JP2022551018A - マルチアルゴリズム融合に基づく洋上風力発電グリッド接続方式の評価方法 - Google Patents
マルチアルゴリズム融合に基づく洋上風力発電グリッド接続方式の評価方法 Download PDFInfo
- Publication number
- JP2022551018A JP2022551018A JP2021526439A JP2021526439A JP2022551018A JP 2022551018 A JP2022551018 A JP 2022551018A JP 2021526439 A JP2021526439 A JP 2021526439A JP 2021526439 A JP2021526439 A JP 2021526439A JP 2022551018 A JP2022551018 A JP 2022551018A
- Authority
- JP
- Japan
- Prior art keywords
- leader
- grid connection
- lifespan
- algorithm
- wind power
- 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 10
- 238000011156 evaluation Methods 0.000 title claims abstract description 9
- 239000002245 particle Substances 0.000 claims abstract description 35
- 230000007246 mechanism Effects 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000010248 power generation Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 17
- 238000012423 maintenance Methods 0.000 claims description 10
- 230000032683 aging Effects 0.000 claims description 7
- 230000007423 decrease Effects 0.000 claims description 5
- 230000002431 foraging effect Effects 0.000 claims description 2
- 238000013210 evaluation model Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 230000002028 premature Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011234 economic evaluation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000000869 mutational effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- 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
- 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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Power Engineering (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
【要約】本発明は、マルチアルゴリズム融合に基づく洋上風力発電グリッド接続方式の評価に関し、割引キャッシュフロー評価モデルに基づく経済性分析モデルを構築して、将来のキャッシュフローを予測することにより評価を行い、かつ改良粒子群アルゴリズムを用いて分析することでファーストベストとセカンドベストのグリッド接続案を取得するものであり、具体的には、グリッド接続の経済性構成及び割引キャッシュフロー評価モデルのステップ（１）と、改良粒子群アルゴリズムに基づくグリッド接続の経済性分析のステップ（２）と、ＡＬＣ－ＰＳＯアルゴリズムを選択するステップ（３）と、ライフスパンメカニズムを作成するステップ（４）と、挑戦者を生成するメカニズムのステップ（５）と、新しいリーダーを生成するメカニズムのステップ（６）と、具体的なＡＬＣ－ＰＳＯアルゴリズムのステップを作成するステップ（７）とを含む。従来のＰＳＯが局所最良解に陥って脱出できないという欠点を改善し、実行速度も従来のＰＳＯと同程度である。
Description
本発明は、割引キャッシュフロー評価モデル（DiscountedCashFlowValuation Model）に基づく経済性分析モデルを構築して、将来のキャッシュフローを予測することにより評価し、改良粒子群アルゴリズムを用いて分析することでファーストベストとセカンドベストのグリッド接続方法を得る、マルチアルゴリズム融合に基づく洋上風力発電グリッド接続方式の評価方法に関する。
