CN116976153B - 一种基于一体化模型的海上风电场升压站选址方法 - Google Patents

一种基于一体化模型的海上风电场升压站选址方法 Download PDF

Info

Publication number
CN116976153B
CN116976153B CN202311237312.XA CN202311237312A CN116976153B CN 116976153 B CN116976153 B CN 116976153B CN 202311237312 A CN202311237312 A CN 202311237312A CN 116976153 B CN116976153 B CN 116976153B
Authority
CN
China
Prior art keywords
cable
fan
sectional area
representing
formula
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
CN202311237312.XA
Other languages
English (en)
Other versions
CN116976153A (zh
Inventor
戚远航
侯鹏
金荣森
罗浩宇
杨之乐
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.)
University of Electronic Science and Technology of China Zhongshan Institute
Original Assignee
University of Electronic Science and Technology of China Zhongshan Institute
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 University of Electronic Science and Technology of China Zhongshan Institute filed Critical University of Electronic Science and Technology of China Zhongshan Institute
Priority to CN202311237312.XA priority Critical patent/CN116976153B/zh
Publication of CN116976153A publication Critical patent/CN116976153A/zh
Application granted granted Critical
Publication of CN116976153B publication Critical patent/CN116976153B/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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/16—Cables, cable trees or wire harnesses

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及海上风电场技术领域，尤其涉及一种基于一体化模型的海上风电场升压站选址方法，本发明通过构建约束条件下的目标模型求解电缆连接拓扑，建立电缆连接拓扑与电缆截面积的关联模型，求解最优电缆截面积，并且对目标模型进行优化得到优化目标模型，构建优化目标模型的等效约束函数，基于风电场的规模面积的大小调整最优性间隙阈值，并对所述等效约束函数进行求解获取升压站坐标，实现了对风电场的全生命周期的成本进行连续域内的变电站和电缆拓扑连接的一体化建模并根据风电场的实际情况进行计算结果的选择性输出，提高了升压站位置选取的准确性以及模型计算的计算效率。

