[发明专利]多风电场接入系统的汇集站选址和外送容量规划方法

说明书

本发明公开了一种多风电场接入系统的汇集站选址和外送容量规划方法，该方法包括以下步骤：获得待接入风电场的参数和风电场可接入节点的位置；用DBSCAN聚类算法对风电场中的风机按照位置进行划分，获得可能的风电场群和直接接入的风电场；以总成本与总收益之差最低为规划模型的目标函数，并构建模型的约束条件；采用分段粒子群算法对不同划分方式下风电场接入方案进行优化，获得最优的汇集站选址和外送容量结果。本发明采用两步式算法，减少了随机划分可能产生的较差方案，简化了规划模型并加快了优化进程；规划模型协调了汇集站选址和外送容量与建设成本之间的关系，从整体上实现经济最优，为多风电场接入系统的宏观布局和容量规划提供了依据。

技术领域

本发明涉及风电场接入系统规划领域，特别是一种多风电场接入系统的汇集站选址和外送容量规划方法。

背景技术

风电装机容量的迅速提高造成了高比例弃风、风电难以消纳等问题，对风电场接入系统的容量进行规划是实现风电有效利用的关键步骤。目前，大部分风电场接入系统规划方面的工作都将风电场装机容量作为规划接入容量，没有考虑风电场出力的随机波动性以及风电可利用小时数低的问题。同时，风电场送出线路若按照装机容量规划建设，线路将长期处于轻载状态，使设备的利用率下降。大型风电场一般远离负荷中心较远，距离较近的风电场通常经过汇集变电站集群后接入电网。对于风电场接入系统的方式，目前的研究较少。

一些学者对风电场接入系统的宏观布局进行了研究，文献《汇集站和集群中心站分级协调的风场群接入系统优化规划》将风电场接入系统的规划问题划分为并网点选择，线路容量规划以及升压站选址三个子问题，设计双层规划模型，并通过遗传算法求解，求解过程中随机生成分组方案，产生了许多无效方案，使算法求解低效。文献《风电集群接入系统规划的混合整数线性模型》采用混合整数线性模型求解规划问题，在汇集站数量不确定时，汇集站选址过程将变得复杂，且计算量较大。

发明内容

本发明的目的在于提供一种简化且高效的多风电场接入系统的汇集站选址和外送容量规划方法，引入DBSCAN算法首先对风电场进行划分，再对不同的分组情况进行寻优，简化了规划模型，同时提高了计算效率。

实现本发明目的的技术解决方案为：一种多风电场接入系统的汇集站选址和外送容量规划方法，包括以下步骤：

步骤1，获得待接入风电场的参数和风电场可接入节点的位置；

步骤2，用DBSCAN聚类算法对风电场中的风机按照位置进行划分，获得可能的风电场群和直接接入的风电场；

步骤3，以总成本与总收益之差最低为规划模型的目标函数，并构建模型的约束条件；

步骤4，采用分段粒子群算法对不同划分方式下风电场接入方案进行优化，获得最优的汇集站选址和外送容量结果。

进一步地，步骤1所述待接入风电场的参数包括待接入风电场的个数、各风电场中风机的位置坐标、各风电场装机容量和年出力数据，风电场可接入节点的位置为风电场并网区域待选节点的位置坐标。

进一步地，步骤2所述用DBSCAN聚类算法对风电场进行划分，获得可能的风电场群和直接接入的风电场，具体为：在DBSCAN聚类算法中输入所有风机的位置，计算所有风机之间的距离，设置DBSCAN算法中的距离阈值∈，邻域样本数阈值MinPts，由DBSCAN算法得出风机聚类的结果。

进一步地，步骤3所述规划模型的目标函数，具体为：min f＝C-B；

其中，总成本C为：C＝C_T+C_L

总收益B为：B＝(B_s-B_q)[(1+r)^T-1]/[r(1+r)^T]