择一条满足条件的最小代价边，加入到最小生成树的边集合中，即：
(a)将图论模型中的所有边按代价从小到大排序；
(b)将图论模型中的n个顶点看成独立的n棵树组成的森林；
(c)按权值从小到大选择边，所选的边连接的两个顶点ui、vi,其中ui、vi应属于两颗不同的树，则成为最小生成树的一条边，并将这两颗树合并作为一颗树；
重复(c)直至所有顶点都在一颗树内或者有n-1条边为止；
最小总成本获取模块，被配置为：计算选址方案总成本，在候选站址添加储能中心；迭代计算直到求出最小总成本；选址方案总成本分为输电管网投资费用模型、供热管网投资费用模型、能源站造价模型和储能中心成本；
所述储能中心成本包括初期建设投资以及运行维护和报废处理费用，将全寿命周期成本折算为年均费用：
keq＝(1+koc+kmc+kdc)kde(PfP+WfW)
其中，P和W分别为储能系统的功率和容量；fP和fW分别为与额定功率和额定容量相关的储能单位造价；koc，kmc，kdc分别为对应的储能装置运行成本、维护成本和处置成本折算系数；kde为储能装置的折旧系数。
4.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-2任一项所述的基于图论的区域综合能源系统选址规划方法。
5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-2任一项所述的基于图论的区域综合能源系统选址规划方法。
CN202011565673.3A 2020-12-25 2020-12-25 一种基于图论的区域综合能源系统选址规划方法及系统 Active CN112650888B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011565673.3A CN112650888B (zh) 2020-12-25 2020-12-25 一种基于图论的区域综合能源系统选址规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011565673.3A CN112650888B (zh) 2020-12-25 2020-12-25 一种基于图论的区域综合能源系统选址规划方法及系统

Publications (2)

Publication Number Publication Date
CN112650888A CN112650888A (zh) 2021-04-13
CN112650888B true CN112650888B (zh) 2024-01-12

Family

ID=75363083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011565673.3A Active CN112650888B (zh) 2020-12-25 2020-12-25 一种基于图论的区域综合能源系统选址规划方法及系统

Country Status (1)

Country Link
CN (1) CN112650888B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113344340B (zh) * 2021-05-13 2022-08-16 国网江苏省电力有限公司经济技术研究院 一种基于cps的能源综合服务枢纽站的选址方法
CN115511389A (zh) * 2022-11-10 2022-12-23 中铁第一勘察设计院集团有限公司 铁路通信室内设备选址方法、系统及其存储介质
CN115545588A (zh) * 2022-12-06 2022-12-30 北京大学 固定储能系统选址确定方法、装置、电子设备及存储介质
CN118504806B (zh) * 2024-07-10 2024-10-18 中南大学 一种复杂山区铁路隧道选址与线路优化方法、介质及设备

