多变电站多类型风机的电缆布局方法和计算机存储介质技术

本发明专利技术提供一种多变电站多类型风机的电缆布局方法和计算机存储介质，所述方法包括：S1获取初始参数形成数据集；S2、对数据集中的所有数据点进行最小化数据集的总平方距离，获得簇集；S3、根据簇集中每个簇的中心与变电站的距离，将变电站与每个簇一一对应；S4、获取每个簇所包含风机的总发电量，得到其与该簇所对应变电站的最大发电承载量的关系；S5、根据所述关系，对簇的数据进行重新分配，若所有簇的风机总容量小于或等于其对应变电站的最大发电承载量，则得到聚类结果，否则对簇的数据进行重新分配；S6、计算每个簇的风机与其所在簇对应的变电站的距离，将最近的风机点与变电站相连；S7、对每个簇内的风机进行独立的电缆连接布局。

Cable layout method and computer storage medium of multi type fans in variable power station

【技术实现步骤摘要】
多变电站多类型风机的电缆布局方法和计算机存储介质
本专利技术涉及风电场聚类划分、电缆连接布局规划领域，更具体地，涉及一种多变电站多类型风机的电缆布局方法和计算机存储介质。
技术介绍
近几年，随着传统能源的进一步紧缺，新能源的发展已经成为社会发展的必然趋势。风能是世界上发展最快的绿色能源技术之一。考虑到我国可用的陆地资源逐年减少，并且陆地地形复杂，风电场安装困难，风力受限因素比较多等问题，海上风电场以其较高的风能资源密度和稳定性成为近年来风电发展的重点。然而，针对目前多变电站的海上风电场，相关技术中所提出的聚类划分方法所针对的风电场的风电机组均为同一类型，而现有的风机聚类划分技术往往只是单一地考虑与变电站的距离，距离最近则划分为一个簇。而对于多类型风机以及需考虑海上变电站的最大发电承载量等因素的海上风电场，现有技术只能通过技术人员的经验进行人工的聚类划分，耗费人力物力，且划分效果不佳，也导致后期出现电缆连接布局方案不合理、方案的总建设成本较高的问题。由此可见，现有技术无法智能实现多类型风机以及考虑海上变电站的最大发电承载量等实际因本文档来自技高网...

【技术保护点】
1.一种多变电站多类型风机的电缆布局方法，其特征在于，包括以下步骤：/nS1、获取初始参数形成数据集，所述初始参数包括：变电站的数量、坐标和最大发电承载量，风机的数量、坐标，风机类型的数量

【技术特征摘要】
1.一种多变电站多类型风机的电缆布局方法，其特征在于，包括以下步骤：
S1、获取初始参数形成数据集，所述初始参数包括：变电站的数量、坐标和最大发电承载量，风机的数量、坐标，风机类型的数量，每种风机类型对应的发电量；
S2、对所述数据集中的所有数据点进行最小化数据集的总平方距离，获得簇集；
S3、根据簇集中每个簇的中心与变电站的距离，将变电站与每个簇一一对应；
S4、获取每个簇所包含风机的总发电量，得到其与该簇所对应变电站的最大发电承载量的关系；
S5、根据所述关系，对所述簇的数据进行重新分配，若所有簇的风机总容量小于或等于其对应变电站的最大发电承载量，则得到聚类结果，否则对所述簇的数据进行重新分配；
S6、计算每个簇的风机与其所在簇对应的变电站的距离，将最近的风机点与变电站相连；
S7、每个簇分别以该最近风机点作为根，分别对每个簇内的风机进行独立的电缆连接布局，综合得到总电缆布局方案；
在步骤S1中，变电站的数量为K，变电站坐标，其最大发电承
载量为，风机的数量为N，风机类型的数量为L，每种风机类型
对应的发电量为，，风机的坐标为，
其对应的发电量为，
K-Means算法的初始簇的中心，则簇集与簇中心为一一对应，在步骤S2中，执行K-Means算法，对数据集中的所有数据点，最小化数
据集的总平方距离E，获得簇集，如式（1）和式（2）所示：

（1）

（2）
在步骤S3中，根据C中每个簇的中心与变电站的距离，将变电站
与簇一一对应，；
在步骤S4中，计算每个簇所包含风机的总发电量，得到其与该簇所对应变电站的最大
发电承载量关系：

（3）。


2.根据权利要求1所述的方法，其特征在于，在步骤S5中，对所有为1的簇的数
据进行重新分配，若所有簇的风机总容量均小于或等于其对应变电站的最大发电承载量，
则得到聚类...

【专利技术属性】
技术研发人员：戚远航，侯鹏，金荣森，罗育辉，王世豪，
申请(专利权)人：电子科技大学中山学院，
类型：发明
国别省市：广东;44