Description

一种基于一体化模型的海上风电场升压站选址方法
技术领域
本发明涉及海上风电场技术领域，尤其涉及一种基于一体化模型的海上风电场升压站选址方法。
背景技术
风能作为一种清洁的可再生能源，愈来愈受到人们的重视，而利用风能发电更是越来越普遍，随着对风能利用场景的不断扩大，海上风电场也随之规模性的在我国东南沿海迅速建立，对海上风电场的经济性以及高效性的研究也越来越受相关行业研究人员的关注，合理的风电场设备布局可以大大节约建设使用成本，提高系统的运行效率。
中国专利公开号：CN113408825A，公开了一种基于萤火虫算法的海上升压站选址方法，包含步骤：步骤1：输入海上风电场的基本信息；步骤2：在海上风电场，随机选取多个海上升压站的初始位置；步骤3：确定以上初始海上升压站地理位置的合理性；步骤4：确定海上升压站最适合的位置以及与海上风机之间最优的距离；步骤5：通过优化后的位置公式计算，得到最新的海上升压站的位置选项；步骤6：根据优化后的萤火虫算法，计算α，β，γ的数值；步骤7：迭代次数增加1；步骤8：判断算法是否收敛，收敛，升压站是最优的位置；步骤9：比较不同升压站的选址方案，选择全寿命周期成本的最低方案为最优的地点。
但是，现有技术中还存在以下问题，
采用智能算法同时求解海上风电场电缆和变电站位置的工作，可以在连续域内求解变电站的位置，但是由于智能算法是基于非梯度算法，所以无法保证理论的最优，而且智能算法本身更适用于求解连续函数优化问题，对于求解混合整数优化问题极易陷入局部解，针对不同的风电场需要人为不断调整优化参数且经过多次仿真选择较优解作为最终的方案，计算量较大的同时计算精度不高，并且，现有技术中未考虑实际运算中风电场的面积会对计算的精度造成影响，未考虑不同面积下调整最优性间隙阈值以提升求解速率，
发明内容
为提高变电站选址时的精度，减小变电站选址时的数据运算量，本发明提供一体化模型的海上风电场升压站选址方法，包括：
步骤S1，获取风电场中所有风机的坐标以及风机的电气参数并存储至样本数据库，所述电气参数包括风机的额定功率；
步骤S2，建立约束条件下的目标模型并对目标模型的优化变量进行优化，用以求解满足各约束条件时的电缆连接拓扑；
步骤S3，建立电缆连接拓扑与电缆截面积的关联模型，并基于所述关联模型求解最优电缆截面积；
步骤S4，对所述目标模型进行优化得到优化目标模型，构建所述优化目标模型的等效约束函数用以求解升压站坐标；
步骤S5，基于风电场的规模面积的大小调整最优性间隙阈值，并对所述等效约束函数进行求解，在所述等效约束函数的最优性间隙小于所述最优性间隙阈值时停止求解，获取所述等效约束函数中输出的升压站坐标。
进一步地，所述步骤S2中，所建立的目标模型由式(1)表示，
公式(1)中，Costmin为总成本，为第i风机与第j风机之间电缆安装以及占用海域的成本，其基于单位长度的电缆安装和占用海域的成本与电缆的连接关系参数的乘积所确定，/>表示第i风机与第j风机之间连接电缆的电缆截面积为k时的电缆费用，其基于第i风机与第j风机之间连接电缆的电缆截面积为k时的单位成本所确定，/>为第i风机与第j风机之间所连接电缆的电缆截面积为k时电缆的损耗参量。
进一步地，所述步骤S2中，所述目标模型的约束条件包括，
能量约束条件，包括各所述风机之间输送的能量最大值需小于风机之间所连接电缆的最大载流量；
线路约束条件，单个风机仅有一条输入线路且能存在若干条输出线路，在单条线路上，电缆截面积相同。
进一步地，所述目标模型中，电缆的连接关系参数由式(2)表示，
Asi,j＝Xi,jDni,j (2)
式(2)中，Xi,j表示优化变量，用以表示电缆的连接方式，Dni,j表示第i风机与第j风机的距离的平方。
进一步地，所述目标模型中，第i风机与第j风机之间连接电缆的电缆截面积为k时的电缆费用由式(3)表示，
式(3)中，为第i风机与第j风机之间电缆截面积为k时的单位成本，Li,j,k表示电缆截面类型参数，用以表示第i风机以及第j风机所连接电缆的电缆截面积为k时所需电缆的长度。
进一步地，所述目标模型中，第i风机与第j风机之间所连接电缆的电缆截面积为k时电缆的损耗参量由式(4)表示，