現在、クリーンエネルギーに対する世界的な需要はますます高まっており、洋上風力発電の設備容量は年々上昇し、大規模な洋上風力発電システムは未来の発展方向となっている。この現状を踏まえて、割引キャッシュフロー評価モデルに基づく経済性分析モデルを構築して、将来のキャッシュフローを予測することにより評価し、改良粒子群アルゴリズムを用いて分析することでファーストベストとセカンドベストのグリッド接続案を取得する。ファーストベストとセカンドベストのグリッド接続案を用いて、グリッド接続方式の利用条件や場面について参照となる選択方式を提案している。研究結果から明らかなように、経済性分析モデルにより、損耗及びメンテナンスコストの年間値をコスト現在値（present value of cost）に効果的に換算することができ、典型的なグリッド接続方式に対する経済性評価が実現される。
洋上風力発電技術の進歩に伴い、開発コストが低下し、全世界の洋上風力発電の設備容量が迅速に増加し、風力発電はクリーンエネルギーの発展の新たな成長点となっている。２０２０年に、欧州の洋上風力発電の総設備容量は２４．６ＧＷに達すると予測されている。中国では、開発可能な風力エネルギー資源は約７．５億ｋＷであり、陸上風力エネルギー資源の３倍であり、巨大な潜在力を有している。２０１８年末まで、中国で承認された洋上風力発電プロジェクトの規模は約３０ＧＷに近く、現在、建設中のプロジェクトは７ＧＷに達する。現在の研究において、いかにして合理的なグリッド接続方式を選択するかは注目されている。経済性分析アルゴリズムに関しては、割引キャッシュフロー評価モデルに基づく経済性分析モデルを作成して、コスト年間値をコスト現在値に換算する。かつ、改良粒子群アルゴリズムを用いて、最善解と次善解を見出し、さまざまな条件での最適なグリッド接続案を取得する。
本発明は、割引キャッシュフロー評価モデルを利用して、計算例と組み合わせて、さまざまなグリッド接続方式の経済性を分析し、改良粒子群アルゴリズムにより、さまざまな条件での最適な経済的グリッド接続方法を取得する。
本発明の技術的解決手段は以下のとおりである。
本発明に係るマルチアルゴリズム融合に基づく洋上風力発電グリッド接続方式の評価方法は、
グリッド接続の経済性構成及び割引キャッシュフロー評価モデルのステップ（１）と、
改良粒子群アルゴリズムに基づくグリッド接続の経済性分析のステップ（２）と、
ＡＬＣ－ＰＳＯアルゴリズムを選択するステップ（３）と、
ライフスパンメカニズムを作成するステップ（４）と、
挑戦者を生成するメカニズムのステップ（５）と、
新しいリーダーを生成するメカニズムのステップ（６）と、
具体的なＡＬＣ－ＰＳＯアルゴリズムのステップを作成するステップ（７）とを含む。
グリッド接続の経済性構成及び割引キャッシュフロー評価モデルのステップ（１）と、
改良粒子群アルゴリズムに基づくグリッド接続の経済性分析のステップ（２）と、
ＡＬＣ－ＰＳＯアルゴリズムを選択するステップ（３）と、
ライフスパンメカニズムを作成するステップ（４）と、
挑戦者を生成するメカニズムのステップ（５）と、
新しいリーダーを生成するメカニズムのステップ（６）と、
具体的なＡＬＣ－ＰＳＯアルゴリズムのステップを作成するステップ（７）とを含む。
さらに、割引キャッシュフロー評価モデルによる計算方法は、将来のキャッシュフローを予測することにより評価を行い、このモデルは、以下の式で示され、
ここで、Ｐ０は現在の工事又は資産の既存価値であり、Ｅ０は現在の予測値であり、ｎは期数であり、Ｆｎはｎ期目のキャッシュフローであり、Ｅ０Ｆｎは現在の場合で関連要素を考慮した後に予測した将来のｎ期目に発生するフリーキャッシュフローであり、Ｒはフリーキャッシュフローの割引率であり、割引キャッシュフロー評価モデルは、物品の価値が物品の残りのライフスパンにおいて物品により提供し得るフリーキャッシュフローの現行価値の和に等しいと定義される。
さらに、ステップ（２）では、前記改良粒子群アルゴリズムに関しては、
粒子群アルゴリズムは、Ｄが探索空間の次元であり、ｍが粒子の個数であり、Ｘｉ＝（ｘｉ１，ｘｉ２，...，ｘｉＤ）がｉ番目の粒子の位置を示し、ｐｂｅｓｔｉ＝（ｐｉ１，ｐｉ２，...，ｐｉＤ）がｉ番目の粒子の現在までの最適位置を示し、ｇｂｅｓｔｉ＝（ｇ１，ｇ２，...，ｇＤ）が粒子群全体の現在まで探索された最適位置を示し、ｖｉ＝（ｖｉ１，ｖｉ２，...，ｖｉＤ）がｉ番目の粒子の速度を示すとする場合、粒子は、以下の式に従って次元ごとの速度及び位置を更新するように数学的に記述され、
ここで、ｗは慣性重みであり、ｃ１及びｃ２は加速定数であり、両方ともに正数であり、ｒａｎｄ（）及びＲａｎｄ（）は０～１の範囲内で変化する２つのランダム値であり、ここで、ｃ１は粒子自体の履歴のうち最適な位置への粒子の移動長さを調整するものであり、ｃ２はグループ全体の最適な位置への粒子の移動長さを調整するものであり、粒子が探索過程において探索空間から飛び出すことを避けるために、ｄ（１≦ｄ≦Ｄ）次元目の位置が［Ｘｍｉｎ＿ｘ，Ｘｍａｘ＿ｘ］内に限定され、速度が［－Ｖｍａｘ，Ｖｍａｘ］内に限定され、つまり、式によって位置及び速度を更新する際に、ｖｉｄ又はｘｉｄが範囲を超えると、それらを境界値として設定され、まず、粒子群の初期位置及び速度をランダムに発生させ、次に、最大反復回数又は最良解となるまで、式（８）及び（９）に従って反復を実行する。
