【技术实现步骤摘要】
一种多维度约束风电场集电线路自动规划方法
本专利技术涉及风电场规划的
，尤其是指一种多维度约束风电场集电线路自动规划方法。
技术介绍
当前国内外风电场规划方法大都是结合具体工程实际的需要，由设计人员基于经验手工设计，集电线路规划需结合地形、道路规划，方可做到成本最优，然而受限制于设计人员的经验，规划水平参差不齐，集电线路成本偏差巨大。由此得到的集电系统电气方案难以获得较好的经济性。设计人员的经验水平对规划质量高低起到决定性的作用，对于大型复杂的风电场，设计周期较长，并且往往难以获得最优的集电线路拓扑方式。各风机厂家的集电线路规划算法，往往都只能够规划距离最优拓扑，而无法规划出成本最优拓扑，也没有充分考虑复杂地形的三维最优路径，或者只考虑放射性区域划分而忽略了区域交互，规划结果常常无法达到成本最优的目的，且规划时间基本都在半小时以上。本算法借鉴人工设计思想，全面综合考虑了算法设计过程中遇到的各种实际问题，包括快速子区域划分，复杂地形的三维路径规划，成本最优拓扑，单双回路径，子区域交互，进行了多次降阶，将规划时间控制在10分钟之内。风能作为一种重要的可再生能源越...
【技术保护点】
1.一种多维度约束风电场集电线路自动规划方法，其特征在于，包括以下步骤：1)智能分区进行区域划分，将风电场中风机阵列以升压站为中心划分为多个放射性区域，并且对每个区域容量进行限制，风电场集电线路规划是一个多维度、非线性的规划问题，为了降低规划的复杂度，首先对全场的风机进行分组降阶处理，这样既符合人工设计规则，又能够起到降维作用，用计算机分类替代人工进行繁琐的分类工作，为了达到这一目的，采用模糊聚类算法；2)区域内成本最优规划对每个子区域构建图G(V,E)，将线路规划问题转换为图论问题，运用图论的数学方法获得各个子区域内的成本最优拓扑；3)线路跨区域规划全局成本最优增加对子区...
【技术特征摘要】
1.一种多维度约束风电场集电线路自动规划方法，其特征在于，包括以下步骤：1)智能分区进行区域划分，将风电场中风机阵列以升压站为中心划分为多个放射性区域，并且对每个区域容量进行限制，风电场集电线路规划是一个多维度、非线性的规划问题，为了降低规划的复杂度，首先对全场的风机进行分组降阶处理，这样既符合人工设计规则，又能够起到降维作用，用计算机分类替代人工进行繁琐的分类工作，为了达到这一目的，采用模糊聚类算法；2)区域内成本最优规划对每个子区域构建图G(V,E)，将线路规划问题转换为图论问题，运用图论的数学方法获得各个子区域内的成本最优拓扑；3)线路跨区域规划全局成本最优增加对子区域之间可行路径进行探索，将区域间可行路径加入子区域成本最优树中，进行动态优化，获得最终的全场成本最优拓扑；4)T接路径优化以上获得的成本最优拓扑，并没有考虑T接交叉点的问题，而实际工程中存在一些T接方式，为此需将获得的线路拓扑进行T接优化，以获得经济型更优的集电线路连接拓扑。2.根据权利要求1所述的一种多维度约束风电场集电线路自动规划方法，其特征在于：在步骤1)中，采用模糊聚类算法进行智能区域划分，具体情况如下：聚类分析，是将个体或者对象按相似程度或距离远近划分类别，使得同一类中的元素之间的相似性比其它类的元素相似性更强，目的在于使类间元素的同质性最大化和类与类间元素的异质性最大化，其主要依据是聚到同一个数据集中的样本应该彼此近似，而属于不同组的样本应该不相似，本质是用计算机分类替代人工分类进行繁琐的分类工作；在此，采用模糊聚类算法对全场风机进行区域划分，在采用模糊聚类算法的过程中，考虑到风电场实际工程需求，需要进行以下两个限制条件：a、基于风电场的特殊性，需要获得以升压站为中心的辐射状聚类结果，而并非块状聚类；b、由于电缆载流量的限制，需要限制每条集电线路的容量，因此对每簇的风机做容量检测，是否超限；模糊聚类算法中，首先要确定聚类的簇数，即子区域的数量，并且聚类初始中心点对聚类的最终结果具有决定性的作用，考虑风电规划实际，聚类初始点的选择，要尽可能分散均匀分布，以方便快速得到合理的区域划分，故需要对传统的模糊聚类算法改进后再进行区域划分；其中，子区域的数量确定如下：对于一个风电场而言，连接方式未确定前集电线路的子区域数量是未知的，但能够根据风场的容量及每个子区域最大容量限制计算得到划分的最小子区域数量，因此，先将子区域数量按照最小值子区域数量进行聚类，并设置合理的迭代停止条件，若无法完成聚类，则逐次增加子区域数量，直到聚类成功；改进的模糊聚类算法步骤如下：第1步：设置相关参数，包括最少子区域数量min_group、最多子区域数量max_group、初始类心最大循环次数fuzzy_max、风机不属于任何类最大循环次数station_max、簇心移动最大迭代次数delt_max和容差tolerence；第2步：从子区域数量group为最小集子区域数min_group开始探索，此时簇心的数量为group个，每个子区域内划分为一簇，在每个子区域内规划形成的集电线路称为一串或一条集电线路；第3步：判断子区域数group是否超过最大值max_group，如果没有则执行下面第4步，否则说明聚类失败；第4步：将风场分机分为group个子区域，对于双回路仍然视为一个子区域，由于聚类过程中并未对类内风机数量即每个子区域容量进行限制，故当聚类完成后，需要对个子区域内载流量进行检测，当超过容量限制时，需要重新进行聚类，为此嵌入一个fuzzy循环，用于此种情况下的重新循环聚类，fuzzy初始化为0，最大迭代次数为fuzzy_max；第5步：判断fuzzy是否小于fuzzy_max，若是则执行下面第6步，否则group＝group+1增加规划子区域数量并更新，group为子区域数量，执行上面第3步；第6步：由于风机到类心的距离采用极坐标的形式，当升压站到风机的矢量与升压站到类心的矢量夹角大于90°时，则风机不属于此类，若风机不属于任何类，则重新选择初始类心进行聚类，因此嵌入一个station循环，用于在此种情况下的重新聚类，station初始化为0，最大迭代次数为station_max；第7步：判断station是否小于station_max，若是则执行下面第8步，否则循环累加fuzzy＝fuzzy+1更新循环次数，fuzzy为循环次数，执行上面第5步；第8步：利用轮盘赌算法获得聚类的初始类心，在初始类心的选择过程中，为了获得合理的聚类效果，选择彼此距离尽可能远的group个点，这样不仅能够减少算法的迭代步骤而且能够使得分类结果更均匀；主要步骤是：首先随机选择一个风机点作为第一个初始类簇中心点，然后选择距离该点最远的那个点作为第二个初始类簇中心点，然后选择距离前两个点的距离最大的点作为第三个初始类簇的中心点，以此类推，直到选出group个初始类簇中心点；在初始类心确定后，即所有类心点都已经完全确定，则聚类结果即确定了，会使得聚类结果缺乏多样性，甚至可能导致聚类失败，为此引入轮盘算法，距离越远则点被选择的概率越高，而不是100％选择相距最远的点，这样既保证了初始点的均匀分布，同时为聚类提供多种聚类可能结果；第9步：计算各个风机点到各个类心的距离dic，i∈(1,n_node),c∈(1,n_c)，i表示第i台风机，n_node表示风机的数量，c表示类心，n_c表示类心的数量，dic表示第i台风机到第c个类心的距离，并将距离进行归一化处理，转化为各个风机到各个类心的隶属度矩阵，根据隶属度将风机节点划分到不同簇中；如果存在风机不属于任何类，即风机节点到所有类心的距离都为正无穷大，说明初始选择的类心无法完成聚类，需要重新选择初始类心，station++返回上面第7步，重新选择初始类心进行计算，否则继续执行下面第10步；风机节点到类心距离计算方法是：为了获得辐射状的聚类结果，采用风机到升压站和类心连线的垂直距离为风机到类心的距离，而不使用风机到类心的直线距离；其中，station++表示station每次循环累加一，用于计数；当升压站到类心相量与升压站到风机相量夹角小于等于90°时，风机到类心的距离为风机到相量的垂直距离dic＝d，如果夹角大于90°，和的夹角大于90，则风机到类心的距离设置为djc＝∞；模糊聚类的隶属度计算如下：当dic＝∞，则隶属度值为0；dic——是第i台风机到第c个类心的距离；n_c——表示类心的数量；m——是加权指数；memberic——是第i台风机到第c个类心的隶属度；对于某台风机来说，将风机节点划分到隶属度最大的簇中，如果此台风机到所有类心的距离都为正无穷大，则此台风机到类心的隶属度值都为0，不属于任何类，则退出此次聚类，重新选择初始类心，重新进行聚类计算；第10步：对风机进行簇类划分，重新计算簇心，并更新隶属度，直到簇心不再变化，执行下面第11步，在迭代过程中，如果存在风机无法划分到任何簇中，则执行上面第9步，重新选择初始类心，重新聚类；如果迭代了delt_max类心仍然发生变化，则执行下面第11步；第11步：通过第10步能够得到初步的聚类结果，但是聚类过程中并没有对每串风机容量进行限制，聚类结果可能存在过载的问题，故需要对聚类结果进行过载检测，计算每串风机的容量，如果超过双回最大限值，则返回上面第6步，如果没有过载，则聚类成功，返回最终的子区域划分结果。3.根据权利要求1所述的一种多维度约束风电场集电线路自动规划方法，其特征在于：在步骤2)中，对各个子区域获取成本最优树，具体情况如下：对每个子区域，构建图G(V,E)，将线路规划问题转换为图论问题，运用图论的数学方法获得各个子区域内的成本最优拓扑；子区域内成本最优拓扑，通过以下步骤获得：2.1)构建区域内没有交叉，路径最短的有效连通图；2.2)搜索风机有效路径之间的最优三维路径，并将风机之间三维距离作为边的权值；2.3)形成子区域内以电缆长度最短为目标的连接拓扑图；2.4)以上获得的拓扑电缆长度最小，并不是电缆的投资成本最低，其结果仍需进一步被改善，为此提出一种动态调整并反复优化的改进算法，解决了在实际中因不能在规划前根据潮流分布选择导线截面的问题，通过动态树算法获得子区域总成本最低的优化规划拓扑结构；两个风机之间电缆成本为f*l，f为电缆的每公里单价成本，单位为万/km，与电缆的载流量即电缆的截面有关，电缆所带风机越多，所选电缆截面越粗，电缆成本越高；l为电缆的长度，单位为...
【专利技术属性】
技术研发人员：朱敏，
申请(专利权)人：明阳智慧能源集团股份公司，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。