式(4)，NY表示风电场运行周期，Ce为每度电的单价，df为设定的折现率，t表示时间参数，τΔPmax为设定的等效满发小时数，Rci,j,k为第i风机与第j风机之间所连接电缆的电缆截面积为k的电缆的单位长度电阻，Irated为风机的额定功率，Yk表示能量损失参数，根据电缆所承载的风机个数所确定。
进一步地，所述步骤S3中，建立电缆连接拓扑与电缆截面积的关联模型，其中，所述关联模型由式(5)表示，
min(Ctotal(Typek,Is))→Type_best(s) (5)
式(5)中，Ctotal(Typek,Is)表示关联目标函数，关联目标函数由式(6)表示，
式(6)中，表示电缆截面积为k时电缆安装以及占用海域的成本，/>表示连接电缆的电缆截面积为k时的电缆费用，Rk表示电缆截面积为k时的电阻。
进一步地，所述步骤S4中，所述优化目标模型由式(7)表示，
式(7)中，表示电缆截面积为k时电缆安装以及占用海域的成本，/>表示电缆截面积为k时的单位成本，Ik表示电缆截面积为k时的电缆载流量，Rk表示电缆截面积为k时的电缆单位距离电阻，Lk表示电缆截面为k时电缆的长度，Nn表示风机的总数量，NY表示风电场运行周期。
进一步地，所述步骤S4中构建所述优化目标模型的等效约束函数由式(8)表示，
式(8)中，Dni,j表示第i风机与第j风机之间距离的平方，Dn1,i表示升压站与第i风机的距离，Dni,1表示第i风机与升压站的距离，Xti表示第i个风机的x轴坐标，Xtj表示第j个风机的x轴坐标，Yti表示第i个风机的y轴坐标，Ytj表示第j个风机的y轴坐标，Xs表示升压站的x轴坐标，Ys表示升压站的y轴坐标，Fi(Xs)表示第一取值函数，Gi(Ys)表示第二取值函数，求解第一取值函数以及第二取值函数获取最优解时的取值，以获得升压站坐标。
进一步地，所述步骤S4中，基于风电场的规模面积的大小调整最优性间隙阈值，其中，
设定若干基于风电场的规模面积的大小调整最优性间隙阈值的调整方式，各调整方式中对所述最优性间隙阈值的调整量不同。
与现有技术相比，本发明通过获取风电场中风机的坐标以及风机的电气参数，并构建约束条件下的目标模型求解电缆连接拓扑，并且，建立电缆连接拓扑与电缆截面积的关联模型，求解最优电缆截面积，并且对目标模型进行优化得到优化目标模型，构建优化目标模型的等效约束函数，基于风电场的规模面积的大小调整最优性间隙阈值，并对所述等效约束函数进行求解获取升压站坐标，实现了对风电场的全生命周期的成本进行连续域内的变电站和电缆拓扑连接的一体化建模并根据风电场的实际情况进行计算结果的选择性输出，提高了升压站位置选取的准确性以及模型计算的计算效率。
尤其，本发明考虑电缆安装以及占用海域的成本，电缆的费用以及电缆的损耗，实现了对风电场的全生命周期的成本进行建模评估，提高了升压站选址方法的经济性。
尤其，本发明中对目标模型进行优化得到优化目标模型，并构建优化目标模型的等效约束函数用以求解升压站坐标，在实际情况中，电缆的成本与自身的长度成正比，因此考虑将优化目标模型中长度相关的参量形成等效约束，最终求解升压站坐标，通过上述方法能够应用SOS1的形式进行求解，进而在保证准确性的前提下提高求解速率。
尤其，本发明通过风电场的实际规模面积大小确定计算的最终精确效果，在实际情况中，规模面积越大的风电场运算时的数据信息越多，在运算精度逐渐提高的过程中，运算速度会随着降低，所以，在保证运算精度的前提下，提升模型运算的速度也同样至关重要，较大规模面积的风电场升压站的选址位置在误差范围内影响较小，尤其是，在1％-0％的过程则需要几十个小时，但是对于精度的提升却不够明显，本发明通过距离最优解百分比表征模型运算结果的运算精确效果，进而，根据风电场的实际情况进行计算结果的选择性输出，提高了升压站选址的经济性以及模型运算的高效性。
附图说明
图1为本发明实施例的基于一体化模型的海上风电场升压站选址方法的步骤示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体的连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示，其为本发明实施例的基于一体化模型的海上风电场升压站选址方法的步骤示意图，本发明的一体化模型的海上风电场升压站选址方法，包括：
步骤S1，获取风电场中所有风机的坐标以及风机的电气参数并存储至样本数据库，所述电气参数包括风机的额定功率；
步骤S2，建立约束条件下的目标模型并对目标模型的优化变量进行优化，用以求解满足各约束条件时的电缆连接拓扑；
步骤S3，建立电缆连接拓扑与电缆截面积的关联模型，并基于所述关联模型求解最优电缆截面积；
步骤S4，对所述目标模型进行优化得到优化目标模型，构建所述优化目标模型的等效约束函数用以求解升压站坐标；
步骤S5，基于风电场的规模面积的大小调整最优性间隙阈值，并对所述等效约束函数进行求解，在所述等效约束函数的最优性间隙小于所述最优性间隙阈值时停止求解，获取所述等效约束函数中输出的升压站坐标。
具体而言，本发明模型的求解方式不做限定，在本实施例中，可使用CPLEX、GUROBI或者COPT求解器进行求解。
具体而言，本发明中选用电缆的相关参数需从电缆数据库中调用，电缆数据库中包含了不同电缆的价格、截面积等，电缆数据库可以是开源的数据库，可以是本领域技术人员预先构建的，也可以是通过爬虫程序所爬取的，在本发明中不做具体限定。
具体而言，所述步骤S2中，所建立的目标模型由式(1)表示，
公式(1)中，Costmin为总成本，为第i风机与第j风机之间电缆安装以及占用海域的成本，其基于单位长度的电缆安装和占用海域的成本与电缆的连接关系参数的乘积所确定，/>表示第i风机与第j风机之间连接电缆的电缆截面积为k时的电缆费用，其基于第i风机与第j风机之间连接电缆的电缆截面积为k时的单位成本所确定，/>为第i风机与第j风机之间所连接电缆的电缆截面积为k时电缆的损耗参量。
具体而言，在本发明中电缆安装以及占用海域的成本基于安装电缆后所经过的海域的占海面积费用所确定，此处不再赘述。
本发明考虑电缆安装以及占用海域的成本，电缆的费用以及电缆的损耗，实现了对风电场的全生命周期的成本进行建模评估，提高了升压站选址方法的经济性。
具体而言，所述步骤S2中，所述目标模型的约束条件包括，
能量约束条件，包括各所述风机之间输送的能量最大值需小于风机之间所连接电缆的最大载流量；
线路约束条件，单个风机仅有一条输入线路且能存在若干条输出线路，在单条线路上，电缆截面积相同。
具体而言，所述目标模型中，电缆的连接关系参数由式(2)表示，
Asi,j＝Xi,jDni,j (2)
式(2)中，Xi,j表示优化变量，用以表示电缆的连接方式，Dni,j表示第i风机与第j风机的距离的平方。
具体而言，所述目标模型中，第i风机与第j风机之间连接电缆的电缆截面积为k时的电缆费用由式(3)表示，
式(3)中，为第i风机与第j风机之间电缆截面积为k时的单位成本，Li,j,k表示电缆截面类型参数，用以表示第i风机以及第j风机所连接电缆的电缆截面积为k时所需电缆的长度。
具体而言，所述目标模型中，第i风机与第j风机之间所连接电缆的电缆截面积为k时电缆的损耗参量由式(4)表示，
式(4)，NY表示风电场运行周期，Ce为每度电的单价，df为设定的折现率，t表示时间参数，τΔPmax为设定的等效满发小时数，Rci,j,k为第i风机与第j风机之间所连接电缆的电缆截面积为k的电缆的单位长度电阻，Irated为风机的额定功率，Yk表示能量损失参数，根据电缆所承载的风机个数所确定。
具体而言，Nt表示电缆所承载的风机个数。
具体而言，等效满发时数为风电场中风机以额定功率运行的小时数。
具体而言，所述步骤S3中，建立电缆连接拓扑与电缆截面积的关联模型，其中，所述关联模型由式(5)表示，
min(Ctotal(Typek,Is))→Type_best(s) (5)
式(5)中，Ctotal(Typek,Is)表示关联目标函数，关联目标函数由式(6)表示，
式(6)中，表示电缆截面积为k时电缆安装以及占用海域的成本，/>表示连接电缆的电缆截面积为k时的电缆费用，Rk表示电缆截面积为k时的电阻。
具体而言，所述步骤S4中，所述优化目标模型由式(7)表示，
式(7)中，表示电缆截面积为k时电缆安装以及占用海域的成本，/>表示电缆截面积为k时的单位成本，Ik表示电缆截面积为k时的电缆载流量，Rk表示电缆截面积为k时的电缆单位距离电阻，Lk表示电缆截面为k时电缆的长度，Nn表示风机的总数量，NY表示风电场运行周期。
具体而言，所述步骤S4中构建所述优化目标模型的等效约束函数由式(8)表示，
式(8)中，Dni,j表示第i风机与第j风机之间距离的平方，Dn1,i表示升压站与第i风机的距离，Dni,1表示第i风机与升压站的距离，Xti表示第i个风机的x轴坐标，Xtj表示第j个风机的x轴坐标，Yti表示第i个风机的y轴坐标，Ytj表示第j个风机的y轴坐标，Xs表示升压站的x轴坐标，Ys表示升压站的y轴坐标，Fi(Xs)表示第一取值函数，Gi(Ys)表示第二取值函数，求解第一取值函数以及第二取值函数获取最优解时的取值，以获得升压站坐标。
本发明中对目标模型进行优化得到优化目标模型，并构建优化目标模型的等效约束函数用以求解升压站坐标，在实际情况中，电缆的成本与自身的长度成正比，因此考虑将优化目标模型中长度相关的参量形成等效约束，最终求解升压站坐标，能够应用分段线性化方式进行求解，进而在保证准确性的前提下提高求解速率。
具体而言，所述步骤S4中，基于风电场的规模面积的大小调整最优性间隙阈值，其中，
设定若干基于风电场的规模面积的大小调整最优性间隙阈值的调整方式，各调整方式中对所述最优性间隙阈值的调整量不同。
具体而言，作为可实施的具体方式，将所述风电场的规模面积S与预设的第一面积S1以及第二面积S2进行对比，
第一调整方式为，若S≤S1则将最优性间隙阈值调整至第一最优性间隙调整阈值Q1；
第二调整方式为，若S1＜S＜S2则将最优性间隙阈值调整至第二最优性间隙调整阈值Q2；
第三调整方式为，若S≥S2则将最优性间隙阈值调整至第三最优性间隙调整阈值Q3；
其中，10km2＜S1＜S2＜100km2，0.01％＜Q3＜Q2＜Q1＜0.1％。
在本实施例中，设定S1以及S2时需满足S2/S1＞2，为体现各最优性间隙调整阈值的差异性，设定Q1、Q2以及Q3时需满足Q1/Q2＞1.3，Q2/Q3＞1.3。
具体而言，本发明通过风电场的实际规模面积大小确定计算的最终精确效果，在实际情况中，规模面积越大的风电场运算时的数据信息越多，在运算精度逐渐提高的过程中，运算速度会随着降低，所以，在保证运算精度的前提下，提升模型运算的速度也同样至关重要，较大规模面积的风电场升压站的选址位置在误差范围内影响较小，尤其是，在1％-0％的过程则需要几十个小时，但是对于精度的提升却不够明显，本发明通过距离最优解百分比表征模型运算结果的运算精确效果，进而，根据风电场的实际情况进行计算结果的选择性输出，提高了升压站选址的经济性以及模型运算的高效性。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于一体化模型的海上风电场升压站选址方法，其特征在于，包括：
步骤S1，获取风电场中所有风机的坐标以及风机的电气参数并存储至样本数据库，所述电气参数包括风机的额定功率；
步骤S2，建立约束条件下的目标模型并对目标模型的优化变量进行优化，用以求解满足各约束条件时的电缆连接拓扑；
步骤S3，建立电缆连接拓扑与电缆截面积的关联模型，并基于所述关联模型求解最优电缆截面积；
步骤S4，对所述目标模型进行优化得到优化目标模型，构建所述优化目标模型的等效约束函数用以求解升压站坐标；
步骤S5，基于风电场的规模面积的大小调整最优性间隙阈值，并对所述等效约束函数进行求解，在所述等效约束函数的最优性间隙小于所述最优性间隙阈值时停止求解，获取所述等效约束函数中输出的升压站坐标；
所述步骤S2中，所建立的目标模型由式(1)表示，
公式(1)中，Costmin为总成本，为第i风机与第j风机之间电缆安装以及占用海域的成本，其基于单位长度的电缆安装和占用海域的成本与电缆的连接关系参数的乘积所确定，/>表示第i风机与第j风机之间连接电缆的电缆截面积为k时的电缆费用，其基于第i风机与第j风机之间连接电缆的电缆截面积为k时的单位成本所确定，/>为第i风机与第j风机之间所连接电缆的电缆截面积为k时电缆的损耗参量；
