CN115018151A - 一种多站融合站点扩展规划方法 - Google Patents
一种多站融合站点扩展规划方法 Download PDFInfo
- Publication number
- CN115018151A CN115018151A CN202210619574.1A CN202210619574A CN115018151A CN 115018151 A CN115018151 A CN 115018151A CN 202210619574 A CN202210619574 A CN 202210619574A CN 115018151 A CN115018151 A CN 115018151A
- Authority
- CN
- China
- Prior art keywords
- station
- fusion
- planning stage
- planning
- site
- 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.)
- Granted
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 446
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000005192 partition Methods 0.000 claims description 140
- 238000010276 construction Methods 0.000 claims description 115
- 239000002245 particle Substances 0.000 claims description 68
- 238000005457 optimization Methods 0.000 claims description 35
- 238000010586 diagram Methods 0.000 claims description 19
- 238000000638 solvent extraction Methods 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 9
- 238000010187 selection method Methods 0.000 claims description 6
- 229910052739 hydrogen Inorganic materials 0.000 claims description 4
- 239000001257 hydrogen Substances 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000004378 air conditioning Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000004146 energy storage Methods 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 claims description 2
- 230000002068 genetic effect Effects 0.000 claims description 2
- 125000004435 hydrogen atom Chemical class [H]* 0.000 claims 2
- 230000007774 longterm Effects 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- YZCKVEUIGOORGS-IGMARMGPSA-N Protium Chemical compound [1H] YZCKVEUIGOORGS-IGMARMGPSA-N 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 125000001153 fluoro group Chemical group F* 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or 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)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种多站融合站点扩展规划方法,首先确定规划区域、规划期限、规划期限内的总规划阶段T;然后将总规划阶段T分为:分规划阶段t=1时的初始规划阶段和分规划阶段1<t≤T时的扩展规划阶段;接着对初始规划阶段进行多站融合站点的选址定容;在充分保留初始规划阶段的多站融合站点、负荷归集和已建成的线路的基础上,进行扩展规划阶段的规划过程。本发明的扩展规划方法给出了分阶段扩展规划、优化选址、容量配置、成本计算方法等扩展规划全套方法和流程,初始规划阶段用于新建多个多站融合站点,进入扩展规划阶段后不再做无谓的重建,充分考虑了实际工程成本和需求;填补了多站融合站点扩展规划方面的空白,解决多站融合站点远期规划的选址定容问题。
Description
技术领域
本发明属于智能电网多站融合选址技术领域,具体地说是一种多阶段的多站融合站点扩展规划方法,属于电力系统远期规划范畴。
背景技术
能源互联网建设是促进我国能源转型的有效途径,多站融合通过融合变电站、光伏电站、充电站等站点功能实现多能源优势互补,这一新兴领域为能源互联网的建设打下了良好的基础。目前缺少对于多站融合扩展规划方法的研究,现有变电站扩展规划方法仅考虑变电站的特性和需求,缺少对其他站点的融合,所以很难直接用于多站融合站点的扩展规划研究。
发明内容
本发明的目的是针对现有技术存在的问题,提供一种多阶段的多站融合站点扩展规划方法;该方法给出了分阶段进行的多站融合站点扩展规划的整体流程、优化选址方法、容量配置方法和规划方案成本计算方法。
本发明的目的是通过以下技术方案解决的:
一种多站融合站点扩展规划方法,其特征在于:所述多站融合是将各一个变电站、数据中心、充电站、光伏电站在一处站址内相互融合;首先确定规划区域、规划期限、规划期限内的总规划阶段T,该多站融合站点扩展规划方法包括:分规划阶段t=1时的初始规划阶段和分规划阶段1<t≤T时的扩展规划阶段;
初始规划阶段的规划方法步骤为:
A、初始化,设定初始参数并令t=1;
B、确定规划区域内各类负荷的坐标及负荷大小;
C、基于voronoi图理论进行多站融合多源选址,获得初始规划阶段在规划区域内的各最优分区的多站融合站点的最优站址坐标;
D、根据各最优分区内的负荷大小计算该最优分区内多站融合站点中的各单站的容量,并根据各单站容量计算得出初始规划阶段的总成本;
E、校验,进行供电半径和容载比的约束条件校验,满足约束条件则初始规划阶段的规划成立,结束初始规划阶段的规划、并进入扩展规划阶段;不满足则返回步骤C,调整初始规划阶段在规划区域内的各分区的多站融合站点的最优站址坐标,重复步骤C和步骤D;
扩展规划阶段的规划方法步骤为:
F、令t=t+1,根据预测的负荷增长速度计算规划区域内相应分规划阶段的负荷大小;
G、检验该分规划阶段的各最优分区的多站融合站点是否需要扩容,若无需扩容、则返回步骤F,否则进入步骤H;
H、检验扩容是否可满足负荷需求,若扩容可满足负荷需求,按该分规划阶段的负荷大小增大多站融合站点中的各单站容量,然后进入步骤J;若扩容不满足负荷需求则进入步骤I;
I、在扩容不能满足负荷需求的最优分区内建设新站点,并进行选址定容:对该最优分区重新分区新建多站融合站点,各最优分区内已有多站融合站点位置不变,新建多站融合站点的具体步骤同初始规划阶段的步骤B~步骤E;
J、判断规划期限是否结束(t=T时表示规划期限结束),若结束则整个扩展规划阶段的流程完成,输出扩展规划阶段中各分规划阶段的多站融合站点的站址坐标和容量,计算规划期限内的总规划阶段的总成本;若未结束则返回步骤F,进行t=t+1阶段的规划。
所述步骤B中的各类负荷是指变电站负荷、数据中心负荷、光伏电站负荷、充电站负荷。
所述步骤C中的基于voronoi图理论进行多站融合多源选址包括基于Voronoi图理论进行负荷的初始分区、基于优化算法的单源选址、优化分区三大部分,具体步骤为:
C1、设定初始站址的坐标,根据变电站负荷计算初始规划阶段中需要建设的多站融合站点个数N,如式(1)所示,并设定N个多站融合站点的初始站址的坐标;
式(1)中,ceil为运算符,代表返回大于等于表达式的最小整数;R为满足电力系统“N-1原则”下的变压器容载比;∑Sp,n(t)为给定的规划区域内第t分规划阶段的总变电站负荷;ksub为各多站融合站点中的变电站初始主变台数,一般取2;S为单台主变容量,该参数根据初始规划阶段的变电站电压等级对应的常用容量规格来设置,例如35kV变电站常用容量规格包括2×5MVA、3×5MVA、2×10MVA、3×10MVA、2×20MVA、3×20MVA等,其中第一个乘子为变电站内主变台数、第二个乘子为单台主变容量,S可以设为5MVA、10MVA或20MVA;通过选取变电站初始主变台数ksub和单台主变容量S,确定多站融合站点的个数N、亦即N个分区数量;
C2、基于Voronoi图理论进行负荷的初始分区:设定N个多站融合站点的初始站址的坐标,将给定的规划区域中的变电站负荷、数据中心负荷、光伏电站负荷、充电站负荷分别按负荷点到初始站址的坐标的距离最小原则进行归集,如式(2)所示,归集完成即可获得N个初始分区;
Ln={l∈L|d(l,Xn)<d(l,Xj),j={1,2,…,N},j≠n} (2)
式(2)中,Ln为归属于第n个多站融合站点Xn的所有各类负荷的集合,0<n≤N;l为负荷点;L为规划区域内所有负荷点的集合;d(l,Xn)、d(l,Xj)分别为负荷点l到第n个多站融合站点Xn、第j个多站融合站点Xj的距离;Xn为第n个多站融合站点、Xj为第j个多站融合站点;N为初始规划阶段的多站融合站点个数;
负荷点l到第n个多站融合站点Xn的距离采用式(3)计算:
式(3)中,(xn,yn)为第n个多站融合站点Xn的初始站址的坐标;(ui,vi)为各类负荷点l的坐标;
C3、基于优化算法的单源选址:以线路费用最小为原则,采用优化算法在N个初始分区内按式(21)所示的线路费用最小化的目标函数进行单源选址,得到优化后的新站址坐标;
Clc(t)=Clc_sub(t)+Clc_dat(t)+Clc_ch(t)+Clc_PV(t) (21)
式(21)中,Clc(t)为第t分规划阶段的多站融合站点的线路建设成本;Clc_sub(t)为第t分规划阶段的多站融合站点中的变电站线路建设成本;Clc_dat(t)为第t分规划阶段的多站融合站点中的数据中心线路建设成本;Clc_ch(t)为第t分规划阶段的多站融合站点中的充电站线路建设成本;Clc_PV(t)为第t分规划阶段的多站融合站点中的光伏电站线路建设成本;