さらに、改良粒子群アルゴリズムに基づいて構築した総投資コスト目的関数及び制約条件は、以下のとおりであり、
式中、Ｅｃは洋上風力発電所合流グリッド接続システムの総投資費用であり、Ｓｂは各回線で伝送する皮相電力であり、Ｓｍは各回線で伝送し得る定格の最大皮相電力である。
粒子群アルゴリズムは、Ｄが探索空間の次元であり、ｍが粒子の個数であり、Ｘｉ＝（ｘｉ１，ｘｉ２，...，ｘｉＤ）がｉ番目の粒子の位置を示し、ｐｂｅｓｔｉ＝（ｐｉ１，ｐｉ２，...，ｐｉＤ）がｉ番目の粒子の現在までの最適位置を示し、ｇｂｅｓｔｉ＝（ｇ１，ｇ２，...，ｇＤ）が粒子群全体の現在まで探索された最適位置を示し、ｖｉ＝（ｖｉ１，ｖｉ２，...，ｖｉＤ）がｉ番目の粒子の速度を示すとする場合、粒子は、以下の式に従って次元ごとの速度及び位置を更新するように数学的に記述され、
さらに、改良粒子群アルゴリズムに基づいて構築した総投資コスト目的関数及び制約条件は、以下のとおりであり、
さらに、ＡＬＣ－ＰＳＯアルゴリズムは、他の若い挑戦者にリーダーに挑戦して取り替わる機会を提供するメカニズムを採用し、高齢化したリーダーに対して挑戦者が出るというメカニズムを提案しており、
ＡＬＣ－ＰＳＯにおいて、グループにより指定されたリーダーが加齢に伴うライフスパンを有し、他のメンバーが当該リーダーのリーダーシップに挑戦することができ、リーダーが歳を取った後、リーダーのライフスパンは、リーダーのリーダーシップによって適応的に調整され、リーダーが強いリーダーシップを示し、つまり、全体的な最良解へ強く移動する場合、ライフスパンはそれに応じて増大し、一方、リーダーがグループを最適な方向へリードすることができない場合、リーダーが高齢になり、ライフスパンが低減し、また新しい粒子が現れてリーダーに挑戦し、かつリーダーに取り替わってグループをリードすることを発表する。
ＡＬＣ－ＰＳＯにおいて、グループにより指定されたリーダーが加齢に伴うライフスパンを有し、他のメンバーが当該リーダーのリーダーシップに挑戦することができ、リーダーが歳を取った後、リーダーのライフスパンは、リーダーのリーダーシップによって適応的に調整され、リーダーが強いリーダーシップを示し、つまり、全体的な最良解へ強く移動する場合、ライフスパンはそれに応じて増大し、一方、リーダーがグループを最適な方向へリードすることができない場合、リーダーが高齢になり、ライフスパンが低減し、また新しい粒子が現れてリーダーに挑戦し、かつリーダーに取り替わってグループをリードすることを発表する。
さらに、ライフスパンメカニズムは、ＡＣＬ－ＰＳＯにおいてライフスパンコントローラのメカニズムを使用して、リーダーのリーダーシップに基づいてライフスパンを増加又は低減させ、リーダーが強いリーダーシップを示す場合、ライフスパンコントローラはリーダーのライフスパンを増加させ、逆の場合、リーダーのライフスパンを低減させ、リーダーの現在の年齢がθで示され、＝６０に設定され、はライフスパンの設定値を示し、リーダーのグループをリードするリーダーシップの大きさを評価するために、３種類の判断因子を発生させ、ライフコントローラはこの３種類のパラメータに基づいてリーダーシップの大きさを判断する。
さらに、前記３種類のパラメータは、それぞれ
（１）今回の全体的な最良解から前回の全体的な最良解を減算した値である第１のパラメータ値と、
（２）今回の各粒子の個体最良解から前回の各粒子の個体最良解を減算したものである第２のパラメータ値と、
（３）今回のリーダーシップから前回のリーダーシップを減算したものである第３のパラメータ値であり、
この３種類のパラメータを取得した後、順次に４つの場合に分けられ、この４つの場合に基づいて、リーダーのライフスパンの長さを判断する。
（１）今回の全体的な最良解から前回の全体的な最良解を減算した値である第１のパラメータ値と、
さらに、マルチアルゴリズム融合に基づく洋上風力発電グリッド接続方式の評価方法は、
割引キャッシュフロー評価モデルを用いて、投資コスト、メンテナンスコスト及び損耗費用を含む洋上風力発電グリッド接続のグリッド接続の経済性構成を計算し、前記グリッド接続の経済性のコスト現在値を取得するステップと、
改良粒子群アルゴリズムに基づいて、それぞれの前記グリッド接続の経済性のコスト現在値を分析し、ファーストベストとセカンドベストの洋上風力発電グリッド接続案を取得するステップと、を含み、
前記改良粒子群アルゴリズムは、ＡＬＣ－ＰＳＯアルゴリズムであり、前記ＡＬＣ－ＰＳＯアルゴリズムは、ライフスパンメカニズム、挑戦者メカニズム、及び新しいリーダーを生成するメカニズムを含む。
割引キャッシュフロー評価モデルを用いて、投資コスト、メンテナンスコスト及び損耗費用を含む洋上風力発電グリッド接続のグリッド接続の経済性構成を計算し、前記グリッド接続の経済性のコスト現在値を取得するステップと、
改良粒子群アルゴリズムに基づいて、それぞれの前記グリッド接続の経済性のコスト現在値を分析し、ファーストベストとセカンドベストの洋上風力発電グリッド接続案を取得するステップと、を含み、