所述步骤S2中，所述目标模型的约束条件包括，
能量约束条件，包括各所述风机之间输送的能量最大值需小于风机之间所连接电缆的最大载流量；
线路约束条件，单个风机仅有一条输入线路且能存在若干条输出线路，在单条线路上，电缆截面积相同；
所述目标模型中，第i风机与第j风机之间连接电缆的电缆截面积为k时的电缆费用由式(3)表示，
式(3)中，为第i风机与第j风机之间电缆截面积为k时的单位成本，Li,j,k表示电缆截面类型参数，用以表示第i风机以及第j风机所连接电缆的电缆截面积为k时所需电缆的长度；
所述目标模型中，第i风机与第j风机之间所连接电缆的电缆截面积为k时电缆的损耗参量由式(4)表示，
式(4)，NY表示风电场运行周期，Ce为每度电的单价，df为设定的折现率，t表示时间参数，τΔPmax为设定的等效满发小时数，Rci,j,k为第i风机与第j风机之间所连接电缆的电缆截面积为k的电缆的单位长度电阻，Irated为风机的额定功率，Yk表示能量损失参数，根据电缆所承载的风机个数所确定；
所述步骤S3中，建立电缆连接拓扑与电缆截面积的关联模型，其中，所述关联模型由式(5)表示，
min(Ctotal(Typek,Is))→Type_best(s) (5)
式(5)中，Ctotal(Typek,Is)表示关联目标函数，关联目标函数由式(6)表示，
式(6)中，表示电缆截面积为k时电缆安装以及占用海域的成本，/>表示连接电缆的电缆截面积为k时的电缆费用，Rk表示电缆截面积为k时的电阻；
所述步骤S4中，所述优化目标模型由式(7)表示，
式(7)中，表示电缆截面积为k时电缆安装以及占用海域的成本，/>表示电缆截面积为k时的单位成本，Ik表示电缆截面积为k时的电缆载流量，Rk表示电缆截面积为k时的电缆单位距离电阻，Lk表示电缆截面为k时电缆的长度，Nn表示风机的总数量，NY表示风电场运行周期；
所述步骤S4中构建所述优化目标模型的等效约束函数由式(8)表示，
式(8)中，Dni,j表示第i风机与第j风机之间距离的平方，Dn1,i表示升压站与第i风机的距离，Dni,1表示第i风机与升压站的距离，Xti表示第i个风机的x轴坐标，Xtj表示第j个风机的x轴坐标，Yti表示第i个风机的y轴坐标，Ytj表示第j个风机的y轴坐标，Xs表示升压站的x轴坐标，Ys表示升压站的y轴坐标，Fi(Xs)表示第一取值函数，Gi(Ys)表示第二取值函数，求解第一取值函数以及第二取值函数获取最优解时的取值，以获得升压站坐标。
2.根据权利要求1所述的基于一体化模型的海上风电场升压站选址方法，其特征在于，所述目标模型中，电缆的连接关系参数由式(2)表示，
Asi,j＝Xi,jDni,j (2)
式(2)中，Xi,j表示优化变量，用以表示电缆的连接方式，Dni,j表示第i风机与第j风机的距离的平方。
3.根据权利要求1所述的基于一体化模型的海上风电场升压站选址方法，其特征在于，所述步骤S4中，基于风电场的规模面积的大小调整最优性间隙阈值，其中，
设定若干基于风电场的规模面积的大小调整最优性间隙阈值的调整方式，各调整方式中对所述最优性间隙阈值的调整量不同。
CN202311237312.XA 2023-09-25 2023-09-25 一种基于一体化模型的海上风电场升压站选址方法 Active CN116976153B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311237312.XA CN116976153B (zh) 2023-09-25 2023-09-25 一种基于一体化模型的海上风电场升压站选址方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311237312.XA CN116976153B (zh) 2023-09-25 2023-09-25 一种基于一体化模型的海上风电场升压站选址方法