C4、优化分区:以单源选址后得到的优化后的新站址坐标作为更新的多站融合站点的站址坐标,重新基于Voronoi图理论进行负荷的分区,即重新对负荷点进行归集,将负荷点归入与之距离最小的更新的多站融合站点的负荷集合;
C5、判断所有负荷点的归集是否发生变化,即是否形成新的分区,若是则返回步骤C3重新以线路费用最小化的目标函数为原则、采用同一优化算法在N个新的分区内按式(21)所示线路费用最小化的目标函数进行单源选址,反之则进入步骤C6;
C6、此时,所有负荷点归集不再发生变化,形成最优分区,输出各最优分区的坐标范围,每个最优分区内的多站融合站点的站址坐标即为最终确定的最优站址坐标,这些最优站址坐标在后续规划阶段不再变化。
所述步骤C3中的单源选址是指针对某一个初始分区选出一个优化后的新站址坐标。
所述步骤C3中的优化算法包括粒子群优化算法、遗传优化算法。
基于粒子群优化算法的单源选址方法为:多站融合站点的位置在地理上表现为平面二维坐标,将多站融合站点站址的横坐标和纵坐标作为粒子群优化算法中的粒子位置坐标,对应的粒子群优化算法的搜索空间就为二维空间,二维空间中的每个点即代表着多站融合站点的一个可行站址坐标、以多站融合站点规划的线路费用最小化的目标函数作为粒子群优化算法的适应度函数,通过不断迭代搜索到适应度函数值最小的粒子位置坐标,即为优化后的新站址坐标。
所述步骤C3中的优化算法采用粒子群优化算法时的单源选址方法的具体步骤为:
C31、输入初始分区的坐标范围,即初始分区的横、纵坐标的起始值和终止值(对每个初始分区进行单源选址时,多站融合站点站址变化范围必须限定在该初始分区的区域之内);输入初始分区内各类负荷功率、坐标、线路成本、贴现率、年利率、线路使用寿命、光伏板使用寿命、充电站时间价值系数、单充电桩功率、电动汽车用户平均行驶速度、太阳能电池投资成本、单块太阳能电池的容量、储能对光伏电站服务半径,并设定粒子群中的粒子数,且为每个粒子随机生成符合该初始分区坐标范围的初始位置坐标;
C32、将式(21)所示的线路费用最小化的目标函数作为粒子群优化算法的适应度函数,据此计算各粒子位置对应的适应度函数值;
C33、算出整个种群中个体最优适应度函数值和全体最优适应度函数值(适应度函数值最小即为最优);
C34、更新粒子速度和粒子位置,根据式(4)、式(5)得到更新后的粒子速度和位置,若更新后的位置超出该初始分区的坐标范围,则粒子位置不更新,仍采用原位置;
va(k+1)=ωva(k)+c1r1(pbesta(k)-xa(k))+c2r2(gbesta(k)-xa(k)) (4)
xa(k+1)=xa(k)+va(k+1) (5)
式(4)和式(5)中,v和x分别表示粒子在迭代过程中的速度变量和位置变量;k为迭代次数;va(k)为粒子a在第k次迭代时的速度;va(k+1)为粒子a在第k+1次迭代时的速度;xa(k)为粒子a在第k次迭代时的位置;xa(k+1)为粒子a在第k+1次迭代时的位置;ω为惯性因子;c1和c2为粒子群算法加速系数;r1和r2是介于0和1之间的随机调节系数,有利于粒子随机飞行,寻找更多可能的最优解;pbesta(k)和gbesta(k)分别是第k次迭代时粒子a的个体最优适应度函数值和全局最优适应度函数值;
C35、判断迭代是否结束,即是否达到规定的最大迭代次数,达到则输出当前适应度函数值最小的粒子位置坐标,即为优化后的新站址坐标;未达到则转至步骤C32,继续迭代。
所述步骤D中的各单站的容量的计算包括:
变电站的单站容量选取根据式(6)确定:
式(6)中,Ss,n(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段的容量,单位为MVA;Sp,n(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段所供负荷;en(t)为第n个最优分区的多站融合站点中的变电站的负载率;为功率因数,取0.9;将计算获得的第n个最优分区的多站融合站点中的变电站在第t分规划阶段的容量Ss,n(t)与35kV变电站常用容量规格进行比较(35kV变电站常用容量规格包括2×5MVA、3×5MVA、2×10MVA、3×10MVA、2×20MVA、3×20MVA),选取大于Ss,n(t)同时最接近Ss,n(t)的规格作为第n个最优分区的多站融合站点中的变电站在第t分规划阶段的容量;
数据中心的单站容量根据式(7)、式(8)、式(9)确定:
Sd,n(t)=Ndata,n(t)×Pdata (9)
式(7)-(9)中,ceil为运算符,代表返回大于等于表达式的最小整数;Ndata,n(t)为第n个最优分区的多站融合站点中的数据中心在第t分规划阶段的机柜总数量;Sd,n(t)为第n个最优分区的多站融合站点中的数据中心在第t分规划阶段的容量,单位为kW;Sdata_total,n(t)为第n个最优分区的多站融合站点中的数据中心在第t分规划阶段的总负荷;Pdata为单台机架综合用电量;PIT表示机柜用电,P1表示空调系统用电,P2表示照明用电;P3为单机柜用电量;k1取值与数据中心的类别有关,一般取0.9;cop取2,k2一般取0.12-0.15;
光伏电站的单站容量根据式(10)确定:
式(10)中,Npv,n(t)为第n个最优分区的多站融合站点中的光伏电站在第t分规划阶段的光伏板总数量;ceil为运算符,代表返回大于等于表达式的最小整数;Spv,n(t)为第n个最优分区的多站融合站点中的光伏电站在第t分规划阶段的容量,单位为kW;Spv_total,n(t)为第n个最优分区的多站融合站点中的光伏电站在第t分规划阶段的总负荷;spv为光伏电站中的单块光伏板功率,单位为kW;
充电站的单站容量根据式(11)确定:
式(11)中,Nch,n(t)为第n个最优分区的多站融合站点中的充电站在第t分规划阶段的充电桩总数量;ceil为运算符,代表返回大于等于表达式的最小整数;Sc,n(t)为第n个最优分区的多站融合站点中的充电站在第t分规划阶段的容量,单位为kW;Sch_total,n(t)为第n个最优分区的多站融合站点中的充电站的充电总负荷;η为充电效率;sch为充电站中的单个充电桩功率,单位为kW;
各单站容量计算得出初始规划阶段的总成本,第t分规划阶段的总成本Ctotal(t)为:
式(12)中,Ctotal(t)为第t分规划阶段的总成本,当t=1时即为初始规划阶段的总成本;Csc(t)为第t分规划阶段的多站融合站点中的变电站建设成本;Cso(t)为第t分规划阶段的多站融合站点中的变电站运行成本;Cdc(t)为第t分规划阶段的多站融合站点中的数据中心建设成本;Cdo(t)为第t分规划阶段的多站融合站点中的数据中心运行成本;Ccc(t)为第t分规划阶段的多站融合站点中的充电站建设成本;Cco(t)为第t分规划阶段的多站融合站点中的充电站运行成本;Cpvc(t)为第t分规划阶段的多站融合站点中的光伏电站建设成本;Cpvo(t)为第t分规划阶段的多站融合站点中的光伏电站运行成本;Clc(t)为第t分规划阶段的多站融合站点的线路建设成本;r为贴现率;y(t)为分规划阶段t的年份数。
第t分规划阶段的多站融合站点中的变电站建设成本Csc(t)为:
式(13)中,N(t)为第t分规划阶段的多站融合站点的个数;Csc,n(t)为第n个最优分区的多站融合站点中的变电站在第t阶段的建设成本的等年值;Ss,n(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段的容量,单位为MVA;dcfix为第n个最优分区的多站融合站点中的变电站固定建设费用系数;dcvar为第n个最优分区的多站融合站点中的变电站可变建设费用系数;r0为年利率;z为多站融合站点的使用年限;
第t分规划阶段的多站融合站点中的变电站运行成本Cso(t)为:
式(14)中,α为电价;N(t)为第t分规划阶段的多站融合站点的个数;Mn(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段的主变台数;ΔPs,n为第n个最优分区的多站融合站点中的变电站的单台主变短路损耗;Sp,n(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段所供负荷;Ss,n(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段的容量,单位为MVA;τmax,s为变电站最大负荷损耗小时数;ΔP0,n为第n个最优分区的多站融合站点中的变电站中的单台变压器的空载损耗;T0,n为第n个最优分区的多站融合站点中的变电站中的单台变压器年运行时间;
第t分规划阶段的多站融合站点中的数据中心建设成本Cdc(t)和第t分规划阶段的多站融合站点中的数据中心运行成本Cdo(t)分别为:
式(15)和式(16)中,N(t)为第t分规划阶段的多站融合站点的个数;ddc为数据中心的建设成本系数;ddo为数据中心的运营成本系数;Sd,n(t)为第n个最优分区的多站融合站点中的数据中心在第t分规划阶段的容量,单位为kW;r0为年利率;z为多站融合站点的使用年限;
第t分规划阶段的多站融合站点中的充电站建设成本Ccc(t)和第t分规划阶段的多站融合站点中的充电站运行成本Cco(t)分别为:
式(17)和式(18)中,N(t)为第t分规划阶段的多站融合站点的个数;dcc为充电站的建设成本系数;dco为充电站的运营成本系数;Sc,n(t)为第n个最优分区的多站融合站点中的充电站在第t分规划阶段的容量,单位为kW;r0为年利率;z为多站融合站点的使用年限;
第t分规划阶段的多站融合站点中的光伏电站建设成本Cpvc(t)和第t分规划阶段的多站融合站点中的光伏电站运行成本Cpvo(t)分别为:
式(19)和式(20)中,N(t)为第t分规划阶段的多站融合站点的个数;dpvc为光伏电站的建设成本系数;dpvo为光伏电站的运营成本系数;Spv,n(t)为第n个最优分区的多站融合站点中的光伏电站在第t分规划阶段的容量,单位为W;r0为年利率;z为多站融合站点的使用年限;
第t分规划阶段的多站融合站点的线路建设成本Clc(t)为:
Clc(t)=Clc_sub(t)+Clc_dat(t)+Clc_ch(t)+Clc_PV(t) (21)
式(21)中,Clc_sub(t)为第t分规划阶段的多站融合站点中的变电站线路建设成本;Clc_dat(t)为第t分规划阶段的多站融合站点中的数据中心线路建设成本;Clc_ch(t)为第t分规划阶段的多站融合站点中的充电站线路建设成本;Clc_PV(t)为第t分规划阶段的多站融合站点中的光伏电站线路建设成本;