前記改良粒子群アルゴリズムは、ＡＬＣ－ＰＳＯアルゴリズムであり、前記ＡＬＣ－ＰＳＯアルゴリズムは、ライフスパンメカニズム、挑戦者メカニズム、及び新しいリーダーを生成するメカニズムを含む。
本発明の有益な効果は、以下のとおりである。
本発明は、従来のＰＳＯとは異なり、従来のＰＳＯが局所最良解に陥って脱出できないという欠点を改善し、実行速度も従来のＰＳＯと同程度であり、その主な原因としては、ＡＬＣ－ＰＳＯには挑戦者とライフスパンのメカニズムが導入され、これにより、粒子が探索過程で局所最良解に陥ることが避けられ、一般的な遺伝子アルゴリズムを用いた場合、局所最良解から脱出するために突然変異のメカニズムを用いるのと類似している。
本発明は、従来のＰＳＯとは異なり、従来のＰＳＯが局所最良解に陥って脱出できないという欠点を改善し、実行速度も従来のＰＳＯと同程度であり、その主な原因としては、ＡＬＣ－ＰＳＯには挑戦者とライフスパンのメカニズムが導入され、これにより、粒子が探索過程で局所最良解に陥ることが避けられ、一般的な遺伝子アルゴリズムを用いた場合、局所最良解から脱出するために突然変異のメカニズムを用いるのと類似している。
本発明に係る改良粒子群アルゴリズムに基づく洋上風力発電グリッド接続の経済性の分析方法は、以下のステップ（１）～ステップ（７）を含む。
（１）グリッド接続の経済性構成及び割引キャッシュフロー評価モデル
グリッド接続方式を選択するにあたって、システム容量やウィンドファームの距離を考慮してもよく、一方、交直流システムの経済性に関して検討してもよい。実施可能性の高いいくつかのグリッド接続方式については、本明細書で選択された経済性の比較範囲は、洋上風力発電所の外部のステップアップトランスの出口から陸上の合流点までとされ、このように、異なるグリッド接続方式の経済性構成における共通部分が排除され、計算が簡素化される。明細書で分析された経済性構成は、投資コスト、メンテナンスコスト及び損耗費用を含む。
割引キャッシュフロー評価モデル（ｄｉｓｃｏｕｎｔｅｄ ｃａｓｈ ｆｌｏｗ、ＤＣＦ）による計算方法は、グリッド接続の経済性を比較するための主要な方法であり、具体的には、将来のキャッシュフローを予測することにより評価を行う。このモデルは、以下の式で表される。
ここで、Ｐ０は現在の工事又は資産の既存価値であり、Ｅ０は現在の予測値であり、ｎは期数であり、Ｆｎはｎ期目のキャッシュフローであり、Ｅ０Ｆｎは現在の場合で関連要素を考慮した後に予測した将来のｎ期目に発生するフリーキャッシュフローであり、Ｒはフリーキャッシュフローの割引率である。割引キャッシュフロー評価モデルは、工事に適している評価方法であり、物品の価値が物品の残りのライフスパンにおいて物品により提供し得るフリーキャッシュフローの現行価値の和に等しいと定義される。
グリッド接続方式を選択するにあたって、システム容量やウィンドファームの距離を考慮してもよく、一方、交直流システムの経済性に関して検討してもよい。実施可能性の高いいくつかのグリッド接続方式については、本明細書で選択された経済性の比較範囲は、洋上風力発電所の外部のステップアップトランスの出口から陸上の合流点までとされ、このように、異なるグリッド接続方式の経済性構成における共通部分が排除され、計算が簡素化される。明細書で分析された経済性構成は、投資コスト、メンテナンスコスト及び損耗費用を含む。
割引キャッシュフロー評価モデル（ｄｉｓｃｏｕｎｔｅｄ ｃａｓｈ ｆｌｏｗ、ＤＣＦ）による計算方法は、グリッド接続の経済性を比較するための主要な方法であり、具体的には、将来のキャッシュフローを予測することにより評価を行う。このモデルは、以下の式で表される。
１．投資コスト
直流海底ケーブルシステムへの投資コストは、直流海底ケーブルのコスト、敷設のコスト、変換所のコスト及び直流ブレーカのコストを含む。
式中、Ｅ１＝Ｂｉ＋Ｓｉであり、即ち、Ｅ１は、変換所のコストＢｉとその直流ブレーカのコストＳｉとの和であり、Ｅ２＝Ｃ１＋Ｃ２であり、Ｃ１は、海底ケーブルの総コストであり、長さと総区間数とケーブルの全長さの積であり、Ｃ２は、海底ケーブルの敷設コストである。
交流海底ケーブルシステムへの投資コストは、交流海底ケーブルのコスト、敷設のコスト及び無効電力補償装置コストを含む。
直流海底ケーブルシステムへの投資コストは、直流海底ケーブルのコスト、敷設のコスト、変換所のコスト及び直流ブレーカのコストを含む。
交流海底ケーブルシステムへの投資コストは、交流海底ケーブルのコスト、敷設のコスト及び無効電力補償装置コストを含む。
２．メンテナンスコスト
メンテナンスコストは、ライフスパンにわたってメンテナンスを実施するためのすべての投資コストが投資コストを占める割合で表され、一般的に、直流システムの場合では、メンテナンスコストは総投資コストの０．５％を占め、交流システムの場合では、総投資コストの１．２％を占める。
メンテナンスコストは、ライフスパンにわたってメンテナンスを実施するためのすべての投資コストが投資コストを占める割合で表され、一般的に、直流システムの場合では、メンテナンスコストは総投資コストの０．５％を占め、交流システムの場合では、総投資コストの１．２％を占める。