Publications (2)

Publication Number Publication Date
CN116976153A CN116976153A (zh) 2023-10-31
CN116976153B true CN116976153B (zh) 2024-03-22

Family

ID=88480008

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311237312.XA Active CN116976153B (zh) 2023-09-25 2023-09-25 一种基于一体化模型的海上风电场升压站选址方法

Country Status (1)

Country Link
CN (1) CN116976153B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537427A (zh) * 2014-11-28 2015-04-22 清华大学 海上风电场汇集升压站的选址方法
CN111030179A (zh) * 2019-12-26 2020-04-17 上海电气风电集团股份有限公司 风电场布局的优化方法、优化系统及计算机可读存储介质
CN111754035A (zh) * 2020-06-17 2020-10-09 上海电气风电集团股份有限公司 风电场布局的优化方法、优化系统及计算机可读存储介质
CN112448411A (zh) * 2019-08-31 2021-03-05 南京理工大学 多风电场接入系统的汇集站选址和外送容量规划方法
CN112487659A (zh) * 2020-12-15 2021-03-12 国网江苏省电力有限公司经济技术研究院 一种海上风电场集电系统优化设计方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017108040A1 (en) * 2015-12-22 2017-06-29 Vestas Wind Systems A/S Wind power plants and multi-rotor wind turbine systems

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537427A (zh) * 2014-11-28 2015-04-22 清华大学 海上风电场汇集升压站的选址方法
CN112448411A (zh) * 2019-08-31 2021-03-05 南京理工大学 多风电场接入系统的汇集站选址和外送容量规划方法
CN111030179A (zh) * 2019-12-26 2020-04-17 上海电气风电集团股份有限公司 风电场布局的优化方法、优化系统及计算机可读存储介质
CN111754035A (zh) * 2020-06-17 2020-10-09 上海电气风电集团股份有限公司 风电场布局的优化方法、优化系统及计算机可读存储介质
CN112487659A (zh) * 2020-12-15 2021-03-12 国网江苏省电力有限公司经济技术研究院 一种海上风电场集电系统优化设计方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Cable routing optimization for offshore wind power plants via wind scenarios considering power loss cost model;Rongsen Jin 等;Applied Energy;第254卷;第1-13页 *
Simultaneous Optimisation of Cable Connection Schemes and Capacity for OffshoreWind Farms via a Modified Bat Algorithm;Yuanhang Qi 等;applied sciences;第9卷(第2期);第1-20页 *

Also Published As

Publication number Publication date
CN116976153A (zh) 2023-10-31

Similar Documents

Publication Publication Date Title
Ehsan et al. State-of-the-art techniques for modelling of uncertainties in active distribution network planning: A review
Jin et al. Multicriteria planning for distributed wind generation under strategic maintenance
CN103903073B (zh) 一种含分布式电源及储能的微电网优化规划方法及系统
Ghadimi et al. PSO based fuzzy stochastic long-term model for deployment of distributed energy resources in distribution systems with several objectives
CN107681655B (zh) 一种潮汐流能发电场协调规划方法
CN110380444B (zh) 一种基于变结构Copula的多场景下分散式风电有序接入电网的容量规划方法
CN107103184A (zh) 一种高压电缆接头温度预测方法
CN110400090B (zh) 一种基于多目标随机优化的智能园区多能源微网配置方法
CN111082466B (zh) 考虑风电不确定性的新能源接入与网架扩建优化方法
CN105027127A (zh) 用于能量数据可视化的方法和设备
CN116756530B (zh) 用于新能源接入配电网的电网线损评估方法及系统
Tahir et al. Optimal ESS size calculation for ramp rate control of grid-connected microgrid based on the selection of accurate representative days
CN114202186A (zh) 一种海上风电场并网输送系统经济评估性方法
CN110070223A (zh) 一种应用于新建风电场的短期功率预测方法
Đorđević et al. General mathematical model for the calculation of economic cross sections of cables for wind farms collector systems
CN117273284A (zh) 一种面向企业用电平衡的异常数据监测系统
CN108346009A (zh) 一种基于用户模型自学习的电力生产配置方法和装置
Li et al. A novel framework for integrating solar renewable source into smart cities through digital twin simulations
Güven Integrating electric vehicles into hybrid microgrids: A stochastic approach to future-ready renewable energy solutions and management
CN109767353A (zh) 一种基于概率分布函数的光伏发电功率预测方法
CN107016485A (zh) 一种电力线路节能降损适应性评估方法
CN116976153B (zh) 一种基于一体化模型的海上风电场升压站选址方法
CN117291753A (zh) 一种海上风电集群分组输电方案优选方法及终端
CN105552941B (zh) 一种分布式电源调峰容量优化方法
CN112365053A (zh) 负荷区域内分布式光伏发电总功率的预测方法、系统与计算机可读介质

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