其中,第t分规划阶段的多站融合站点中的变电站线路建设成本Clc_sub(t)为:
式(22)中,dsubstation为变电站的单位长度投资成本;N(t)为第t分规划阶段的多站融合站点的个数;Ln_sub为第n个最优分区的多站融合站点中的变电站负荷的集合;Pi_sub为第n个最优分区的多站融合站点辖区范围内的第i个变电站负荷的大小;(xn,yn)为第n个最优分区的多站融合站点的坐标;(ui_sub,vi_sub)为第n个最优分区的多站融合站点辖区范围内的第i个变电站负荷的坐标;uxl表示单位距离的线路投资成本;r0为年利率;z1为线路使用年限,将线路投资成本折算到每一年;
第t分规划阶段的多站融合站点中的数据中心线路建设成本Clc_dat(t)为:
式(23)中,ddata为数据中心的单位长度投资成本;N(t)为第t分规划阶段的多站融合站点的个数;Ln_dat为第n个最优分区的多站融合站点中的数据中心负荷的集合;Pi_dat为第n个最优分区的多站融合站点辖区范围内的第i个数据中心负荷的大小;(xn,yn)为第n个最优分区的多站融合站点的坐标;(ui_dat,vi_dat)为第n个最优分区的多站融合站点辖区范围内的第i个数据中心负荷的坐标;表示供电可靠性修正系数;uxl表示单位距离的线路投资成本;r0为年利率;z1为线路使用年限,将线路投资成本折算到每一年,由于数据中心负荷规模大,对可靠性要求较高,采用双回线;
第t分规划阶段的多站融合站点中的充电站线路建设成本Clc_ch(t)为:
式(24)中,dch为充电站的单位长度投资成本;N(t)为第t分规划阶段的多站融合站点的个数;Ln_ch为第n个最优分区的多站融合站点中的充电站负荷的集合;Pi_ch为第n个最优分区的多站融合站点辖区范围内的第i个充电站负荷的大小;(xn,yn)为第n个最优分区的多站融合站点的坐标;(ui_ch,vi_ch)为第n个最优分区的多站融合站点辖区范围内的第i个充电站负荷的坐标;Ktime表示电动汽车用户单位小时的时间价值系数;sch表示充电站中的单个充电桩功率;vroad表示规划区域内考虑路况后的电动汽车用户平均行驶速度;
第t分规划阶段的多站融合站点中的光伏电站线路建设成本Clc_PV(t)为:
式(25)中,dPV为光伏电站的单位长度投资成本;N(t)为第t分规划阶段的多站融合站点的个数;Ln_PV为第n个最优分区的多站融合站点中的光伏电站负荷的集合;Pi_PV为第n个最优分区的多站融合站点辖区范围内的第i个光伏电站负荷的大小;(xn,yn)为第n个最优分区的多站融合站点的坐标;(ui_PV,vi_PV)为第n个最优分区的多站融合站点辖区范围内的第i个光伏电站负荷的坐标;uPV表示单位容量太阳能电池投资成本;VPV表示一块太阳能电池的容量;RPV表示储能对光伏电站的服务半径;uxl表示单位距离的线路投资成本;r0为年利率;z1为线路使用年限;z2为光伏板的寿命年限。
所述步骤E中的约束条件包括供电半径和容载比两个约束条件,供电半径的约束条件是指负荷点到变电站的距离受变电站供电半径约束、容载比的约束条件是第t分规划阶段的负荷大小总和应小于第t分规划阶段所有多站融合站点的供电能力,约束条件表达式如式(26)所示:
式(26)中,Lmax为第n个最优分区内的变电站的最大供电半径;(xn,yn)为第n个最优分区的多站融合站点的坐标;(ui_sub,vi_sub)为第n个最优分区的多站融合站点辖区范围内的第i个变电站负荷的坐标;∑Sp,n(t)为给定的规划区域内第t分规划阶段的总电力负荷;∑Ss,n(t)为给定的规划区域内全部多站融合站点中的变电站在第t分规划阶段的总容量,单位为MVA;Rmax为最大容载比。
所述步骤G中的扩容以多站融合站点中的变电站是否需要扩容为基准,若满足式(27)则无需扩容:
式(27)中,Ss,n(t-1)为第n个最优分区的多站融合站点中的变电站在第t-1分规划阶段的容量,单位为MVA;Sp,n(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段所供负荷;en(t)为第n个最优分区的多站融合站点中的变电站的负载率;为功率因数,取0.9;上述判据表明,当第t-1分规划阶段配置的变电站容量能够满足该分规划阶段的负荷供电需求时,无需扩容。
所述步骤H中的负荷需求以满足多站融合站点中的变电站负荷为基准,若满足式(28)则扩容可满足负荷需求,按该分规划阶段的负荷大小增大多站融合站点中的各单站容量,
式(28)中Ssmax,n(t-1)为第n个最优分区的多站融合站点中的变电站在第t-1分规划阶段的最大容量、即第t分规划阶段可扩展的最大容量,单位为MVA,由于在第t-1分规划阶段在配置Ss,n(t-1)时已设定了变电站的主变数量和单台主变容量,根据常用容量规格,该变电站扩容有一定的上限,即Ssmax,n(t-1);式(28)表明第t-1分规划阶段规划的变电站可扩展的最大容量能够满足第t分规划阶段的负荷需求时,则可以通过扩容来解决新增负荷,否则扩容无法满足第t分规划阶段的负荷需求。
所述步骤J中的总规划阶段的总成本C为:
式(29)中,T为规划期限内的总规划阶段,t为分规划阶段,C为规划期限内的总规划阶段的总成本,Ctotal(t)为第t分规划阶段的总成本,Csc(t)为第t分规划阶段的多站融合站点中的变电站建设成本;Cso(t)为第t分规划阶段的多站融合站点中的变电站运行成本;Cdc(t)为第t分规划阶段的多站融合站点中的数据中心建设成本;Cdo(t)为第t分规划阶段的多站融合站点中的数据中心运行成本;Ccc(t)为第t分规划阶段的多站融合站点中的充电站建设成本;Cco(t)为第t分规划阶段的多站融合站点中的充电站运行成本;Cpvc(t)为第t分规划阶段的多站融合站点中的光伏电站建设成本;Cpvo(t)为第t分规划阶段的多站融合站点中的光伏电站运行成本;Clc(t)为第t分规划阶段的多站融合站点的线路建设成本;r为贴现率;y(t)为分规划阶段t的年份数。
值得注意的是,在计算规划期限内的总规划阶段的总成本时,扩展规划阶段(t>1)的建设成本仅计算因扩容或新建站点而新增的建设成本,之前规划阶段已建成的站点及已有容量不再重复计算建设成本;无需新建线路时,也不重复计算线路成本;各分规划阶段的运行成本则均需要根据各分规划阶段的负荷重新计算;这些建设成本、运行成本、线路成本仍按式(13)~式(21)计算。
本发明相比现有技术有如下优点:
(1)填补了多站融合站点扩展规划方面的空白,给出分阶段扩展规划、优化选址、容量配置、成本计算方法等扩展规划全套方法和流程,解决多站融合站点远期规划选址定容问题;
(2)将扩展规划分为t=1时的初始规划阶段和1<t≤T时的扩展规划阶段,初始规划阶段用于新建多个多站融合站点,进入扩展规划阶段后不再做无谓的重建,而是在初始规划阶段的基础上进行扩展规划,充分考虑了实际工程成本和需求,十分符合实际情况;
(3)扩展规划阶段进行扩展规划时首选扩容、次选新建站点,充分保留现有站点、负荷归集和已建成的线路,大大节省了工程成本;
(4)采用voronoi图理论进行多源选址可保证每个负荷到自己所归属的多站融合站点的距离最短,而且采用优化算法进行单源选址,保证了每个分区选定的站址到该分区所有负荷的线路成本最小,大大节约了工程成本。
附图说明
附图1为本发明提供的多站融合站点扩展规划方法的流程图;
附图2为本发明提供的基于voronoi图理论进行多站融合多源选址的流程图;
附图3为本发明提供的基于粒子群优化算法的单源选址方法的流程图;
附图4为本发明的多站融合站点扩展规划方法的实施例中的第一分规划阶段的最优站址位置图;
附图5为本发明的多站融合站点扩展规划方法的实施例中的第二分规划阶段的最优站址位置图;
附图6为本发明的多站融合站点扩展规划方法的实施例中的第三分规划阶段的最优站址位置图。
具体实施方式
下面结合附图与实施例对本发明作进一步的说明。
如图1-3所示,一种多站融合站点扩展规划方法,多站融合是将各一个变电站、数据中心、充电站、光伏电站在一处站址内相互融合;首先确定规划区域、规划期限、规划期限内的总规划阶段T,该多站融合站点扩展规划方法包括:分规划阶段t=1时的初始规划阶段和分规划阶段1<t≤T时的扩展规划阶段;
初始规划阶段的规划方法步骤为:
A、初始化,设定初始参数并令t=1;
B、确定规划区域内各类负荷的坐标及负荷大小;各类负荷是指变电站负荷、数据中心负荷、光伏电站负荷、充电站负荷;
C、基于voronoi图理论进行多站融合多源选址,获得初始规划阶段在规划区域内的各最优分区的多站融合站点的最优站址坐标;
基于Voronoi图理论进行多站融合多源选址包括基于Voronoi图理论进行负荷的初始分区、基于优化算法的单源选址、优化分区三大部分,具体步骤为:
C1、设定初始站址的坐标,根据变电站负荷计算初始规划阶段中需要建设的多站融合站点个数N,如式(1)所示,并设定N个多站融合站点的初始站址的坐标;
式(1)中,ceil为运算符,代表返回大于等于表达式的最小整数;R为满足电力系统“N-1原则”下的变压器容载比;∑Sp,n(t)为给定的规划区域内第t分规划阶段的总变电站负荷;ksub为各多站融合站点中的变电站初始主变台数,一般取2;S为单台主变容量,该参数根据初始规划阶段的变电站电压等级对应的常用容量规格来设置,例如35kV变电站常用容量规格包括2×5MVA、3×5MVA、2×10MVA、3×10MVA、2×20MVA、3×20MVA等,其中第一个乘子为变电站内主变台数、第二个乘子为单台主变容量,S可以设为5MVA、10MVA或20MVA;本申请选2×10MVA作为初始容量,以此确定多站融合站点的个数N、亦即N个分区数量;
C2、基于Voronoi图理论进行负荷的初始分区:设定N个多站融合站点的初始站址的坐标,将给定的规划区域中的变电站负荷、数据中心负荷、光伏电站负荷、充电站负荷分别按负荷点到初始站址的坐标的距离最小原则进行归集,如式(2)所示,归集完成即可获得N个初始分区;
Ln={l∈L|d(l,Xn)<d(l,Xj),j={1,2,…,N},j≠n} (2)
式(2)中,Ln为归属于第n个多站融合站点Xn的所有各类负荷的集合,0<n≤N;l为负荷点;L为规划区域内所有负荷点的集合;d(l,Xn)、d(l,Xj)分别为负荷点l到第n个多站融合站点Xn、第j个多站融合站点Xj的距离;Xn为第n个多站融合站点、Xj为第j个多站融合站点;N为初始规划阶段的多站融合站点个数;
负荷点l到第n个多站融合站点Xn的距离采用式(3)计算:
式(3)中,(xn,yn)为第n个多站融合站点Xn的初始站址的坐标;(ui,vi)为各类负荷点l的坐标;
C3、基于优化算法的单源选址:以线路费用最小为原则,采用粒子群优化算法在N个初始分区内按式(21)所示的线路费用最小化的目标函数进行单源选址,得到优化后的新站址坐标;
Clc(t)=Clc_sub(t)+Clc_dat(t)+Clc_ch(t)+Clc_PV(t) (21)