（３）ＡＬＣ－ＰＳＯ
自然界では、ほとんどの生物がライフスパンを有し、また老化してしまい、即ちライフには限りがあり、そのため、高齢化は、生物学者により探索されている、社会の多様性を維持するための重要なメカニズムである。例えば、動物界のコロニーでは、高齢化がコロニーのリーダーシップを弱める原因の一つであり、これにより、他の若い挑戦者にリーダーに挑戦して、さらに取り替わる機会が提供される。これは社会の自然現象であり、その自然現象からのヒントに基づいて、ＡＬＣ－ＰＳＯにもこのメカニズムが採用されており、高齢化したリーダーに対して挑戦者が出るというメカニズムが提案されている。このアルゴリズムは、早期収束の問題を克服するように設計されたものであり、一般的な粒子群アルゴリズムの高速収束の特性をあまり妨げることもなく、また、ＡＬＣ－ＰＳＯは、グループにより指定されたリーダーが加齢に伴うライフスパンを有し、かつ他のメンバーが当該リーダーのリーダーシップに挑戦することができ、リーダーが歳を取った後、リーダーのライフスパンは、リーダーのリーダーシップによって適応的に調整され、リーダーが強いリーダーシップを示し、つまり、全体的な最良解へ強く移動する場合、ライフスパンもそれに応じて増大し、一方、リーダーがグループを最適な方向へリードすることができない場合、リーダーが高齢になり、ライフスパンが低減し、また、新しい粒子が現れてリーダーに挑戦し、かつリーダーに取り替わってグループをリードすることを発表することを特徴とする。
経済性分析モデルにより、損耗及びメンテナンスコストの年間値をコスト現在値に効果的に換算することができ、典型的なグリッド接続方式の経済性評価を実現する。具体的には、将来のキャッシュフローを予測することにより評価し、割引キャッシュフロー評価モデルを利用して、さまざまなグリッド接続方式の経済性を分析し、かつ、ＡＬＣ－ＰＳＯアルゴリズムによって分析し、ファーストベストとセカンドベストのグリッド接続案を取得する。ファーストベストとセカンドベストのグリッド接続案を利用して、グリッド接続方式の利用条件及び場面について参照となる選択方式を提案する。具体的には、洋上風力発電による電力がフレキシブル直流システム、交流システム、又は交直ハイブリッドシステムを通す場合グリッド接続の投資コスト、メンテナンスコスト及び損耗コストをそれぞれ算出して並べ替え、その結果に基づいて洋上風力発電の最適グリッド接続方式を選択する。
このような方式により、多様性が可能となり、かつこのような方式では、「老化」という概念により、実際には、グループから最適なリーダー、つまり全体的な最適点を選択するように、ＡＬＣ－ＰＳＯにおいて挑戦メカニズムを提供している。これは、ＡＬＣ－ＰＳＯアルゴリズムの最も主要な精神である。
自然界では、ほとんどの生物がライフスパンを有し、また老化してしまい、即ちライフには限りがあり、そのため、高齢化は、生物学者により探索されている、社会の多様性を維持するための重要なメカニズムである。例えば、動物界のコロニーでは、高齢化がコロニーのリーダーシップを弱める原因の一つであり、これにより、他の若い挑戦者にリーダーに挑戦して、さらに取り替わる機会が提供される。これは社会の自然現象であり、その自然現象からのヒントに基づいて、ＡＬＣ－ＰＳＯにもこのメカニズムが採用されており、高齢化したリーダーに対して挑戦者が出るというメカニズムが提案されている。このアルゴリズムは、早期収束の問題を克服するように設計されたものであり、一般的な粒子群アルゴリズムの高速収束の特性をあまり妨げることもなく、また、ＡＬＣ－ＰＳＯは、グループにより指定されたリーダーが加齢に伴うライフスパンを有し、かつ他のメンバーが当該リーダーのリーダーシップに挑戦することができ、リーダーが歳を取った後、リーダーのライフスパンは、リーダーのリーダーシップによって適応的に調整され、リーダーが強いリーダーシップを示し、つまり、全体的な最良解へ強く移動する場合、ライフスパンもそれに応じて増大し、一方、リーダーがグループを最適な方向へリードすることができない場合、リーダーが高齢になり、ライフスパンが低減し、また、新しい粒子が現れてリーダーに挑戦し、かつリーダーに取り替わってグループをリードすることを発表することを特徴とする。
経済性分析モデルにより、損耗及びメンテナンスコストの年間値をコスト現在値に効果的に換算することができ、典型的なグリッド接続方式の経済性評価を実現する。具体的には、将来のキャッシュフローを予測することにより評価し、割引キャッシュフロー評価モデルを利用して、さまざまなグリッド接続方式の経済性を分析し、かつ、ＡＬＣ－ＰＳＯアルゴリズムによって分析し、ファーストベストとセカンドベストのグリッド接続案を取得する。ファーストベストとセカンドベストのグリッド接続案を利用して、グリッド接続方式の利用条件及び場面について参照となる選択方式を提案する。具体的には、洋上風力発電による電力がフレキシブル直流システム、交流システム、又は交直ハイブリッドシステムを通す場合グリッド接続の投資コスト、メンテナンスコスト及び損耗コストをそれぞれ算出して並べ替え、その結果に基づいて洋上風力発電の最適グリッド接続方式を選択する。
このような方式により、多様性が可能となり、かつこのような方式では、「老化」という概念により、実際には、グループから最適なリーダー、つまり全体的な最適点を選択するように、ＡＬＣ－ＰＳＯにおいて挑戦メカニズムを提供している。これは、ＡＬＣ－ＰＳＯアルゴリズムの最も主要な精神である。
ＡＬＣ－ＰＳＯからわかるように、従来のＰＳＯとは異なり、ＡＬＣ－ＰＳＯは従来のＰＳＯが局所最良解に陥って脱出できないという欠点を改善し、実行速度も従来のＰＳＯと同程度である。その主な原因としては、ＡＬＣ－ＰＳＯには挑戦者とライフスパンのメカニズムが導入され、これにより、粒子が探索過程で局所最良解に陥ることが避けられる。これは、一般的な遺伝子アルゴリズムを用いた場合，局所最良解から脱出するために突然変異のメカニズムを用いるのと類似している。ＡＬＣ－ＰＳＯのフローチャートを図２に示す。
Claims (11)
- マルチアルゴリズム融合に基づく洋上風力発電グリッド接続方式の評価方法であって、
グリッド接続の経済性構成及び割引キャッシュフロー評価モデルのステップ（１）と、
改良粒子群アルゴリズムに基づくグリッド接続の経済性分析のステップ（２）と、
ＡＬＣ－ＰＳＯアルゴリズムを選択するステップ（３）と、
ライフスパンメカニズムを作成するステップ（４）と、
挑戦者を生成するメカニズムのステップ（５）と、
新しいリーダーを生成するメカニズムのステップ（６）と、
具体的なＡＬＣ－ＰＳＯアルゴリズムのステップを作成するステップ（７）と
を含む、ことを特徴とするマルチアルゴリズム融合に基づく洋上風力発電グリッド接続方式の評価方法。 -
-
-
- ＡＬＣ－ＰＳＯアルゴリズムは、他の若い挑戦者にリーダーに挑戦して取り替わる機会を提供するメカニズムを採用し、高齢化したリーダーに対して挑戦者が出るというメカニズムを提案しており、
ＡＬＣ－ＰＳＯにおいて、グループにより指定されたリーダーが加齢に伴うライフスパンを有し、他のメンバーが当該リーダーのリーダーシップに挑戦することができ、リーダーが歳を取った後、リーダーのライフスパンは、リーダーのリーダーシップによって適応的に調整され、リーダーが強いリーダーシップを示し、つまり、全体的な最良解へ強く移動する場合、ライフスパンはそれに応じて増大し、一方、リーダーがグループを最適な方向へリードすることができない場合、リーダーが高齢になり、ライフスパンが低減し、また、新しい粒子が現れてリーダーに挑戦し、かつリーダーに取り替わってグループをリードすることを発表する、
ことを特徴とする請求項１に記載のマルチアルゴリズム融合に基づく洋上風力発電グリッド接続方式の評価方法。 - ライフスパンメカニズムは、ＡＣＬ－ＰＳＯにおいてライフスパンコントローラのメカニズムを使用して、リーダーのリーダーシップに基づいてライフスパンを増加又は低減させ、リーダーが強いリーダーシップを示す場合、ライフスパンコントローラはリーダーのライフスパンを増加させ、逆の場合、リーダーのライフスパンを低減させ、リーダーの現在の年齢がθで示され、＝６０に設定され、はライフスパンの設定値を示し、リーダーのグループをリードするリーダーシップの大きさを評価するために、３種類の判断因子を発生させ、ライフコントローラはこの３種類のパラメータに基づいてリーダーシップの大きさを判断する、
ことを特徴とする請求項３に記載のマルチアルゴリズム融合に基づく洋上風力発電グリッド接続方式の評価方法。 -
-
-
-
- マルチアルゴリズム融合に基づく洋上風力発電グリッド接続方式の評価方法であって、
割引キャッシュフロー評価モデルを用いて、投資コスト、メンテナンスコスト及び損耗費用を含む洋上風力発電グリッド接続のグリッド接続の経済性構成を計算し、前記グリッド接続の経済性のコスト現在値を取得するステップと、
改良粒子群アルゴリズムに基づいて、それぞれの前記グリッド接続の経済性のコスト現在値を分析し、ファーストベストとセカンドベストの洋上風力発電グリッド接続案を取得するステップと、を含み、
前記改良粒子群アルゴリズムは、ＡＬＣ－ＰＳＯアルゴリズムであり、前記ＡＬＣ－ＰＳＯアルゴリズムは、ライフスパンメカニズム、挑戦者メカニズム、及び新しいリーダーを生成するメカニズムを含む、
ことを特徴とする洋上風力発電グリッド接続方式の評価方法。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010798725.5A CN111917112A (zh) | 2020-08-11 | 2020-08-11 | 一种基于多算法融合的海上风电并网方式评估方法 |
| CN202010798725.5 | 2020-08-11 | ||
| PCT/CN2020/138209 WO2022032960A1 (zh) | 2020-08-11 | 2020-12-22 | 一种基于多算法融合的海上风电并网方式评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2022551018A true JP2022551018A (ja) | 2022-12-07 |
| JP7222088B2 JP7222088B2 (ja) | 2023-02-14 |
Family
ID=73284734
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021526439A Active JP7222088B2 (ja) | 2020-08-11 | 2020-12-22 | マルチアルゴリズム融合に基づく洋上風力発電グリッド接続方式の評価方法 |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JP7222088B2 (ja) |
| CN (1) | CN111917112A (ja) |
| WO (1) | WO2022032960A1 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111917112A (zh) * | 2020-08-11 | 2020-11-10 | 国网河北省电力有限公司沧州供电分公司 | 一种基于多算法融合的海上风电并网方式评估方法 |
| CN112415170A (zh) * | 2020-11-13 | 2021-02-26 | 吉林省电力科学研究院有限公司 | 一种大型供热机组主蒸汽管道寿命评估方法 |
| CN114862444B (zh) * | 2022-04-06 | 2024-06-21 | 上海零数众合信息科技有限公司 | 一种元宇宙的环境下内容创作的激励方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016025792A (ja) * | 2014-07-23 | 2016-02-08 | 株式会社Ihi | エネルギーマネジメントシステムおよび電力需給計画最適化方法 |
| JP2018036926A (ja) * | 2016-09-01 | 2018-03-08 | 株式会社日立製作所 | マイクログリッドの運転計画システムおよび方法 |
| CN110504705A (zh) * | 2019-05-31 | 2019-11-26 | 上海电力学院 | 一种海上风电集群电气系统规划方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105303585A (zh) * | 2015-09-29 | 2016-02-03 | 燕山大学 | 一种快速目标跟踪方法及装置 |
| CN106845629A (zh) * | 2017-02-10 | 2017-06-13 | 南京农业大学 | 基于越界重置的参数列维化粒子群算法 |
| CN109687440A (zh) * | 2018-12-26 | 2019-04-26 | 广东电网有限责任公司 | 一种放松管制环境下分布式发电投资及配网规划优化方法 |
| CN109711631B (zh) * | 2018-12-29 | 2021-09-07 | 杭州电子科技大学 | 一种改进粒子群算法的智能微电网优化调度方法 |
| CN111917112A (zh) * | 2020-08-11 | 2020-11-10 | 国网河北省电力有限公司沧州供电分公司 | 一种基于多算法融合的海上风电并网方式评估方法 |
-
2020
- 2020-08-11 CN CN202010798725.5A patent/CN111917112A/zh active Pending
- 2020-12-22 WO PCT/CN2020/138209 patent/WO2022032960A1/zh active Application Filing
- 2020-12-22 JP JP2021526439A patent/JP7222088B2/ja active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016025792A (ja) * | 2014-07-23 | 2016-02-08 | 株式会社Ihi | エネルギーマネジメントシステムおよび電力需給計画最適化方法 |
| JP2018036926A (ja) * | 2016-09-01 | 2018-03-08 | 株式会社日立製作所 | マイクログリッドの運転計画システムおよび方法 |
| CN110504705A (zh) * | 2019-05-31 | 2019-11-26 | 上海电力学院 | 一种海上风电集群电气系统规划方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022032960A1 (zh) | 2022-02-17 |
| JP7222088B2 (ja) | 2023-02-14 |
| CN111917112A (zh) | 2020-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7222088B2 (ja) | マルチアルゴリズム融合に基づく洋上風力発電グリッド接続方式の評価方法 | |
| Çetinbaş et al. | Sizing optimization and design of an autonomous AC microgrid for commercial loads using Harris Hawks Optimization algorithm | |
| Shen et al. | An efficient fitness-based differential evolution algorithm and a constraint handling technique for dynamic economic emission dispatch | |
| CN111030188B (zh) | 一种含分布式和储能的分层分级控制策略 | |
| Wang et al. | PSO-based multi-criteria optimum design of a grid-connected hybrid power system with multiple renewable sources of energy | |
| CN107274085B (zh) | 一种双电型船舶的储能设备的优化管理方法 | |
| CN104166877A (zh) | 基于改进二进制粒子群优化算法的微网优化运行方法 | |
| WO2014114107A1 (zh) | 一种分布式电源最优潮流优化方法 | |
| CN110070292A (zh) | 基于交叉变异鲸鱼优化算法的微网经济调度方法 | |
| CN112418488B (zh) | 一种基于两阶段能量优化的综合能源系统调度方法及装置 | |
| CN111181197B (zh) | 一种多弃风区域风储容量配置方法 | |
| Duan et al. | Modified genetic algorithm for layout optimization of multi-type wind turbines | |
| CN106355297B (zh) | 一种基于电解铝负荷特性的电网降损优化方法 | |
| CN108009684A (zh) | 一种包含短期负荷预测的微电网并网状态能量管理方法 | |
| Li et al. | Impact on traditional hydropower under a multi-energy complementary operation scheme: An illustrative case of a ‘wind–photovoltaic–cascaded hydropower plants’ system | |
| CN117495002A (zh) | 基于混沌蜂鸟的区域综合能源系统多目标优化调度方法 | |
| Hu et al. | Intelligent and rapid event-based load shedding pre-determination for large-scale power systems: Knowledge-enhanced parallel branching dueling Q-network approach | |
| jing Hu et al. | Capacity optimization of wind/PV/storage power system based on simulated annealing-particle swarm optimization | |
| CN106529699A (zh) | 一种考虑需求侧的微电网的规划设计方法 | |
| CN113937811A (zh) | 一种多能耦合配电系优化调度方法 | |
| Meng et al. | Research on multi-objective optimization operation of microgrid | |
| Kumar et al. | AI based Economic Load Dispatch incorporating wind power penetration | |
| CN116454987B (zh) | 一种用于与新能源联合调度的储能优化方法及系统 | |
| CN104578135B (zh) | 一种基于异构储能系统的功率可预测性控制方法 | |
| Han et al. | Yaw system restart strategy optimization of wind turbines in mountain wind farms based on operational data mining and multi-objective optimization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210512 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221109 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230110 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230202 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7222088 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |