CN114462302A - 考虑n+原则的海上风电场电气系统规划与选型优化方法 - Google Patents

考虑n+原则的海上风电场电气系统规划与选型优化方法 Download PDF

Info

Publication number
CN114462302A
CN114462302A CN202210007573.1A CN202210007573A CN114462302A CN 114462302 A CN114462302 A CN 114462302A CN 202210007573 A CN202210007573 A CN 202210007573A CN 114462302 A CN114462302 A CN 114462302A
Authority
CN
China
Prior art keywords
planning
submarine cable
electrical system
voltage
offshore wind
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.)
Pending
Application number
CN202210007573.1A
Other languages
English (en)
Inventor
魏书荣
王昊
符杨
黄玲玲
刘璐洁
贾锋
任子旭
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.)
Shanghai Electric Power University
Original Assignee
Shanghai Electric Power 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 Shanghai Electric Power University filed Critical Shanghai Electric Power University
Priority to CN202210007573.1A priority Critical patent/CN114462302A/zh
Publication of CN114462302A publication Critical patent/CN114462302A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Biology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种考虑N+原则的海上风电场电气系统规划与选型优化方法，包括以下步骤：1)构建基于N+原则的海上风电场电气设备选型的双层优化模型；2)根据获取的海上风电场初始数据，基于构建的双侧优化模型，分别采用混沌蝴蝶算法和枚举法对电气系统选型进行博弈优化，得到规划与选型的备选规划方案；3)对规划与选型的备选规划方案进行综合评估，得到较优的规划与选型方案。与现有技术相比，本发明具有降低电气系统初始投资成本、有助于实现海上风电全面平价等优点。

Description

考虑N+原则的海上风电场电气系统规划与选型优化方法
技术领域
本发明涉及海上风电场电气系统规划优化领域，尤其是涉及一种考虑N+原则的海上风电场电气系统海缆以及海上升压站选型优化方法。
背景技术
加快构建以新能源为主体的新型电力系统，发展绿色低碳能源是大势所趋，海上风电将会成为绿色电力供给的新增长极。从当前全球海上风电的发展来看，海上风电发展呈现深远海化、规模化趋势，电气系统投资不断提高，如何“降成本，减补贴直至去补贴”是海上风电可持续发展的关键。因此，有必要对电气系统规划进行进一步优化与研究。
电气系统海缆与电气设备数量多，电气系统投资占整个风电场总投资的约 30％，电气系统的规划与优化一直是近年来海上风电场的研究热点之一。G.Tan et 等人在《Research on primary frequency regulation of wind turbine based on newnonlinear droop control》考虑了海上升压站的位置和数量，对不同电气网络结构的投资成本和可靠性进行综合评估。Syed Hamza Hasan Kazmi等人在《Cost optimized dynamicdesign of offshore windfarm transformers with reliability and contingencyconsiderations》利用一种基于动态热定值的变压器设计，在不损害运行可靠性的前提下，可以显着减小海上变压器的尺寸，实现了经济优化。符杨等人在《考虑电磁环境约束的大型海上风电场集电网络拓扑博弈优化》考虑了电气系统的电磁环境约束，建立环境性、经济性和可靠性三者相结合的优化模型，分2个层次解决了环境约束下集电系统拓扑结构规划问题，有效降低了风电场磁扰辐射范围。S.Tao等人在《Joint Optimization of WindTurbine Micrositing and Cabling in an Offshore Wind Farm》构建了一个双层多目标模型，实现海上风电场风力发电机组配置的同时优化集电系统拓扑结构。Wang L等人在《AnIntegration Optimization Method for Power Collection Systems of Offshore WindFarms》提出耦合随机叉树编码，首次实现了变电站位置、拓扑接线、电缆截面的耦合编码，为集电系统一体化设计提供了依据。袁越等人在《基于多场景概率的含大型风电场的输电网柔性规划》将输电系统不确定性规划模型转化为各自的确定性等价类，然后利用传统的方法建立其等价的确定性规划模型，从而避免建立复杂的电网规划模型，降低建模和求解的难度。
上述研究中，海上风电场电气系统选型时为满足可靠性要求，有明确的冗余水平(N-1、N-2)，然而，海上风电具有较大的波动性以及风电场的聚集效应会降低风电场输出的最大功率，据统计，风电场的年平均输出功率约为装机容量的 30％-40％。现有的电气系统选型方式将会导致海上电气设备长期运行于低负载状态，增加输电系统的设计冗余，造成海上电气系统建设、投资与运行的极大浪费。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑N+原则的海上风电场电气系统规划与选型优化方法。
本发明的目的可以通过以下技术方案来实现：
一种考虑N+原则的海上风电场电气系统规划与选型优化方法，该方法包括以下步骤：
1)构建基于N+原则的海上风电场电气设备选型的双层优化模型；
2)根据获取的海上风电场初始数据，基于构建的双侧优化模型，分别采用混沌蝴蝶算法和枚举法对电气系统选型进行博弈优化，得到规划与选型的备选规划方案；
3)对规划与选型的备选规划方案进行综合评估，得到较优的规划与选型方案。
所述的双层优化模型的外层模型用以获取海上风电场电气系统净现值收益的最优值，总体优化海缆以及升压站的选型，同时为内层模型提供参数输入，外层模型以净现值收益最大为目标，其表达式为：
maxΔNPV＝ΔCI+(ΔCo+ΔCqi)×PV.sum
s.t.IHc.max+≤KHcIH.sfc.o
Figure BDA0003457567050000031
SH ≥SH.min
|ΔUH|≤|ΔUH.max|
Figure BDA0003457567050000032
其中，ΔNPV为净现值收益，ΔCI为电气系统初始投资成本差值，ΔCO为电气系统运行损耗差值，ΔCqi为N+冗余造成的弃风损失，PV.sum为年度投资费用现值和的折算系数，IHc.max+为考虑N+冗余高压海缆流过的最大持续负荷电流，KHc为高压海缆长期允许载流量的整体修正系数，IHc.max为高压海缆的长期载流量，Pwt,N+为考虑N+冗余的待优化风机出力上限，sub为该变电站所带风机的编号集合，UH,rate为输电系统额定电压，SH为所选取的中压海缆的截面，SH.min为中压海缆满足短路热稳定标准所允许的最小截面，ΔUH为中压海缆压降，ΔUH.max为中压海缆所允许的最大压降，PTsum为所选取的海上升压站容量。
所述的电气系统初始投资成本差值ΔCI的表达式为：
ΔCI＝∑(ΔCM.cab+ΔCinst)+ΔCH.cab+ΔCSub
其中，ΔCM.cab、ΔCinst分别为中压海缆运行损耗差值和敷设费用收益，ΔCH.cab为高压海缆运行损耗差值，ΔCsub为海上升压站投资建设成本
所述的电气系统运行损耗差值ΔCO的表达式为：
ΔCO＝ΔCH.cab+ΔCT
ΔCH.cab＝c[(Iu 2Ru-Iu+ 2Ru+)tH
Figure BDA0003457567050000033
其中，ΔCH.cab、ΔCT分别为高压海缆与变压器的运行损耗差值，c为海上风电的上网价格，Iu、Iu+分别为考虑N-1冗余与N+冗余通过高压海缆的均方根电流，Ru、 Ru+分别为考虑N-1冗余高压海缆电阻值与N+冗余高压海缆电阻值，tH为运行总时间，ZT,base为初始变电站运行损耗，PT,base为初始变电站容量，PT,+为N+原则下变电站容量，e为缩放指数。
所述的弃风损失ΔCqi由电气设备传输限制导致的风机出力受限而损失的风能资源Cqi1以及考虑到风电场部分海上升压站或高压海缆发生故障时，冗余水平下降所导致的风电可送出容量减小造成的损失Cqi2组成，则有：
Cqi＝Cqi1+Cqi2
Figure BDA0003457567050000041
Figure BDA0003457567050000042
其中，T为运行时间，Pwt,N+为考虑N+冗余的待优化风机出力上限，Pwt为对应风速v下风机的输出功率，tTht为故障停机时间，λ为故障同时系数，指的是高压海缆或变压器故障的可能性，Psub,N+为考虑N+冗余的变电站容量。
所述的风机的输出功率Pwt的表达式为：
Figure BDA0003457567050000043
Figure BDA0003457567050000044
其中，PR为单台风机的额定功率，PR+为考虑N+冗余的待优化的风机出力上限，且PR+≥PR,min，PR,min为PR+作为优化变量的下限，v为风机安装地点瞬时风速，Vci、 Vco分别为风机的切入与切出速度，Vr+为N+冗余下风机出力上限所对应的风速，二项式参数A、B、C为风机功率特性曲线参数，仅由风机自身设计参数决定。
所述的风速v满足威布尔分布，其概率密度函数为：
Figure BDA0003457567050000045
其中，v为风速，c、k分别为平局风速的量化参数以及风速变化范围的形状参数，且均通过极大似然估计进行估计
所述的双层优化模型的内层模型以集电系统拓扑成本最低为目标函数，其表达式为：
Figure BDA0003457567050000046
s.t.IM.sfc.max+≤KM.sfcIM.sfc.o
Figure BDA0003457567050000051
SM ≥SM.min
|ΔUM|≤|ΔUM.max|
其中，CM.cab为集电系统拓扑成本，ΔUM为中压海缆压降，ΔUM.max为中压海缆所允许的最大压降，IM.sfc.max+为考虑N+冗余第s个升压站所带的第f串馈线的第 c段海缆流过的最大持续负荷电流，KM.sfc为中压海缆长期允许载流量的整体修正系数，IM.sfc.o为中压海缆的长期载流量，SM为中压海缆的截面，SM.min为中压海缆sfc 满足短路热稳定标准所允许的最小截面，Ssfc为该段海缆所带风机wt编号集合，ΔUM.max为中压海缆所允许的最大压降，UM,rate为集电系统电压。
所述的步骤2)中，海上风电场初始数据包括包括海上风机坐标、陆上升压站坐标、海缆、变压器数据以及历史风速数据。
所述的步骤3)中，采用混合策略纳什均衡原理对备选规划方案进行综合评估。
与现有技术相比，本发明具有以下优点：
本发明对N+冗余下成本与弃风决策进行量化，评估了N+原则下可能造成的弃风损失，寻求N+原则下节省的成本与弃风损失之间的博弈最优解，实现了海上风电场气系统规划与选型优化，有效降低了电气系统初始投资成本，为实现海上风电全面平价以及可持续发展提供技术支持。
附图说明
图1为基于混沌蝴蝶优化算法的“N+”选型博弈优化流程图。
图2为基于枚举法的“N+”选型博弈优化流程图。
图3为规划方案综合评估流程图。
图4为实施例中海上风电场风电机组及陆上并网点位置示意图。
图5为实施例中风电场历史风速分布数据。
图6为基于混沌蝴蝶优化算法的集电系统海缆“N+”选型博弈优化结果。
图7为基于枚举法的集电系统海缆“N+”选型博弈优化结果。
图8为基于N-1原则的集电系统海缆选型结果示意图。
图9为海缆型号以及海上变电站容量示意图。
图10为三种规划方案成本构成图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
本发明提供一种考虑N+原则的海上风电场电气系统规划与选型优化方法，该方法首先考虑电气系统初始投资成本、运行损耗以及考虑“N+”造成的弃风损失，建立相关数学模型量化“N+”冗余下成本与弃风风险；然后提出考虑N+冗余的规划方案，以风电场风机的出力上限作为优化参数，选取合适的算法迭代寻优；最后基于混合策略纳什均衡原理对规划方案进行综合评估，输出最优规划方案。
本发明具体包括以下步骤：
1)读取海上风电场初始数据，包括海上风机坐标、陆上升压站坐标、海缆、变压器数据以及历史风速数据；
2)依据初始数据分别采用基于混沌蝴蝶算法的电气系统选型博弈优化和基于枚举法的电气系统选型博弈优化方法，以风机出力上限作为优化参数，构建外层以净现值收益最大为目标以及内层以集电系统投资成本最低为目标的双层优化模型，对电气系统海缆以及海上升压站进行选型优化，其中，外层模型主要为了得到海上风电场电气系统净现值收益的最优值，总体优化海缆以及升压站的选型，同时也为内层模型提供参数输入；内层优化模型主要是考虑到外层模型不同风机出力上限作为参数输入可能导致的集电系统最优值的改变，以集电系统拓扑成本为目标函数，基于智能算法迭代寻优；
外层优化模型及约束条件的表达式具体为：
maxΔNPV＝ΔCI+(ΔCo+Cqi)×PV.sum
s.t.IHc.max+≤KHcIH.sfc.o
Figure BDA0003457567050000061
SH ≥SH.min
|ΔUH|≤|ΔUH.max|
Figure BDA0003457567050000062
内层优化模型及约束条件的表达式具体为：
Figure BDA0003457567050000071
s.t.IM.sfc.max+≤KM.sfcIM.sfc.o
Figure BDA0003457567050000072
SM ≥SM.min
|ΔUM|≤|ΔUM.max|
式中ΔNPV为净现值收益，ΔCI为电气系统初始投资成本差值，ΔCO为电气系统运行损耗差值，ΔCqi为“N+”冗余造成的弃风损失，PV.sum为年度投资费用现值和的折算系数；IHc.max+为考虑N+冗余高压海缆流过的最大持续负荷电流，KHc为高压海缆长期允许载流量的整体修正系数，IHc.max为高压海缆的长期载流量；Pwt,N+为考虑 N+冗余的待优化风机出力上限，sub为该变电站所带风机的编号集合，UH,rate为输电系统额定电压；SH.min为中压海缆sfc满足短路热稳定标准所允许的最小截面；ΔUH.max为高压海缆所允许的最大压降；IM.sfc.max+为考虑N+冗余第s个升压站所带的第f串馈线的第c段海缆流过的最大持续负荷电流，KM.sfc为中压海缆长期允许载流量的整体修正系数，IM.sfc.max为中压海缆的长期载流量，Ssfc为该海缆所带风机编号集合；SM.min为中压海缆sfc满足短路热稳定标准所允许的最小截面；ΔUM.max为中压海缆所允许的最大压降。
3)对以上基于N+冗余的两个规划方案以及作为对照方案的N-1冗余规划方案，进行综合评估，输出优化结果。
以下进行详细描述。
1.本发明建立的相关数学模型如下：
1.1考虑“N+”冗余的单台风机输出功率模型
Figure BDA0003457567050000073
Vr+取决于PR+，令Pwt(v)＝PR+可解得Vr+，表达式如下所示：
Figure BDA0003457567050000081
式中，PR为单台风机的额定功率，PR+为考虑“N+”冗余的风机出力上限并且作为电气系统选型博弈的优化变量(PR+≥PR,min，PR,min为PR+作为优化变量的下限)，v 为风机安装地点瞬时风速，Vci、Vco分别为风机的切入与切出速度，Vr+为“N+”冗余下风机出力上限所对应的风速，二项式参数A、B、C为风机功率特性曲线参数，仅由风机自身设计参数决定。
1.2风速模型
风资源分布统计最常用的是威布尔分布，概率密度函数如下所示：
Figure BDA0003457567050000082
式中，v为风速，m/s；c为平局风速的量化参数；k为风速变化范围的形状参数。k和c可由数据通过极大似然估计进行估计，则有：
Figure BDA0003457567050000083
Figure BDA0003457567050000084
式中，vi和n分别为第i个观测风速和风速数据总数。
1.3初始投资成本收益。
初始投资包括中、高压海缆的投资和海上变电站的材料与建设费用，则有：
Figure BDA0003457567050000085
式中：Δ表示初始状态下成本与“N+”原则优化后成本的差值，后式中出现的Δ均遵守以上原则，ΔCM.cab、ΔCinst分别为中压海缆运行损耗差值和敷设费用收益，ΔCH.cab为高压海缆运行损耗差值，ΔCsub为海上升压站投资建设成本。
1.4电气系统运行损失收益
ΔCO＝ΔCH.cab+ΔCT
ΔCH.cab＝c[(Iu 2-Iu+ 2)RutH
Figure BDA0003457567050000091
式中：ΔCH.cab、ΔCT分别为高压海缆与变压器的运行损耗差值；c为海上风电的上网价格，Iu、Iu+分别为考虑N-1冗余与N+冗余通过高压海缆的均方根电流，Ru为高压海缆电阻值，tH为运行总时间；ZT,base为初始变电站运行损耗，PT,base为初始变电站容量，PT,+为N+原则下变电站容量，e为缩放指数，一般取0.8。
1.5弃风损失模型
弃风损失主要由两部组成，一部分是由于电气设备传输限制导致的风机出力受限而损失的风能资源Cqi1；另一部分是考虑到风电场部分海上升压站或高压海缆发生故障时，冗余水平下降所导致的风电可送出容量减小造成的损失Cqi2。
Cqi＝Cqi1+Cqi2
Figure BDA0003457567050000092
Figure BDA0003457567050000093
式中：T为运行时间，Pwt,N+为考虑N+冗余的风机出力上限，Pwt为对应风速下风机的输出功率；tTht为故障停机时间，λ为故障同时系数，指的是高压海缆或变压器故障的可能性，sub为该变电站所带风机的编号集合，Psub,N+为考虑N+冗余的变电站容量。
2.本发明构建两种选型博弈优化方法
2.1基于混沌蝴蝶算法的“N+”选型博弈优化(下文简称“N+”冗余1)，流程图详见图1。
1)基于fcm聚类算法对海上风电场进行聚类分区以及确定海上变电站位置；
2)基于单亲遗传算法优化不同风机出力上限下集电系统的最优拓扑；
3)基于混沌蝴蝶优化算法，风电场分区内风机的出力上限作为优化参数，净现值收益最大为目标函数，进行海上电气设备选型优化。
2.2基于枚举法的“N+”选型博弈优化(下文简称“N+”冗余2)，流程图详见图2。
1)基于fcm聚类算法对海上风电场进行聚类分区以及海上升压站选址优化；
2)给定初始优化范围以及步长，基于单亲遗传算法求解集电系统拓扑，并基于所给风机出力上限进行海缆选型、升压站容量以及输电系统选型优化；
3)输出规划方案，为提高下一次迭代寻优速度，根据结果缩小优化参数遍历范围，输出结果反馈给步骤1,开始下一次迭代寻优。
3.电气系统规划方案综合评估流程，具体流程如图3所示：
1)综合考虑多方因素，确定规划方案评价指标；
2)基于层次分析法—CRITIC权重法的组合权重法对各评价指标的权重进行优化求解，各评价指标的影响权重指导支付函数的确定；
本发明使用层次分析法-CRITIC权重法对m个博弈方案中的n个评价指标进行权重优化分配，通过乘法合成法对主观、客观权重进行组合优化。
规划方案评价指标的主观权重由层次分析法(AHP)确定。通过两两比较评价指标之间的相对重要程度，得到判断矩阵A：
Figure BDA0003457567050000101
将矩阵每一行元素相乘后的结果开n次方：
Figure BDA0003457567050000102
将得到的权重进行归一化处理并进行一致性检验，则得到各项评价指标的主观权重：
Figure BDA0003457567050000103
规划方案评价指标的客观权重由CRITIC权重法确定。为消除因量纲不同对评价结果的影响，对各个评价指标进行无量纲化处理。
指标的变异性、冲突性分别以标准差与相关系数来表现：
Figure BDA0003457567050000104
第i个指标所包含的信息量：
Ci＝Si×Ri
将第i个指标的权重表示为：
Figure BDA0003457567050000111
使用乘法合成法对各项指标的主、客观权重(αi、βi)进行组合优化，得到综合权数Wi：
Figure BDA0003457567050000112
3)基于混合策略纳什均衡理论对规划方案进行综合评估，输出较优的规划方案。
在方案评估分析中，将规划方案构成博弈模型的策略集Z，模型中的局中人集合H由评价指标组成，结合评价指标权重计算结果，考虑构成要素之间的影响强度Wi，其支付函数为u(Wi)，支付函数结合
Figure BDA0003457567050000113
构建起电气系统规划方案优选模型，数学表达式为G＝{H,Z,U}。
等价转化为线性模型进行计算。
Figure BDA0003457567050000114
式中：yi代表基于备选方案i的有效策略集合Zi的任意混合策略；aij为系数。
实施例
本案例中，以总容量为366MW的某海上风电场为例，对其电气系统海缆和电气设备选型进行了优化设计。风电场共有56台6MW风机，风力发电机分布及陆上变电站位置详见图5。中压海缆的电压等级为35kV，高压海缆电压等级为220kV，海底电缆故障率为0.03次/(km·a)；海底电缆修复时间为1000小时；海上升压站主变压器故障率为0.01，维护费用约80万元，检修时间200小时，海上风电场使用寿命20年。
基于N+原则的电气系统规划方案共有两个，基于N-1原则的电气系统规划方案作为参照方案。具体各个方案的集电系统优化拓扑结构、海上升压站以及输电系统海缆选型结果分别如图4、5、6、7所示：
海上风电场不同规划方案中高压海缆以及升压站选型结果详见表1，成本构成见图10。
表1不同规划方案下电气系统选型结果
Figure BDA0003457567050000121
为对比分析不同方案的经济性，将电气系统优化结果汇总如表2所示：
表2不同规划方案电气系统成本(万元)
Figure BDA0003457567050000122
为了保证业主方投运时对于经济与运行可靠的要求，以及考虑海洋生命环境的长期可持续性来实现经济与环境的协调，本着海上风电可持续发展的理念，规划方案的综合评估需要考虑多个影响因素，主要是投资的经济性与N+原则下可能产生的弃风风险，以及规划方案投入运行后电气系统的可靠性与可能造成的海上环境影响。电气系统的经济性主要考虑全寿命周期成本，弃风风险由“N+”原则下所造成的弃风功率构成，电气系统的可靠性评估采用序贯蒙特卡洛模拟法计算海上风电场年均出力，亲环境性主要考虑海上电气设备以及海缆运行所产生的电磁辐射影响[21]。
本发明使用层次分析法-CRITIC权重法对m个规划方案中的n个评价指标进行权重优化分配。通过乘法合成法对主观、客观权重进行组合优化。采用基于混合策略纳什均衡原理对三种待选方案进行综合评估。具体流程如下图3所示：
博弈分析的策略集合即为上述3种备选方案。集电系统拓扑规划的主要影响因素相对于备选方案的影响权重构成支付函数U，作为博弈评估的量化分析入口。评价指标权重计算结果如表3所示：
表3评价指标权重计算结果
经济性 可靠性 辐射范围 弃风风险
0.25 0.34 0.15 0.26
由上表计算结果，各支付函数取值如下：分析体系的支付函数值取100，经济性因素N1对应支付函数值总和取为25，基于经济成本最低原则，各备选方案的支付函数与经济成本负相关；电磁环境因素N2对应支付函数值总和取为15，基于辐射范围最小原则，故各方案支付函数与辐射范围负相关；海底资源占用因素N3对应支付函数值总和取为20，基于海底资源占用最小原则，故各方案支付函数与海缆总长度负相关；可靠性因素N4对应支付函数值总和取为34，基于可靠性最高原则，各方案支付函数与年平均可用容量正相关。
综上所述，综合评价结果如下表所示：
表4综合评价结果
N+冗余1 N+冗余2 N-1冗余
评价结果 0.1919 3.484e-11 0.5807e-11
其中概率较大的方案四是最佳方案，方案二次之。通过以上结果可知:
基于“N+”冗余的电气系统规划方案具有较高的经济性。其中，N+冗余1方案经济性最优，N+冗余2方案可靠性相对较高。

Claims (10)

1.一种考虑N+原则的海上风电场电气系统规划与选型优化方法，其特征在于，该方法包括以下步骤：
1)构建基于N+原则的海上风电场电气设备选型的双层优化模型；
2)根据获取的海上风电场初始数据，基于构建的双侧优化模型，分别采用混沌蝴蝶算法和枚举法对电气系统选型进行博弈优化，得到规划与选型的备选规划方案；
3)对规划与选型的备选规划方案进行综合评估，得到较优的规划与选型方案。
2.根据权利要求1所述的一种考虑N+原则的海上风电场电气系统规划与选型优化方法，其特征在于，所述的双层优化模型的外层模型用以获取海上风电场电气系统净现值收益的最优值，总体优化海缆以及升压站的选型，同时为内层模型提供参数输入，外层模型以净现值收益最大为目标，其表达式为：
maxΔNPV＝ΔCI+(ΔCo+ΔCqi)×PV.sum
s.t.IHc.max+≤KHcIH.sfc.o
Figure FDA0003457567040000011
SH≥SH.min
|ΔUH|≤|ΔUH.max|
Figure FDA0003457567040000012
其中，ΔNPV为净现值收益，ΔCI为电气系统初始投资成本差值，ΔCO为电气系统运行损耗差值，ΔCqi为N+冗余造成的弃风损失，PV.sum为年度投资费用现值和的折算系数，IHc.max+为考虑N+冗余高压海缆流过的最大持续负荷电流，KHc为高压海缆长期允许载流量的整体修正系数，IHc.max为高压海缆的长期载流量，Pwt,N+为考虑N+冗余的待优化风机出力上限，sub为该变电站所带风机的编号集合，UH,rate为输电系统额定电压，SH为所选取的中压海缆的截面，SH.min为中压海缆满足短路热稳定标准所允许的最小截面，ΔUH为中压海缆压降，ΔUH.max为中压海缆所允许的最大压降，PTsum为所选取的海上升压站容量。
3.根据权利要求2所述的一种考虑N+原则的海上风电场电气系统规划与选型优化方法，其特征在于，所述的电气系统初始投资成本差值ΔCI的表达式为：
ΔCI＝∑(ΔCM.cab+ΔCinst)+ΔCH.cab+ΔCSub
其中，ΔCM.cab、ΔCinst分别为中压海缆运行损耗差值和敷设费用收益，ΔCH.cab为高压海缆运行损耗差值，ΔCsub为海上升压站投资建设成本。
4.根据权利要求2所述的一种考虑N+原则的海上风电场电气系统规划与选型优化方法，其特征在于，所述的电气系统运行损耗差值ΔCO的表达式为：
ΔCO＝ΔCH.cab+ΔCT
ΔCH.cab＝c[(Iu 2Ru-Iu+ 2Ru+)tH
Figure FDA0003457567040000021
其中，ΔCH.cab、ΔCT分别为高压海缆与变压器的运行损耗差值，c为海上风电的上网价格，Iu、Iu+分别为考虑N-1冗余与N+冗余通过高压海缆的均方根电流，Ru、Ru+分别为考虑N-1冗余高压海缆电阻值与N+冗余高压海缆电阻值，tH为运行总时间，ZT,base为初始变电站运行损耗，PT,base为初始变电站容量，PT,+为N+原则下变电站容量，e为缩放指数。
5.根据权利要求2所述的一种考虑N+原则的海上风电场电气系统规划与选型优化方法，其特征在于，所述的弃风损失ΔCqi由电气设备传输限制导致的风机出力受限而损失的风能资源Cqi1以及考虑到风电场部分海上升压站或高压海缆发生故障时，冗余水平下降所导致的风电可送出容量减小造成的损失Cqi2组成，则有：
Cqi＝Cqi1+Cqi2
Figure FDA0003457567040000022
Figure FDA0003457567040000023
其中，T为运行时间，Pwt,N+为考虑N+冗余的待优化风机出力上限，Pwt为对应风速v下风机的输出功率，tTht为故障停机时间，λ为故障同时系数，指的是高压海缆或变压器故障的可能性，Psub,N+为考虑N+冗余的变电站容量。
6.根据权利要求5所述的一种考虑N+原则的海上风电场电气系统规划与选型优化方法，其特征在于，所述的风机的输出功率Pwt的表达式为：
Figure FDA0003457567040000031
Figure FDA0003457567040000032
其中，PR为单台风机的额定功率，PR+为考虑N+冗余的待优化的风机出力上限，且PR+≥PR,min，PR,min为PR+作为优化变量的下限，v为风机安装地点瞬时风速，Vci、Vco分别为风机的切入与切出速度，Vr+为N+冗余下风机出力上限所对应的风速，二项式参数A、B、C为风机功率特性曲线参数，仅由风机自身设计参数决定。
7.根据权利要求5所述的一种考虑N+原则的海上风电场电气系统规划与选型优化方法，其特征在于，所述的风速v满足威布尔分布，其概率密度函数为：
Figure FDA0003457567040000033
其中，v为风速，c、k分别为平局风速的量化参数以及风速变化范围的形状参数，且均通过极大似然估计进行估计。
8.根据权利要求2所述的一种考虑N+原则的海上风电场电气系统规划与选型优化方法，其特征在于，所述的双层优化模型的内层模型以集电系统拓扑成本最低为目标函数，其表达式为：
Figure FDA0003457567040000034
s.t.IM.sfc.max+≤KM.sfcIM.sfc.o
Figure FDA0003457567040000035
SM≥SM.min
|ΔUM|≤|ΔUM.max|
其中，CM.cab为集电系统拓扑成本，ΔUM为中压海缆压降，ΔUM.max为中压海缆所允许的最大压降，IM.sfc.max+为考虑N+冗余第s个升压站所带的第f串馈线的第c段海缆流过的最大持续负荷电流，KM.sfc为中压海缆长期允许载流量的整体修正系数，IM.sfc.o为中压海缆的长期载流量，SM为中压海缆的截面，SM.min为中压海缆sfc满足短路热稳定标准所允许的最小截面，Ssfc为该段海缆所带风机wt编号集合，ΔUM.max为中压海缆所允许的最大压降，UM,rate为集电系统电压。
9.根据权利要求1所述的一种考虑N+原则的海上风电场电气系统规划与选型优化方法，其特征在于，所述的步骤2)中，海上风电场初始数据包括包括海上风机坐标、陆上升压站坐标、海缆、变压器数据以及历史风速数据。
10.根据权利要求1所述的一种考虑N+原则的海上风电场电气系统规划与选型优化方法，其特征在于，所述的步骤3)中，采用混合策略纳什均衡原理对备选规划方案进行综合评估。
CN202210007573.1A 2022-01-06 2022-01-06 考虑n+原则的海上风电场电气系统规划与选型优化方法 Pending CN114462302A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210007573.1A CN114462302A (zh) 2022-01-06 2022-01-06 考虑n+原则的海上风电场电气系统规划与选型优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210007573.1A CN114462302A (zh) 2022-01-06 2022-01-06 考虑n+原则的海上风电场电气系统规划与选型优化方法

Publications (1)

Publication Number Publication Date
CN114462302A true CN114462302A (zh) 2022-05-10

Family

ID=81409072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210007573.1A Pending CN114462302A (zh) 2022-01-06 2022-01-06 考虑n+原则的海上风电场电气系统规划与选型优化方法

Country Status (1)

Country Link
CN (1) CN114462302A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116562424A (zh) * 2023-03-30 2023-08-08 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
CN117349999A (zh) * 2023-12-04 2024-01-05 中国电建集团河北省电力勘测设计研究院有限公司 海上风电场海底电缆综合拓扑结构寻优方法及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116562424A (zh) * 2023-03-30 2023-08-08 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
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
CN117349999A (zh) * 2023-12-04 2024-01-05 中国电建集团河北省电力勘测设计研究院有限公司 海上风电场海底电缆综合拓扑结构寻优方法及存储介质
CN117349999B (zh) * 2023-12-04 2024-03-08 中国电建集团河北省电力勘测设计研究院有限公司 海上风电场海底电缆综合拓扑结构寻优方法及存储介质

Similar Documents

Publication Publication Date Title
He et al. Case study of integrating an offshore wind farm with offshore oil and gas platforms and with an onshore electrical grid
CN112487659B (zh) 一种海上风电场集电系统优化设计方法和系统
CN109948849B (zh) 一种计及储能接入的配电网网架规划方法
CN109038660B (zh) 一种考虑静暂态电压稳定性的风电并网系统无功规划方法
CN107316113B (zh) 一种输电网规划方法及系统
Srikakulapu et al. Optimized design of collector topology for offshore wind farm based on ant colony optimization with multiple travelling salesman problem
CN114462302A (zh) 考虑n+原则的海上风电场电气系统规划与选型优化方法
CN104751246A (zh) 一种基于随机机会约束的有源配电网规划方法
CN108304972B (zh) 一种基于供需互动和dg运行特性的主动配电网网架规划方法
CN109818369B (zh) 一种计及出力模糊随机性的分布式电源规划方法
Wu et al. Automatic selection method for candidate lines in transmission expansion planning
Zuo et al. Collector system topology design for offshore wind farm's repowering and expansion
Smail et al. Optimal design of the electric connection of a wind farm
CN105512472A (zh) 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
CN115640963A (zh) 一种考虑投资运营模式的海上风电接入系统鲁棒规划方法
Wang et al. An optimization method based on random fork tree coding for the electrical networks of offshore wind farms
CN113489003A (zh) 一种考虑风光水一体化互补运行的源网协调规划方法
Settoul et al. A new optimization algorithm for optimal wind turbine location problem in Constantine city electric distribution network based active power loss reduction
CN113852084B (zh) 考虑智能软开关优化配置的配电网多阶段韧性提升方法
Han et al. Optimal sizing considering power uncertainty and power supply reliability based on LSTM and MOPSO for SWPBMs
CN116415708B (zh) 考虑置信水平的电网鲁棒规划方法
Yu et al. Optimization of an offshore oilfield multi-platform interconnected power system structure
Shurong et al. Optimization of power collector system for large-scale offshore wind farm based on topological redundancy assessment
CN108875190B (zh) 一种智能电网分布式调度方法
CN114006410B (zh) 一种基于机会约束规划的大规模海上风电接入点优化方法

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