式(21)中,Clc(t)为第t分规划阶段的多站融合站点的线路建设成本;Clc_sub(t)为第t分规划阶段的多站融合站点中的变电站线路建设成本;Clc_dat(t)为第t分规划阶段的多站融合站点中的数据中心线路建设成本;Clc_ch(t)为第t分规划阶段的多站融合站点中的充电站线路建设成本;Clc_PV(t)为第t分规划阶段的多站融合站点中的光伏电站线路建设成本;
基于粒子群优化算法的单源选址方法的具体步骤为:
C31、输入初始分区的坐标范围,即初始分区的横、纵坐标的起始值和终止值(对每个初始分区进行单源选址时,多站融合站点站址变化范围必须限定在该初始分区的区域之内);输入初始分区内各类负荷功率、坐标、线路成本、贴现率、年利率、线路使用寿命、光伏板使用寿命、充电站时间价值系数、单充电桩功率、电动汽车用户平均行驶速度、太阳能电池投资成本、单块太阳能电池的容量、储能对光伏电站服务半径,并设定粒子群中的粒子数,且为每个粒子随机生成符合该初始分区坐标范围的初始位置坐标;
C32、将式(21)所示的线路费用最小化的目标函数作为粒子群优化算法的适应度函数,据此计算各粒子位置对应的适应度函数值;
C33、算出整个种群中个体最优适应度函数值和全体最优适应度函数值(适应度函数值最小即为最优);
C34、更新粒子速度和粒子位置,根据式(4)、式(5)得到更新后的粒子速度和位置,若更新后的位置超出该初始分区的坐标范围,则粒子位置不更新,仍采用原位置;
va(k+1)=ωva(k)+c1r1(pbesta(k)-xa(k))+c2r2(gbesta(k)-xa(k)) (4)
xa(k+1)=xa(k)+va(k+1) (5)
式(4)和式(5)中,v和x分别表示粒子在迭代过程中的速度变量和位置变量;k为迭代次数;va(k)为粒子a在第k次迭代时的速度;va(k+1)为粒子a在第k+1次迭代时的速度;xa(k)为粒子a在第k次迭代时的位置;xa(k+1)为粒子a在第k+1次迭代时的位置;ω为惯性因子;c1和c2为粒子群算法加速系数;r1和r2是介于0和1之间的随机调节系数,有利于粒子随机飞行,寻找更多可能的最优解;pbesta(k)和gbesta(k)分别是第k次迭代时粒子a的个体最优适应度函数值和全局最优适应度函数值;
C35、判断迭代是否结束,即是否达到规定的最大迭代次数,达到则输出当前适应度函数值最小的粒子位置坐标,即为优化后的新站址坐标;未达到则转至步骤C32,继续迭代;
C4、优化分区:以单源选址后得到的优化后的新站址坐标作为更新的多站融合站点的站址坐标,重新基于Voronoi图理论进行负荷的分区,即重新对负荷点进行归集,将负荷点归入与之距离最小的更新的多站融合站点的负荷集合;
C5、判断所有负荷点的归集是否发生变化,即是否形成新的分区,若是则返回步骤C3重新以线路费用最小化的目标函数为原则、采用同一优化算法在N个新的分区内按式(21)所示线路费用最小化的目标函数进行单源选址,反之则进入步骤C6;
C6、此时,所有负荷点归集不再发生变化,形成最优分区,输出各最优分区的坐标范围,每个最优分区内的多站融合站点的站址坐标即为最终确定的最优站址坐标,这些最优站址坐标在后续规划阶段不再变化;
D、根据各最优分区内的负荷大小计算该最优分区内多站融合站点中的各单站的容量,如式(6)-(11)所示,并根据各单站容量采用费用模型计算得出初始规划阶段的总成本;
其中,变电站的单站容量选取根据式(6)确定:
式(6)中,Ss,n(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段的容量,单位为MVA;Sp,n(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段所供负荷;en(t)为第n个最优分区的多站融合站点中的变电站的负载率;为功率因数,取0.9;将计算获得的第n个最优分区的多站融合站点中的变电站在第t分规划阶段的容量Ss,n(t)与35kV变电站常用容量规格进行比较(35kV变电站常用容量规格包括2×5MVA、3×5MVA、2×10MVA、3×10MVA、2×20MVA、3×20MVA),选取大于Ss,n(t)同时最接近Ss,n(t)的规格作为第n个最优分区的多站融合站点中的变电站在第t分规划阶段的容量;
数据中心的单站容量根据式(7)、式(8)、式(9)确定:
Sd,n(t)=Ndata,n(t)×Pdata (9)
式(7)-(9)中,ceil为运算符,代表返回大于等于表达式的最小整数;Ndata,n(t)为第n个最优分区的多站融合站点中的数据中心在第t分规划阶段的机柜总数量;Sd,n(t)为第n个最优分区的多站融合站点中的数据中心在第t分规划阶段的容量,单位为kW;Sdata_total,n(t)为第n个最优分区的多站融合站点中的数据中心在第t分规划阶段的总负荷;Pdata为单台机架综合用电量;PIT表示机柜用电,P1表示空调系统用电,P2表示照明用电;P3为单机柜用电量;k1取值与数据中心的类别有关,一般取0.9;cop取2,k2一般取0.12-0.15;
光伏电站的单站容量根据式(10)确定:
式(10)中,Npv,n(t)为第n个最优分区的多站融合站点中的光伏电站在第t分规划阶段的光伏板总数量;ceil为运算符,代表返回大于等于表达式的最小整数;Spv,n(t)为第n个最优分区的多站融合站点中的光伏电站在第t分规划阶段的容量,单位为kW;Spv_total,n(t)为第n个最优分区的多站融合站点中的光伏电站在第t分规划阶段的总负荷;spv为光伏电站中的单块光伏板功率,单位为kW;
充电站的单站容量根据式(11)确定:
式(11)中,Nch,n(t)为第n个最优分区的多站融合站点中的充电站在第t分规划阶段的充电桩总数量;ceil为运算符,代表返回大于等于表达式的最小整数;Sc,n(t)为第n个最优分区的多站融合站点中的充电站在第t分规划阶段的容量,单位为kW;Sch_total,n(t)为第n个最优分区的多站融合站点中的充电站的充电总负荷;η为充电效率;sch为充电站中的单个充电桩功率,单位为kW;
根据各单站容量计算得出初始规划阶段的总成本,第t分规划阶段的总成本Ctotal(t)为:
式(12)中,Ctotal(t)为第t分规划阶段的总成本,当t=1时即为初始规划阶段的总成本;Csc(t)为第t分规划阶段的多站融合站点中的变电站建设成本;Cso(t)为第t分规划阶段的多站融合站点中的变电站运行成本;Cdc(t)为第t分规划阶段的多站融合站点中的数据中心建设成本;Cdo(t)为第t分规划阶段的多站融合站点中的数据中心运行成本;Ccc(t)为第t分规划阶段的多站融合站点中的充电站建设成本;Cco(t)为第t分规划阶段的多站融合站点中的充电站运行成本;Cpvc(t)为第t分规划阶段的多站融合站点中的光伏电站建设成本;Cpvo(t)为第t分规划阶段的多站融合站点中的光伏电站运行成本;Clc(t)为第t分规划阶段的多站融合站点的线路建设成本;r为贴现率;y(t)为分规划阶段t的年份数;
第t分规划阶段的多站融合站点中的变电站建设成本Csc(t)为:
式(13)中,N(t)为第t分规划阶段的多站融合站点的个数;Csc,n(t)为第n个最优分区的多站融合站点中的变电站在第t阶段的建设成本的等年值;Ss,n(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段的容量,单位为MVA;dcfix为第n个最优分区的多站融合站点中的变电站固定建设费用系数;dcvar为第n个最优分区的多站融合站点中的变电站可变建设费用系数;r0为年利率;z为多站融合站点的使用年限;
第t分规划阶段的多站融合站点中的变电站运行成本Cso(t)为:
式(14)中,α为电价;N(t)为第t分规划阶段的多站融合站点的个数;Mn(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段的主变台数;ΔPs,n为第n个最优分区的多站融合站点中的变电站的单台主变短路损耗;Sp,n(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段所供负荷;Ss,n(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段的容量,单位为MVA;τmax,s为变电站最大负荷损耗小时数;ΔP0,n为第n个最优分区的多站融合站点中的变电站中的单台变压器的空载损耗;T0,n为第n个最优分区的多站融合站点中的变电站中的单台变压器年运行时间;
第t分规划阶段的多站融合站点中的数据中心建设成本Cdc(t)和第t分规划阶段的多站融合站点中的数据中心运行成本Cdo(t)分别为:
式(15)和式(16)中,N(t)为第t分规划阶段的多站融合站点的个数;ddc为数据中心的建设成本系数;ddo为数据中心的运营成本系数;Sd,n(t)为第n个最优分区的多站融合站点中的数据中心在第t分规划阶段的容量,单位为kW;r0为年利率;z为多站融合站点的使用年限;
第t分规划阶段的多站融合站点中的充电站建设成本Ccc(t)和第t分规划阶段的多站融合站点中的充电站运行成本Cco(t)分别为:
式(17)和式(18)中,N(t)为第t分规划阶段的多站融合站点的个数;dcc为充电站的建设成本系数;dco为充电站的运营成本系数;Sc,n(t)为第n个最优分区的多站融合站点中的充电站在第t分规划阶段的容量,单位为kW;r0为年利率;z为多站融合站点的使用年限;
第t分规划阶段的多站融合站点中的光伏电站建设成本Cpvc(t)和第t分规划阶段的多站融合站点中的光伏电站运行成本Cpvo(t)分别为:
式(19)和式(20)中,N(t)为第t分规划阶段的多站融合站点的个数;dpvc为光伏电站的建设成本系数;dpvo为光伏电站的运营成本系数;Spv,n(t)为第n个最优分区的多站融合站点中的光伏电站在第t分规划阶段的容量,单位为W;r0为年利率;z为多站融合站点的使用年限;
第t分规划阶段的多站融合站点的线路建设成本Clc(t)为:
Clc(t)=Clc_sub(t)+Clc_dat(t)+Clc_ch(t)+Clc_PV(t) (21)
式(21)中,Clc_sub(t)为第t分规划阶段的多站融合站点中的变电站线路建设成本;Clc_dat(t)为第t分规划阶段的多站融合站点中的数据中心线路建设成本;Clc_ch(t)为第t分规划阶段的多站融合站点中的充电站线路建设成本;Clc_PV(t)为第t分规划阶段的多站融合站点中的光伏电站线路建设成本;
其中,第t分规划阶段的多站融合站点中的变电站线路建设成本Clc_sub(t)为:
式(22)中,dsubstation为变电站的单位长度投资成本;N(t)为第t分规划阶段的多站融合站点的个数;Ln_sub为第n个最优分区的多站融合站点中的变电站负荷的集合;Pi_sub为第n个最优分区的多站融合站点辖区范围内的第i个变电站负荷的大小;(xn,yn)为第n个最优分区的多站融合站点的坐标;(ui_sub,vi_sub)为第n个最优分区的多站融合站点辖区范围内的第i个变电站负荷的坐标;uxl表示单位距离的线路投资成本;r0为年利率;z1为线路使用年限,将线路投资成本折算到每一年;
第t分规划阶段的多站融合站点中的数据中心线路建设成本Clc_dat(t)为:
式(23)中,ddata为数据中心的单位长度投资成本;N(t)为第t分规划阶段的多站融合站点的个数;Ln_dat为第n个最优分区的多站融合站点中的数据中心负荷的集合;Pi_dat为第n个最优分区的多站融合站点辖区范围内的第i个数据中心负荷的大小;(xn,yn)为第n个最优分区的多站融合站点的坐标;(ui_dat,vi_dat)为第n个最优分区的多站融合站点辖区范围内的第i个数据中心负荷的坐标;表示供电可靠性修正系数;uxl表示单位距离的线路投资成本;r0为年利率;z1为线路使用年限,将线路投资成本折算到每一年,由于数据中心负荷规模大,对可靠性要求较高,采用双回线;
第t分规划阶段的多站融合站点中的充电站线路建设成本Clc_ch(t)为:
式(24)中,dch为充电站的单位长度投资成本;N(t)为第t分规划阶段的多站融合站点的个数;Ln_ch为第n个最优分区的多站融合站点中的充电站负荷的集合;Pi_ch为第n个最优分区的多站融合站点辖区范围内的第i个充电站负荷的大小;(xn,yn)为第n个最优分区的多站融合站点的坐标;(ui_ch,vi_ch)为第n个最优分区的多站融合站点辖区范围内的第i个充电站负荷的坐标;Ktime表示电动汽车用户单位小时的时间价值系数;sch表示充电站的单充电桩功率;vroad表示规划区域内考虑路况后的电动汽车用户平均行驶速度;
第t分规划阶段的多站融合站点中的光伏电站线路建设成本Clc_PV(t)为:
式(25)中,dPV为光伏电站的单位长度投资成本;N(t)为第t分规划阶段的多站融合站点的个数;Ln_PV为第n个最优分区的多站融合站点中的光伏电站负荷的集合;Pi_PV为第n个最优分区的多站融合站点辖区范围内的第i个光伏电站负荷的大小;(xn,yn)为第n个最优分区的多站融合站点的坐标;(ui_PV,vi_PV)为第n个最优分区的多站融合站点辖区范围内的第i个光伏电站负荷的坐标;uPV表示单位容量太阳能电池投资成本;VPV表示一块太阳能电池的容量;RPV表示储能对光伏电站的服务半径;uxl表示单位距离的线路投资成本;r0为年利率;z1为线路使用年限;z2为光伏板的寿命年限;
E、校验,进行供电半径和容载比的约束条件校验,满足约束条件则初始规划阶段的规划成立,结束初始规划阶段的规划、并进入扩展规划阶段;不满足则返回步骤C,调整初始规划阶段在规划区域内的各分区的多站融合站点的最优站址坐标,重复步骤C和步骤D;
步骤E中的约束条件包括供电半径和容载比两个约束条件,供电半径的约束条件是指负荷点到变电站的距离受变电站供电半径约束、容载比的约束条件是第t分规划阶段的负荷大小总和应小于第t分规划阶段所有多站融合站点的供电能力,约束条件表达式如式(26)所示:
式(26)中,Lmax为第n个最优分区内的变电站的最大供电半径;(xn,yn)为第n个最优分区的多站融合站点的坐标;(ui_sub,vi_sub)为第n个最优分区的多站融合站点辖区范围内的第i个变电站负荷的坐标;∑Sp,n(t)为给定的规划区域内第t分规划阶段的总电力负荷;∑Ss,n(t)为给定的规划区域内全部多站融合站点中的变电站在第t分规划阶段的总容量,单位为MVA;Rmax为最大容载比;
扩展规划阶段:完成初始规划阶段的规划后,获得了若干多站融合站点的站址坐标和容量,将其作为后续规划的基础,进入1<t≤T的扩展规划阶段的规划,扩展规划阶段的规划方法步骤为:
F、令t=t+1,根据预测的负荷增长速度计算规划区域内相应分规划阶段的负荷大小;
G、检验该分规划阶段的各最优分区的多站融合站点是否需要扩容,以多站融合站点中的变电站是否需要扩容为基准,若满足式(27)则无需扩容,返回步骤F,否则进入步骤H;
式(27)中,Ss,n(t-1)为第n个最优分区的多站融合站点中的变电站在第t-1分规划阶段的容量,单位为MVA;Sp,n(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段所供负荷;en(t)为第n个最优分区的多站融合站点中的变电站的负载率;为功率因数,取0.9;上述判据表明,当第t-1分规划阶段配置的变电站容量能够满足该分规划阶段的负荷供电需求时,无需扩容;
H、检验扩容是否可满足负荷需求,以多站融合站点中的变电站负荷为基准,若满足式(28)则扩容可满足负荷需求,按该分规划阶段的负荷大小增大多站融合站点中的各单站容量,此时各单站容量仍按式(6)-(11)计算,然后进入步骤J;若不满足式(28)则进入步骤I;
式(28)中Ssmax,n(t-1)为第n个最优分区的多站融合站点中的变电站在第t-1分规划阶段的最大容量、即第t分规划阶段可扩展的最大容量,单位为MVA,由于在第t-1分规划阶段在配置Ss,n(t-1)时已设定了变电站的主变数量和单台主变容量,根据常用容量规格,该变电站扩容有一定的上限,即Ssmax,n(t-1);式(28)表明第t-1分规划阶段规划的变电站可扩展的最大容量能够满足第t分规划阶段的负荷需求时,则可以通过扩容来解决新增负荷,否则扩容无法满足第t分规划阶段的负荷需求;
I、在扩容不能满足负荷需求的最优分区内建设新站点,并进行选址定容:对该最优分区重新分区新建多站融合站点,各最优分区内已有多站融合站点位置不变,新建多站融合站点的具体步骤同初始规划阶段的步骤B~步骤E;
J、判断规划期限是否结束,若结束则整个扩展规划阶段的流程完成,输出扩展规划阶段中各分规划阶段的多站融合站点的站址坐标和容量,然后按式(29)计算规划期限内的总规划阶段的总成本;若未结束则返回步骤F,进行t=t+1阶段的规划;
式(29)中,T为规划期限内的总规划阶段,t为分规划阶段,C为规划期限内的总规划阶段的总成本,Ctotal(t)为第t分规划阶段的总成本,Csc(t)为第t分规划阶段的多站融合站点中的变电站建设成本;Cso(t)为第t分规划阶段的多站融合站点中的变电站运行成本;Cdc(t)为第t分规划阶段的多站融合站点中的数据中心建设成本;Cdo(t)为第t分规划阶段的多站融合站点中的数据中心运行成本;Ccc(t)为第t分规划阶段的多站融合站点中的充电站建设成本;Cco(t)为第t分规划阶段的多站融合站点中的充电站运行成本;Cpvc(t)为第t分规划阶段的多站融合站点中的光伏电站建设成本;Cpvo(t)为第t分规划阶段的多站融合站点中的光伏电站运行成本;Clc(t)为第t分规划阶段的多站融合站点的线路建设成本;r为贴现率;y(t)为分规划阶段t的年份数;
值得注意的是,在计算规划期限内的总规划阶段的总成本时,扩展规划阶段(t>1)的建设成本仅计算因扩容或新建站点而新增的建设成本,之前规划阶段已建成的站点及已有容量不再重复计算建设成本;无需新建线路时,也不重复计算线路成本;各分规划阶段的运行成本则均需要根据各分规划阶段的负荷重新计算;这些建设成本、运行成本、线路成本仍按式(13)~式(21)计算。
实施例
选取某县域35kV电网一块新规划区域,区域东西跨度为40km(地图的横坐标跨度)、南北跨度达到50km(地图的纵坐标跨度);规划期限为15、规划期限内的总规划阶段T=3,每个分规划阶段的年份数为5年,预测负荷增长速度为第二分规划阶段比第一分规划阶段增长20%、第三分规划阶段比第二分规划阶段增长18%;35k变电站规定选型:2×5MVA、2×10MVA、3×10MVA、2×20MVA、3×20MVA;第一分规划阶段各类负荷坐标及大小见表1至表4、所涉及的主要参数见表5。
表1 变电站负荷及分布
表2 数据中心负荷及分布
编号 | 坐标 | 第一分规划阶段数据中心负荷 |
1 | (24,17) | 32kW |
2 | (26,22) | 24kW |
3 | (5,8) | 17kW |
4 | (9,39) | 13kW |
5 | (30,25) | 22kW |
6 | (34,22) | 30kW |
7 | (28,40) | 25kW |
8 | (21,34) | 18kW |
9 | (27,5) | 12kW |
10 | (24,25) | 29kW |
表3 充电站负荷及分布
表4 光伏电站负荷及分布
编号 | 坐标 | 第一分规划阶段光伏电站负荷 |
1 | (13,4) | 22kW |
2 | (26,7) | 27kW |
3 | (30,40) | 30kW |
4 | (21,25) | 33kW |
5 | (11,32) | 16kW |
6 | (38,10) | 21kW |
7 | (18,34) | 15kW |
8 | (27,25) | 29kW |
9 | (33,20) | 18kW |
10 | (9,15) | 11kW |
表5 主要参数
结合图1-3,基于实施例提供的数据,采用本发明提供的多站融合站点扩展规划方法进行选址定容;使用粒子群算法进行优化,迭代次数设定为100次,在迭代30次后结果已较为收敛,迭代速度快。获得的三个分规划阶段中的多站融合站点情况如图4-图6所示,三个分规划阶段中的多站融合站点的最优站址坐标分别如表6所示。
表6 多站融合站点的最优站址坐标
分规划阶段 | 1区 | 2区 | 3区 | 4区 | 5区 | 6区 |
一 | (16.7,13.2) | (12.3,30.5) | (35.1,38.3) | (32.7,19.50) | (29.6,22.7) | —— |
二 | (16.7,13.2) | (12.3,30.5) | (35.1,38.3) | (32.7,19.50) | (29.6,22.7) | —— |
三 | (16.7,13.2) | (12.3,30.5) | (35.1,38.3) | (32.7,19.50) | (29.6,22.7) | (9.71,13.73) |
结合附图4-6和表6可知,第一分规划阶段完成了分区和选址,第二分规划阶段以后,为满足规划期限内各分规划阶段的负荷需求,进行站点扩容或新建站点;在第二分规划阶段,通过扩容能够满足新增负荷需求,所以未新建站点,第二分规划阶段的站址与第一分规划阶段的站址相同;第三分规划阶段时,1区包含较多变电站负荷,其增长速度较快,现有站点扩容也无法满足负荷需求,为保证供电可靠性在1区中划分出第6区,并新建多站融合站点,优化站址,更新各负荷所属归集。
本实施例的多站融合站点扩展规划方法在规划期限内的总规划阶段的各项成本如表7所示。
表7 多站融合的成本(单位:万元)
在分区内负荷需求逐年增加时,为满足供电可靠性,多站融合扩展规划方式优先选择扩容;若仍不能满足需求,则在该分区内再划分出一个分区新建站点,并更新该分区内负荷点所属归集,如此可以节省成本。如表7所示,第一分规划阶段由于需要新建多站融合站点和线路,所以工程量大,该分规划阶段成本最大;进入第二分规划阶段后,扩容能够满足负荷需求,所以仅需要投入扩大容量的建设成本以及负荷增大的运行费用,相较于第一分规划阶段总成本大大减少;而且第二分规划阶段没有新建站点,原有负荷仍由原有站点供应,无需新建线路,线路成本为0;第三分规划阶段由于扩容无法满足负荷需求,需要新建一个分区和站点,所以增加了建设成本,相较于第二分规划阶段,总成本略有增加。
本实施例的多站融合站点扩展规划方法在规划期限内的总规划阶段的各分规划阶段、各分区的容量配置如表8所示。
表8 多站融合各分规划阶段、各分区的容量配置
由表8可知,为满足第一分规划阶段各类型负荷,确定了1区至5区多站融合中各单站容量。进入第二分规划阶段时,为了满足各类负荷增长,各站容量都有所增加。其中,1区和5区中变电站变压器数量由2台增加至3台,即达到变电站可扩展最大容量。进入第三分规划阶段后,1区的三台变压器已无法满足区内变电站负荷需求,而5区容量仍能满足负荷需求。因此,对1区重新规划后新建六区,并将1区中部分负荷划入6区范围内以满足所有负荷。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内;本发明未涉及的技术均可通过现有技术加以实现。
Claims (12)
1.一种多站融合站点扩展规划方法,其特征在于:所述多站融合是将各一个变电站、数据中心、充电站、光伏电站在一处站址内相互融合;首先确定规划区域、规划期限、规划期限内的总规划阶段T,该多站融合站点扩展规划方法包括:分规划阶段t=1时的初始规划阶段和分规划阶段1<t≤T时的扩展规划阶段;
初始规划阶段的规划方法步骤为:
A、初始化,设定初始参数并令t=1;
B、确定规划区域内各类负荷的坐标及负荷大小;
C、基于voronoi图理论进行多站融合多源选址,获得初始规划阶段在规划区域内的各最优分区的多站融合站点的最优站址坐标;
D、根据各最优分区内的负荷大小计算该最优分区内多站融合站点中的各单站的容量,并根据各单站容量计算得出初始规划阶段的总成本;
E、校验,进行供电半径和容载比的约束条件校验,满足约束条件则初始规划阶段的规划成立,结束初始规划阶段的规划、并进入扩展规划阶段;不满足则返回步骤C,调整初始规划阶段在规划区域内的各分区的多站融合站点的最优站址坐标,重复步骤C和步骤D;
扩展规划阶段的规划方法步骤为:
F、令t=t+1,根据预测的负荷增长速度计算规划区域内相应分规划阶段的负荷大小;
G、检验该分规划阶段的各最优分区的多站融合站点是否需要扩容,若无需扩容、则返回步骤F,否则进入步骤H;
H、检验扩容是否可满足负荷需求,若扩容可满足负荷需求,按该分规划阶段的负荷大小增大多站融合站点中的各单站容量,然后进入步骤J;若扩容不满足负荷需求则进入步骤I;
I、在扩容不能满足负荷需求的最优分区内建设新站点,并进行选址定容:对该最优分区重新分区新建多站融合站点,各最优分区内已有多站融合站点位置不变,新建多站融合站点的具体步骤同初始规划阶段的步骤B~步骤E;
J、判断规划期限是否结束,若结束则整个扩展规划阶段的流程完成,输出扩展规划阶段中各分规划阶段的多站融合站点的站址坐标和容量,计算规划期限内的总规划阶段的总成本;若未结束则返回步骤F,进行t=t+1阶段的规划。
2.根据权利要求1所述的多站融合站点扩展规划方法,其特征在于:所述步骤B中的各类负荷是指变电站负荷、数据中心负荷、光伏电站负荷、充电站负荷。
3.根据权利要求1所述的多站融合站点扩展规划方法,其特征在于:所述步骤C中的基于voronoi图理论进行多站融合多源选址包括基于Voronoi图理论进行负荷的初始分区、基于优化算法的单源选址、优化分区三大部分,具体步骤为:
C1、设定初始站址的坐标,根据变电站负荷计算初始规划阶段中需要建设的多站融合站点个数N,如式(1)所示,并设定N个多站融合站点的初始站址的坐标;
式(1)中,ceil为运算符,代表返回大于等于表达式的最小整数;R为满足电力系统“N-1原则”下的变压器容载比;∑Sp,n(t)为给定的规划区域内第t分规划阶段的总变电站负荷;ksub为各多站融合站点中的变电站初始主变台数;S为单台主变容量,该参数根据初始规划阶段的变电站电压等级对应的常用容量规格来设置;通过选取变电站初始主变台数ksub和单台主变容量S,确定多站融合站点的个数N、亦即N个分区数量;
C2、基于Voronoi图理论进行负荷的初始分区:设定N个多站融合站点的初始站址的坐标,将给定的规划区域中的变电站负荷、数据中心负荷、光伏电站负荷、充电站负荷分别按负荷点到初始站址的坐标的距离最小原则进行归集,如式(2)所示,归集完成即可获得N个初始分区;
Ln={l∈L|d(l,Xn)<d(l,Xj),j={1,2,…,N},j≠n} (2)
式(2)中,Ln为归属于第n个多站融合站点Xn的所有各类负荷的集合,0<n≤N;l为负荷点;L为规划区域内所有负荷点的集合;d(l,Xn)、d(l,Xj)分别为负荷点l到第n个多站融合站点Xn、第j个多站融合站点Xj的距离;Xn为第n个多站融合站点、Xj为第j个多站融合站点;N为初始规划阶段的多站融合站点个数;
负荷点l到第n个多站融合站点Xn的距离采用式(3)计算:
式(3)中,(xn,yn)为第n个多站融合站点Xn的初始站址的坐标;(ui,vi)为各类负荷点l的坐标;
C3、基于优化算法的单源选址:以线路费用最小为原则,采用优化算法在N个初始分区内按式(21)所示的线路费用最小化的目标函数进行单源选址,得到优化后的新站址坐标;
Clc(t)=Clc_sub(t)+Clc_dat(t)+Clc_ch(t)+Clc_PV(t) (21)
式(21)中,Clc(t)为第t分规划阶段的多站融合站点的线路建设成本;Clc_sub(t)为第t分规划阶段的多站融合站点中的变电站线路建设成本;Clc_dat(t)为第t分规划阶段的多站融合站点中的数据中心线路建设成本;Clc_ch(t)为第t分规划阶段的多站融合站点中的充电站线路建设成本;Clc_PV(t)为第t分规划阶段的多站融合站点中的光伏电站线路建设成本;
C4、优化分区:以单源选址后得到的优化后的新站址坐标作为更新的多站融合站点的站址坐标,重新基于Voronoi图理论进行负荷的分区,即重新对负荷点进行归集,将负荷点归入与之距离最小的更新的多站融合站点的负荷集合;
C5、判断所有负荷点的归集是否发生变化,即是否形成新的分区,若是则返回步骤C3重新以线路费用最小化的目标函数为原则、采用同一优化算法在N个新的分区内按式(21)所示线路费用最小化的目标函数进行单源选址,反之则进入步骤C6;
C6、此时,所有负荷点归集不再发生变化,形成最优分区,输出各最优分区的坐标范围,每个最优分区内的多站融合站点的站址坐标即为最终确定的最优站址坐标,这些最优站址坐标在后续规划阶段不再变化。
4.根据权利要求3所述的多站融合站点扩展规划方法,其特征在于:所述步骤C3中的单源选址是指针对某一个初始分区选出一个优化后的新站址坐标。
5.根据权利要求3或4所述的多站融合站点扩展规划方法,其特征在于:所述步骤C3中的优化算法包括粒子群优化算法、遗传优化算法。
6.根据权利要求5所述的多站融合站点扩展规划方法,其特征在于:所述步骤C3中的优化算法采用粒子群优化算法时的单源选址方法的具体步骤为:
C31、输入初始分区的坐标范围,即初始分区的横、纵坐标的起始值和终止值;输入初始分区内各类负荷功率、坐标、线路成本、贴现率、年利率、线路使用寿命、光伏板使用寿命、充电站时间价值系数、单充电桩功率、电动汽车用户平均行驶速度、太阳能电池投资成本、单块太阳能电池的容量、储能对光伏电站服务半径,并设定粒子群中的粒子数,且为每个粒子随机生成符合该初始分区坐标范围的初始位置坐标;
C32、将式(21)所示的线路费用最小化的目标函数作为粒子群优化算法的适应度函数,据此计算各粒子位置对应的适应度函数值;
C33、算出整个种群中个体最优适应度函数值和全体最优适应度函数值;
C34、更新粒子速度和粒子位置,根据式(4)、式(5)得到更新后的粒子速度和位置,若更新后的位置超出该初始分区的坐标范围,则粒子位置不更新,仍采用原位置;
va(k+1)=ωva(k)+c1r1(pbesta(k)-xa(k))+c2r2(gbesta(k)-xa(k)) (4)
xa(k+1)=xa(k)+va(k+1) (5)
式(4)和式(5)中,v和x分别表示粒子在迭代过程中的速度变量和位置变量;k为迭代次数;va(k)为粒子a在第k次迭代时的速度;va(k+1)为粒子a在第k+1次迭代时的速度;xa(k)为粒子a在第k次迭代时的位置;xa(k+1)为粒子a在第k+1次迭代时的位置;ω为惯性因子;c1和c2为粒子群算法加速系数;r1和r2是介于0和1之间的随机调节系数,有利于粒子随机飞行,寻找更多可能的最优解;pbesta(k)和gbesta(k)分别是第k次迭代时粒子a的个体最优适应度函数值和全局最优适应度函数值;
C35、判断迭代是否结束,即是否达到规定的最大迭代次数,达到则输出当前适应度函数值最小的粒子位置坐标,即为优化后的新站址坐标;未达到则转至步骤C32,继续迭代。
7.根据权利要求1所述的多站融合站点扩展规划方法,其特征在于:所述步骤D中的各单站的容量的计算包括:
变电站的单站容量选取根据式(6)确定:
式(6)中,Ss,n(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段的容量,单位为MVA;Sp,n(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段所供负荷;en(t)为第n个最优分区的多站融合站点中的变电站的负载率;为功率因数,设定值;将计算获得的第n个最优分区的多站融合站点中的变电站在第t分规划阶段的容量Ss,n(t)与变电站常用容量规格进行比较,选取大于Ss,n(t)同时最接近Ss,n(t)的规格作为第n个最优分区的多站融合站点中的变电站在第t分规划阶段的容量;
数据中心的单站容量根据式(7)、式(8)、式(9)确定:
Sd,n(t)=Ndata,n(t)×Pdata (9)
式(7)-(9)中,ceil为运算符,代表返回大于等于表达式的最小整数;Ndata,n(t)为第n个最优分区的多站融合站点中的数据中心在第t分规划阶段的机柜总数量;Sd,n(t)为第n个最优分区的多站融合站点中的数据中心在第t分规划阶段的容量,单位为kW;Sdata_total,n(t)为第n个最优分区的多站融合站点中的数据中心在第t分规划阶段的总负荷;Pdata为单台机架综合用电量;PIT表示机柜用电,P1表示空调系统用电,P2表示照明用电;P3为单机柜用电量;k1、cop、k2皆为设定值;
光伏电站的单站容量根据式(10)确定:
Spv,n(t)=Npv,n(t)×spv
式(10)中,Npv,n(t)为第n个最优分区的多站融合站点中的光伏电站在第t分规划阶段的光伏板总数量;Spv,n(t)为第n个最优分区的多站融合站点中的光伏电站在第t分规划阶段的容量,单位为kW;Spv_total,n(t)为第n个最优分区的多站融合站点中的光伏电站在第t分规划阶段的总负荷;spv为光伏电站中的单块光伏板功率,单位为kW;
充电站的单站容量根据式(11)确定:
Sc,n(t)=Nch,n(t)×sch
式(11)中,Nch,n(t)为第n个最优分区的多站融合站点中的充电站在第t分规划阶段的充电桩总数量;Sc,n(t)为第n个最优分区的多站融合站点中的充电站在第t分规划阶段的容量,单位为kW;Sch_total,n(t)为第n个最优分区的多站融合站点中的充电站的充电总负荷;η为充电效率;sch为充电站中的单个充电桩功率,单位为kW;
各单站容量计算得出初始规划阶段的总成本,第t分规划阶段的总成本Ctotal(t)为:
式(12)中,Ctotal(t)为第t分规划阶段的总成本,当t=1时即为初始规划阶段的总成本;Csc(t)为第t分规划阶段的多站融合站点中的变电站建设成本;Cso(t)为第t分规划阶段的多站融合站点中的变电站运行成本;Cdc(t)为第t分规划阶段的多站融合站点中的数据中心建设成本;Cdo(t)为第t分规划阶段的多站融合站点中的数据中心运行成本;Ccc(t)为第t分规划阶段的多站融合站点中的充电站建设成本;Cco(t)为第t分规划阶段的多站融合站点中的充电站运行成本;Cpvc(t)为第t分规划阶段的多站融合站点中的光伏电站建设成本;Cpvo(t)为第t分规划阶段的多站融合站点中的光伏电站运行成本;Clc(t)为第t分规划阶段的多站融合站点的线路建设成本;r为贴现率;y(t)为分规划阶段t的年份数。
8.根据权利要求7述的多站融合站点扩展规划方法,其特征在于:第t分规划阶段的多站融合站点中的变电站建设成本Csc(t)为:
式(13)中,N(t)为第t分规划阶段的多站融合站点的个数;Csc,n(t)为第n个最优分区的多站融合站点中的变电站在第t阶段的建设成本的等年值;Ss,n(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段的容量,单位为MVA;dcfix为第n个最优分区的多站融合站点中的变电站固定建设费用系数;dcvar为第n个最优分区的多站融合站点中的变电站可变建设费用系数;r0为年利率;z为多站融合站点的使用年限;
第t分规划阶段的多站融合站点中的变电站运行成本Cso(t)为:
式(14)中,α为电价;N(t)为第t分规划阶段的多站融合站点的个数;Mn(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段的主变台数;ΔPs,n为第n个最优分区的多站融合站点中的变电站的单台主变短路损耗;Sp,n(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段所供负荷;Ss,n(t)为第n个最优分区的多站融合站点中的变电站在第t分规划阶段的容量,单位为MVA;τmax,s为变电站最大负荷损耗小时数;ΔP0,n为第n个最优分区的多站融合站点中的变电站中的单台变压器的空载损耗;T0,n为第n个最优分区的多站融合站点中的变电站中的单台变压器年运行时间;
第t分规划阶段的多站融合站点中的数据中心建设成本Cdc(t)和第t分规划阶段的多站融合站点中的数据中心运行成本Cdo(t)分别为:
式(15)和式(16)中,N(t)为第t分规划阶段的多站融合站点的个数;ddc为数据中心的建设成本系数;ddo为数据中心的运营成本系数;Sd,n(t)为第n个最优分区的多站融合站点中的数据中心在第t分规划阶段的容量,单位为kW;r0为年利率;z为多站融合站点的使用年限;
第t分规划阶段的多站融合站点中的充电站建设成本Ccc(t)和第t分规划阶段的多站融合站点中的充电站运行成本Cco(t)分别为:
式(17)和式(18)中,N(t)为第t分规划阶段的多站融合站点的个数;dcc为充电站的建设成本系数;dco为充电站的运营成本系数;Sc,n(t)为第n个最优分区的多站融合站点中的充电站在第t分规划阶段的容量,单位为kW;r0为年利率;z为多站融合站点的使用年限;
第t分规划阶段的多站融合站点中的光伏电站建设成本Cpvc(t)和第t分规划阶段的多站融合站点中的光伏电站运行成本Cpvo(t)分别为:
式(19)和式(20)中,N(t)为第t分规划阶段的多站融合站点的个数;dpvc为光伏电站的建设成本系数;dpvo为光伏电站的运营成本系数;Spv,n(t)为第n个最优分区的多站融合站点中的光伏电站在第t分规划阶段的容量,单位为W;r0为年利率;z为多站融合站点的使用年限;
第t分规划阶段的多站融合站点的线路建设成本Clc(t)为:
Clc(t)=Clc_sub(t)+Clc_dat(t)+Clc_ch(t)+Clc_PV(t) (21)
式(21)中,Clc_sub(t)为第t分规划阶段的多站融合站点中的变电站线路建设成本;Clc_dat(t)为第t分规划阶段的多站融合站点中的数据中心线路建设成本;Clc_ch(t)为第t分规划阶段的多站融合站点中的充电站线路建设成本;Clc_PV(t)为第t分规划阶段的多站融合站点中的光伏电站线路建设成本;
其中,第t分规划阶段的多站融合站点中的变电站线路建设成本Clc_sub(t)为:
式(22)中,dsubstation为变电站的单位长度投资成本;N(t)为第t分规划阶段的多站融合站点的个数;Ln_sub为第n个最优分区的多站融合站点中的变电站负荷的集合;Pi_sub为第n个最优分区的多站融合站点辖区范围内的第i个变电站负荷的大小;(xn,yn)为第n个最优分区的多站融合站点的坐标;(ui_sub,vi_sub)为第n个最优分区的多站融合站点辖区范围内的第i个变电站负荷的坐标;uxl表示单位距离的线路投资成本;r0为年利率;z1为线路使用年限,将线路投资成本折算到每一年;
第t分规划阶段的多站融合站点中的数据中心线路建设成本Clc_dat(t)为:
式(23)中,ddata为数据中心的单位长度投资成本;N(t)为第t分规划阶段的多站融合站点的个数;Ln_dat为第n个最优分区的多站融合站点中的数据中心负荷的集合;Pi_dat为第n个最优分区的多站融合站点辖区范围内的第i个数据中心负荷的大小;(xn,yn)为第n个最优分区的多站融合站点的坐标;(ui_dat,vi_dat)为第n个最优分区的多站融合站点辖区范围内的第i个数据中心负荷的坐标;表示供电可靠性修正系数;uxl表示单位距离的线路投资成本;r0为年利率;z1为线路使用年限,将线路投资成本折算到每一年,由于数据中心负荷规模大,对可靠性要求较高,采用双回线;
第t分规划阶段的多站融合站点中的充电站线路建设成本Clc_ch(t)为:
式(24)中,dch为充电站的单位长度投资成本;N(t)为第t分规划阶段的多站融合站点的个数;Ln_ch为第n个最优分区的多站融合站点中的充电站负荷的集合;Pi_ch为第n个最优分区的多站融合站点辖区范围内的第i个充电站负荷的大小;(xn,yn)为第n个最优分区的多站融合站点的坐标;(ui_ch,vi_ch)为第n个最优分区的多站融合站点辖区范围内的第i个充电站负荷的坐标;Ktime表示电动汽车用户单位小时的时间价值系数;sch表示充电站中的单个充电桩功率;vroad表示规划区域内考虑路况后的电动汽车用户平均行驶速度;
第t分规划阶段的多站融合站点中的光伏电站线路建设成本Clc_PV(t)为:
式(25)中,dPV为光伏电站的单位长度投资成本;N(t)为第t分规划阶段的多站融合站点的个数;Ln_PV为第n个最优分区的多站融合站点中的光伏电站负荷的集合;Pi_PV为第n个最优分区的多站融合站点辖区范围内的第i个光伏电站负荷的大小;(xn,yn)为第n个最优分区的多站融合站点的坐标;(ui_PV,vi_PV)为第n个最优分区的多站融合站点辖区范围内的第i个光伏电站负荷的坐标;uPV表示单位容量太阳能电池投资成本;VPV表示一块太阳能电池的容量;RPV表示储能对光伏电站的服务半径;uxl表示单位距离的线路投资成本;r0为年利率;z1为线路使用年限;z2为光伏板的寿命年限。
9.根据权利要求1所述的多站融合站点扩展规划方法,其特征在于:所述步骤E中的约束条件包括供电半径和容载比两个约束条件,供电半径的约束条件是指负荷点到变电站的距离受变电站供电半径约束、容载比的约束条件是第t分规划阶段的负荷大小总和应小于第t分规划阶段所有多站融合站点的供电能力,约束条件表达式如式(26)所示:
式(26)中,Lmax为第n个最优分区内的变电站的最大供电半径;(xn,yn)为第n个最优分区的多站融合站点的坐标;(ui_sub,vi_sub)为第n个最优分区的多站融合站点辖区范围内的第i个变电站负荷的坐标;∑Sp,n(t)为给定的规划区域内第t分规划阶段的总电力负荷;∑Ss,n(t)为给定的规划区域内全部多站融合站点中的变电站在第t分规划阶段的总容量,单位为MVA;Rmax为最大容载比。
11.根据权利要求1所述的多站融合站点扩展规划方法,其特征在于:所述步骤H中的负荷需求以满足多站融合站点中的变电站负荷为基准,若满足式(28)则扩容可满足负荷需求,按该分规划阶段的负荷大小增大多站融合站点中的各单站容量,
式(28)中Ssmax,n(t-1)为第n个最优分区的多站融合站点中的变电站在第t-1分规划阶段的最大容量、即第t分规划阶段可扩展的最大容量,单位为MVA,由于在第t-1分规划阶段在配置Ss,n(t-1)时已设定了变电站的主变数量和单台主变容量,根据常用容量规格,该变电站扩容有一定的上限,即Ssmax,n(t-1);式(28)表明第t-1分规划阶段规划的变电站可扩展的最大容量能够满足第t分规划阶段的负荷需求时,则可以通过扩容来解决新增负荷,否则扩容无法满足第t分规划阶段的负荷需求。
12.根据权利要求1所述的多站融合站点扩展规划方法,其特征在于:所述步骤J中的总规划阶段的总成本C为:
式(29)中,T为规划期限内的总规划阶段,t为分规划阶段,C为规划期限内的总规划阶段的总成本,Ctotal(t)为第t分规划阶段的总成本,Csc(t)为第t分规划阶段的多站融合站点中的变电站建设成本;Cso(t)为第t分规划阶段的多站融合站点中的变电站运行成本;Cdc(t)为第t分规划阶段的多站融合站点中的数据中心建设成本;Cdo(t)为第t分规划阶段的多站融合站点中的数据中心运行成本;Ccc(t)为第t分规划阶段的多站融合站点中的充电站建设成本;Cco(t)为第t分规划阶段的多站融合站点中的充电站运行成本;Cpvc(t)为第t分规划阶段的多站融合站点中的光伏电站建设成本;Cpvo(t)为第t分规划阶段的多站融合站点中的光伏电站运行成本;Clc(t)为第t分规划阶段的多站融合站点的线路建设成本;r为贴现率;y(t)为分规划阶段t的年份数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210619574.1A CN115018151B (zh) | 2022-06-02 | 2022-06-02 | 一种多站融合站点扩展规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210619574.1A CN115018151B (zh) | 2022-06-02 | 2022-06-02 | 一种多站融合站点扩展规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115018151A true CN115018151A (zh) | 2022-09-06 |
CN115018151B CN115018151B (zh) | 2023-05-16 |
Family
ID=83073858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210619574.1A Active CN115018151B (zh) | 2022-06-02 | 2022-06-02 | 一种多站融合站点扩展规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115018151B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116812A (zh) * | 2013-02-20 | 2013-05-22 | 重庆市电力公司电力科学研究院 | 一种新型的变电站布点方法 |
CN103136585A (zh) * | 2013-02-06 | 2013-06-05 | 天津大学 | 基于混沌遗传策略的加权Voronoi图变电站规划方法 |
US8918751B1 (en) * | 2013-03-15 | 2014-12-23 | Cadence Design Systems, Inc. | Methods, systems, and articles of manufacture for implementing physical design decomposition with custom connectivity |
CN107506914A (zh) * | 2017-08-13 | 2017-12-22 | 天津大学 | 计及分布式电源渗透率变化的变电站动态扩展规划方法 |
CN108460487A (zh) * | 2018-03-07 | 2018-08-28 | 国网江苏省电力有限公司无锡供电分公司 | 基于apso算法的电动汽车快速充电站优化选址定容方法 |
CN109919350A (zh) * | 2018-12-25 | 2019-06-21 | 天津大学 | 一种考虑整体经济性的多阶段变电站扩展规划方法 |
CN110414836A (zh) * | 2019-07-28 | 2019-11-05 | 国网山东省电力公司经济技术研究院 | 考虑综合能源站用电需求不确定性的变电站概率规划方法 |
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 |
CN112949898A (zh) * | 2021-01-04 | 2021-06-11 | 国网上海市电力公司 | 一种多站融合选址规划的优化方法 |
CN113222241A (zh) * | 2021-05-08 | 2021-08-06 | 天津大学 | 考虑充电服务引导与客户需求的出租车快充电站规划方法 |
CN113822463A (zh) * | 2021-08-09 | 2021-12-21 | 武汉理工大学 | 一种基于Voronoi图与改进粒子群算法的电动汽车充电站选址定容方法 |
CN114254558A (zh) * | 2021-11-30 | 2022-03-29 | 国网浙江省电力有限公司宁海县供电公司 | 综合能源变电站规划方法、装置和终端设备 |
-
2022
- 2022-06-02 CN CN202210619574.1A patent/CN115018151B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136585A (zh) * | 2013-02-06 | 2013-06-05 | 天津大学 | 基于混沌遗传策略的加权Voronoi图变电站规划方法 |
CN103116812A (zh) * | 2013-02-20 | 2013-05-22 | 重庆市电力公司电力科学研究院 | 一种新型的变电站布点方法 |
US8918751B1 (en) * | 2013-03-15 | 2014-12-23 | Cadence Design Systems, Inc. | Methods, systems, and articles of manufacture for implementing physical design decomposition with custom connectivity |
CN107506914A (zh) * | 2017-08-13 | 2017-12-22 | 天津大学 | 计及分布式电源渗透率变化的变电站动态扩展规划方法 |
CN108460487A (zh) * | 2018-03-07 | 2018-08-28 | 国网江苏省电力有限公司无锡供电分公司 | 基于apso算法的电动汽车快速充电站优化选址定容方法 |
CN109919350A (zh) * | 2018-12-25 | 2019-06-21 | 天津大学 | 一种考虑整体经济性的多阶段变电站扩展规划方法 |
CN110414836A (zh) * | 2019-07-28 | 2019-11-05 | 国网山东省电力公司经济技术研究院 | 考虑综合能源站用电需求不确定性的变电站概率规划方法 |
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 |
CN112949898A (zh) * | 2021-01-04 | 2021-06-11 | 国网上海市电力公司 | 一种多站融合选址规划的优化方法 |
CN113222241A (zh) * | 2021-05-08 | 2021-08-06 | 天津大学 | 考虑充电服务引导与客户需求的出租车快充电站规划方法 |
CN113822463A (zh) * | 2021-08-09 | 2021-12-21 | 武汉理工大学 | 一种基于Voronoi图与改进粒子群算法的电动汽车充电站选址定容方法 |
CN114254558A (zh) * | 2021-11-30 | 2022-03-29 | 国网浙江省电力有限公司宁海县供电公司 | 综合能源变电站规划方法、装置和终端设备 |
Non-Patent Citations (1)
Title |
---|
李笑蓉 等: ""基于Voronoi图的多站融合变电站选址定容优化"", 《电网与清洁能源》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115018151B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ge et al. | The planning of electric vehicle charging station based on grid partition method | |
CN102880921B (zh) | 一种电动汽车充电站选址优化方法 | |
CN107169631B (zh) | 基于改进加权Voronoi图的有源配电网变电站规划方法 | |
CN109840635B (zh) | 基于电压稳定性和充电服务质量的电动汽车充电站规划方法 | |
CN109583706B (zh) | 配电系统接纳电动汽车能力的多元优化评估方法及系统 | |
CN106355294A (zh) | 一种大规模复杂配电网的电动汽车充电站选址定容方法 | |
CN107947192A (zh) | 一种下垂控制型孤岛微电网的无功优化配置方法 | |
CN113859018B (zh) | 大规模电动汽车群的分级充放电优化控制方法 | |
CN112949898A (zh) | 一种多站融合选址规划的优化方法 | |
CN110866636A (zh) | 一种综合考虑电动汽车充电站及分布式能源的微电网规划方法 | |
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 | |
CN109711706A (zh) | 考虑分布式电源和需求响应的主动配电网变电站规划方法 | |
CN106451504A (zh) | 一种混合储能系统配置成本的控制方法及装置 | |
CN111724064B (zh) | 一种基于改进免疫算法的含储能配电网规划方法 | |
CN110084522A (zh) | 基于随机粒子群算法的ev充电站位置生成方法及装置 | |
CN115395521B (zh) | 一种可再生能源、储能和充电桩协同规划方法及系统 | |
CN115018151B (zh) | 一种多站融合站点扩展规划方法 | |
CN110443406B (zh) | 一种电动汽车充电设施与分布式电源的分层规划方法 | |
CN106408452A (zh) | 含多分布式电源配电网的电动汽车充电站优化配置方法 | |
CN114707292B (zh) | 含电动汽车配电网电压稳定性分析方法 | |
CN112070350B (zh) | 一种基于重心回归算法的变电站选址方法 | |
CN112070351B (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 | |
CN109146135B (zh) | 一种共享电动自行车站点车桩配备的优化方法 | |
Liu et al. | Location analysis of electric vehicle charging station based on improved PSO | |
Upadhyay et al. | Evaluating the shortest path for laying distribution network in a hilly area |
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 |