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107016467A (zh) * 2017-04-13 2017-08-04 华北电力大学（保定） 一种区域能源互联网全自动站网布局优化方法
CN108429257A (zh) * 2018-03-26 2018-08-21 东北电力大学 基于负荷点聚类分区并计及地理因素的配电网网架规划方法
CN108564216A (zh) * 2018-04-13 2018-09-21 山东大学 基于动态规划的储能型cchp系统及其运行优化方法
CN109086923A (zh) * 2018-07-20 2018-12-25 南方电网科学研究院有限责任公司 一种配电网线路规划方法、系统、计算机设备、介质
CN110619454A (zh) * 2019-08-09 2019-12-27 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
CN110705864A (zh) * 2019-09-27 2020-01-17 广东电网有限责任公司 一种充电站选址定容方法
CN110717226A (zh) * 2019-09-30 2020-01-21 国网浙江杭州市萧山区供电有限公司 一种考虑能源网拓扑特性的区域综合能源系统布局规划方法
CN110738359A (zh) * 2019-09-24 2020-01-31 天津大学 一种基于p中位模型的分布式能源站选址方法
CN111582658A (zh) * 2020-04-16 2020-08-25 天津大学 考虑多区域互联协同的能源站设备配置及管线规划方法
CN111898221A (zh) * 2019-05-06 2020-11-06 华为技术服务有限公司 选址方法、装置及计算机可读存储介质
CN112052548A (zh) * 2020-09-06 2020-12-08 上海电力大学 一种基于聚类选址的区域能源系统站网布局优化方法
CN112053084A (zh) * 2020-09-15 2020-12-08 山东大学 基于负荷分区的区域综合能源系统混合布局规划方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107016467A (zh) * 2017-04-13 2017-08-04 华北电力大学（保定） 一种区域能源互联网全自动站网布局优化方法
CN108429257A (zh) * 2018-03-26 2018-08-21 东北电力大学 基于负荷点聚类分区并计及地理因素的配电网网架规划方法
CN108564216A (zh) * 2018-04-13 2018-09-21 山东大学 基于动态规划的储能型cchp系统及其运行优化方法
CN109086923A (zh) * 2018-07-20 2018-12-25 南方电网科学研究院有限责任公司 一种配电网线路规划方法、系统、计算机设备、介质
CN111898221A (zh) * 2019-05-06 2020-11-06 华为技术服务有限公司 选址方法、装置及计算机可读存储介质
CN110619454A (zh) * 2019-08-09 2019-12-27 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
CN110738359A (zh) * 2019-09-24 2020-01-31 天津大学 一种基于p中位模型的分布式能源站选址方法
CN110705864A (zh) * 2019-09-27 2020-01-17 广东电网有限责任公司 一种充电站选址定容方法
CN110717226A (zh) * 2019-09-30 2020-01-21 国网浙江杭州市萧山区供电有限公司 一种考虑能源网拓扑特性的区域综合能源系统布局规划方法
CN111582658A (zh) * 2020-04-16 2020-08-25 天津大学 考虑多区域互联协同的能源站设备配置及管线规划方法
CN112052548A (zh) * 2020-09-06 2020-12-08 上海电力大学 一种基于聚类选址的区域能源系统站网布局优化方法
CN112053084A (zh) * 2020-09-15 2020-12-08 山东大学 基于负荷分区的区域综合能源系统混合布局规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于ｐ－中位模型的区域综合能源系统能源站优化规划;易文飞;《电力系统自动化》;20190225;第107-111页 *

Also Published As

Publication number Publication date
CN112650888A (zh) 2021-04-13

Similar Documents

Publication Publication Date Title
CN112650888B (zh) 一种基于图论的区域综合能源系统选址规划方法及系统
CN107016467B (zh) 一种区域能源互联网全自动站网布局优化方法
CN106503839B (zh) 一种海上风电场环形集电网络分层规划方法
CN105389633B (zh) 一种计及分布式电源的变电站优化规划方法
Yakovlev et al. Using the directed search method to select the degree of centralization of heat supply schemes in order to ensure the environmental sustainability of a settlement
Zhao et al. Optimization of China’s provincial carbon emission transfer structure under the dual constraints of economic development and emission reduction goals
WO2021253291A1 (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
CN108898265A (zh) 一种综合能源系统一体化规划方法
CN106385025A (zh) 一种分布式电源与联络线多阶段协同规划方法
CN106803130B (zh) 分布式电源接入配电网的规划方法
CN111832138B (zh) 一种区域管网拓扑优化方法
CN111709638B (zh) 基于图论和等效电法的冷热电联供系统构建方法及系统
CN114529123A (zh) 一种城市智慧能源网络分级规划方法
Liu Pipeline network layout design of integrated energy system based on energy station site selection and load complementary characteristics
CN114896746A (zh) 一种海上风电场集电系统拓扑优化方法
Kumari et al. Economical Selection of Conductor in Radial Distribution System using PSO
CN108449208B (zh) 一种针对分布式能源分层复杂网络优化方法
CN116681178A (zh) 一种分布式能源选址方法
Taghikhani DG allocation and sizing in distribution network using modified shuffled frog leaping algorithm
CN115600780A (zh) 一种区域能源系统中的能量站选址方法
CN110765726A (zh) 能源网规划图的智能生成系统
CN115829109A (zh) 基于辐射状网络的综合能源系统网络集线器建模方法
CN113360289B (zh) 基于边缘计算的多区域综合能源系统分布式协同优化方法
CN114491924A (zh) 一种考虑风机-风电场协同优化的海上升压站选址方法
CN105205622A (zh) 变电站和分布式发电布点的规划方法

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
CB03 Change of inventor or designer information

Inventor after: Li Ke

Inventor after: Qu Chao

Inventor after: Zhang Chenghui

Inventor before: Qu Chao

Inventor before: Li Ke

Inventor before: Zhang Chenghui

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant