[发明专利]风电场集电网络设计方法、系统、存储介质及计算设备

权利要求书

1.一种风电场集电网络设计方法，其特征在于：以三维风电模型作为研究场景，建立经济投资模型，充分考虑工程实际及地理限制因素，把风电场集电网络投资成本最小作为优化目标，对风电场风机使用多划分法，解决因样本划分方式不同造成集电线路设计的误差，并结合提出的一种混合算法，将风电场集电网络优化问题划分为升压站位置优化和集电线路优化这两个既相对独立、又互相影响的部分，对风电场升压站选址以及风电场集电线路进行协同优化，得到最优的升压站选址以及集电线路设计结果；其中，所述多划分法的使用为在种群位置确定时，使用不同的划分方式为聚类样本分组，解决在利用种群进行风电场升压站选址优化过程中，根据种群个体位置使用不同的划分方式出现的不同划分结果对集电线路设计造成影响，所述混合算法为粒子群算法和单亲遗传算法的结合，通过粒子群算法的种群搜索升压站的选址位置，利用单亲遗传算法优化以每一代种群的个体位置为中心的集电线路设计，得到当前种群个体的最佳集电线路设计结果，并应用这个结果结合已建立的经济投资模型，求解升压站的最佳位置，利用集电线路设计和升压站选址的不断相互优化，得到最佳的风电场集电网络设计方案；包括以下步骤：

1)建立风电场集电网络的经济投资模型；

所述经济投资模型包括以下内容：

a、升压站站内设备费用：由于升压站i的设备费用与升压站i本身的容量相关，而升压站i的容量取决于与升压站相连的风机的总容量，且要考虑升压站自身的折旧率及运行费用，升压站站内设备费用表述如式(1)所示：

其中，C_self为升压站站内设备费用，N为风电场新建升压站数量，S_i为升压站i的容量，f(S_i)为升压站i的站内设备投资费用；u(S_i)为新建升压站的运行费用，为折算系数，r₀为贴现率，t为折旧年限；

b、升压站坡度放置成本：升压站的位置选取受预选位置的坡度和这个位置与风机间的角度影响，升压站坡度放置成本的表述如式(2)所示：

其中，C_slope为升压站放置坡度成本，α_ij为与风机j连接的升压站i的坡度，β_ij为升压站i与风机j间的坡度，J_i为与升压站i连接的风机的集合；

c、升压站的位置选取会直接影响为升压站铺设进场道路的成本，升压站进场道路建设成本的表述如式(3)、(4)所示：

C_road＝c₂·R_i                                 (3)

其中，c₂为升压站道路建设单位平均成本，C_road为升压站进场道路建设成本，R_i为升压站i与风电场进场道路的距离；(x_j,y_j,z_j)为风机j的实际位置坐标，(x_r,min,y_r,min,z_r,min)为风电场进场道路与升压站的最短距离高程点坐标；

d、风电场集电线路成本：集电线路的成本由线路的连接方式决定，而且必须考虑集电线路的损耗及回收问题，风电场集电线路成本的表述如式(5)-(10)所示：

其中，C_total为集电线路的总耗费成本，C_cable为集电线路初始投资成本，C_sw为开关设备成本，C_P.loss为停电造成的线路损耗成本，C_ment为线路故障维修成本，C_o为线路运行成本，N为新建升压站数量，K为与升压站i连接的馈线数，即风机串数，N_ik为与升压站i连接的第k条馈线中输电线路的段数，c_ikr.type(θ)为与升压站i连接的馈线中第r段截面积为θ的线路的单位平均费用，L_ikr为与升压站i连接的第k条馈线中第r段线路的长度，N_si为风机簇i中开关设备的数目，c_s,r为第r个开关设备的费用，k_l,ikr、c_lm,ikr分别为与升压站i连接的第k条馈线中第r段线路的故障率、维修费用，k_l,ir、c_sm,ir分别为第i个风机簇中第r个开关设备的故障率、维修费用，c_p为风电上网电价，k_p为风电场停电概率，T_MTTR为风机平均恢复时间，P_j,rate为停运风机j的额定功率，T_equal为风机年利用小时数，T为年时长，即8760h，I_ikr、R_ikr分别为与升压站i连接的第k条馈线中第r段线路的流过的电流、电阻；

综上，风电场集电网络优化的目标函数数学表述如下：

Min：F＝C_total+C_self+C_slope+C_road                               (11)

约束条件为：

为避免升压站的选址出现在地形、坡度、洪水、地质这些地理条件不符合条件的区域或出现在林地保护区、环境敏感点、水源保护区、文物保护区这些保护区域，需要对上述区域进行区分，使选址结果不出现在上述区域，选址的修正如式(12)-(15)所示：

其中，(x_n,m+1,y_n,m+1)为第m+1代个体n的坐标，(x_R,n,m+1,y_R,n,m+1)为个体位置到禁止区域边界的最短距离的节点坐标，M为种群规模，(x_R,y_R)为风电场禁选区域的二维坐标集合，(x_min,y_min)为风电场范围的最小二维坐标，(x_max,y_max)为风电场范围的最大二维坐标；

集电线路的设计应尽可能最大化回路最大截面积的集电线所能承载的最大风机数，且不超过容量限制、风机间的布线互不交叉，其限制条件如式(16)所示：

其中，N_ikj为与升压站i连接的第k条馈线中的风机j数量，S_ikj为与升压站i连接的第k条馈线中的风机j的容量，S_ik.max为与升压站i连接的第k条馈线的最大限制容量，I_ikr、I_ikr.max(θ)分别为与升压站i连接的第k条馈线中第r段线路的流过的电流、最大额定电流，ΔU_ikr、ΔU_ikr.max分别为与升压站i连接的第k条馈线中第r段线路的电压降、最大允许电压降，L_r、L_s均为风电场中任意不同的两段输电线路，表示空集；

2)输入风电场中各个风机的三维坐标数据作为样本数据，利用风电场高程点坐标数据建立风电场升压站的搜索范围及禁选范围；

3)初始化利用粒子群算法优化风电场升压站选址的条件，包括粒子群算法的参数设置、种群位置及速度的初始化；

设置迭代次数Z，种群规模M，新建升压站个数N，风机的容量W_j、升压站放置平均单位坡度成本c₁、升压站道路建设单位平均成本c₂、速度权重系数d₁、d₂、d₃；

随机初始化第1代种群的个体位置，作为风电场集电线路设计过程的升压站位置：以风电场的所有风机作为聚类样本，根据风电场新建升压站个数，得到初始随机质心，形成初代种群位置，且种群中个体位置矢量的描述为：

其中，为第m代种群中个体n的位置，n为种群中个体的序号，m为种群的代数，(x_N,n,m,y_N,n,m)为第m代种群中个体n的第N维坐标，M为种群规模；

令m＝1，即可随机初始化第1代种群的个体位置和速度；

4)结合当前种群位置以及风电场的高程点坐标数据，得到种群所有个体的实际三维坐标；

5)利用当前种群的个体位置，结合单亲遗传算法进行集电线路的优化设计，计算集电线路成本，得出当前种群个体位置下的最佳集电线路成本和最佳集电线路设计结果；

所述集电线路设计具体流程如下：

5.1)根据第m代种群中个体n的位置以风电场风机作为聚类样本分别进行方式①：欧几里德距离和方式②：余弦相似度这两种方式的划分；这两种方式划分得到的N个风机簇分别为：

X_d＝(X_d,1,X_d,2,…,X_d,i,…,X_d,N)，X_c＝(X_c,1,X_c,2,…,X_c,i,…,X_c,N)

其中，X_d为以方式①划分的样本分组，X_d,i为以方式①划分的样本的第i个风机簇，X_c为以方式②划分的样本分组，X_c,i为以方式②划分的样本的第i个风机簇；

5.2)以第m代种群中个体n的第i个升压站的位置(x_i,n,m,y_i,n,m)为聚类中心，X_d,i和X_c,i分别作为样本，i＝1,2,…,N，划分X_d,i和X_c,i中的风机为K组，得到各簇中的风机分组X_d,i,k和X_c,i,k，k＝1,2,…K，即与升压站i连接的馈线有K条；其中，为使风机按线性结构聚集，从而保证各组风机之间不会出现交叉的输电线路，本步骤中风机的区域划分需实现扇形的效果，形成一串串的风机分布，d_ikj的表示方式如下所示：

d_ikj＝|D_ik|sina_ikj                             (17)

其中，d_ikj为垂直平分距离，j为风机序号，D_ik为风机j与变电站i和第k个聚类中心连线线段的垂直距离，a_ikj为风机j与变电站i和第k个聚类中心连线线段的夹角，当a_ikj≥90°时，d_ikj＝∞，d_min为距离阈值；

如式(18)所示，当X_d,i或X_c,i中的风机j与升压站i和类心k的垂直平分距离d_ikj小于距离阈值d_min时则归为第k串风机；

5.3)结合步骤5.2)得到的每一个风机簇内的风机串分组情况X_d,i,k和X_c,i,k，在每一个风机簇内对每一组风机串进行编号，利用单亲遗传算法对所有风机簇内的集电线路进行规划设计；

5.4)结合步骤5.3)，比较两种风机簇X_d和X_c的最佳集电线路成本，得到当前升压站位置下的最优集电线路成本和集电线路设计结果；

6)结合步骤5)中的集电线路设计结果，将代入各个风机的坐标位置和种群个体位置，计算种群中每个个体的适应度值，并确定当前全局最佳个体位置，最佳集电线路设计结果以及全局最佳适应度值；

利用步骤5)中得到的当前种群位置下的风电场集电线路最佳设计成本F_l,best，代入种群位置矢量结合公式(1)-(4)、(11)进行计算，获得第m代种群中每个个体n的适应度值F_n,m，其中n＝1,2,…,M，M为种群规模，并将F_n,m与该个体之前的局部最佳适应度值F_n,best进行比较，将其中更小的适应度值和对应位置及该位置的最佳集电线路设计结果，分别作为新的个体最佳适应度值F_n,best和个体最佳位置p_n,best及个体最佳位置对应的最佳集电线路设计结果A_n,best；然后将新的个体最佳适应度值F_n,best与整个种群之前的全局最佳适应度值F_g,best进行比较，将其中更大的适应度值和对应位置，分别作为整个种群新的全局最佳适应度值F_g,best和个体最佳位置p_g,best及最佳集电线路设计结果A_g,best；

7)更新粒子群算法中的当前种群所有个体的速度和位置；

8)结合步骤2)所设定的风电场升压站搜索范围及禁选范围，修正步骤7)得到的新种群中所有个体的位置；

对步骤7)中所获得新种群中所有个体的坐标位置进行校验，判断更新后的每一个体的所有维度位置是否出现在禁止区域，按照式(12)-(15)修正个体的位置，从而形成第m+1代种群；

9)若迭代代数小于设定的迭代次数，则重复步骤4)-8)；若迭代代数等于设定的迭代次数，则终止迭代，将当前全局最佳升压站位置及最佳集电线路设计方式作为风电场集电网络的设计方案；

如果迭代代数m小于设定的迭代次数Z，则令m＝m+1，并且重复步骤4)-8)；如果迭代代数m等于设定的迭代次数Z，则迭代终止，并将当前全局最佳位置及全局最佳集电线路设计结果A_g,best作为升压站的选址结果和集电线路设计结果，并将当前升压站选址结果及集电线路设计结果作为风电场集电网络设计最佳方案：

其中，为全局最佳个体位置，(x_N,gbest,y_N,gbest,z_N,gbest)为全局最佳个体位置的第N维的三维坐标，A_g,best为风电场中各串风机最佳连接方式，A_i,k,g,best为与升压站i连接的第k条馈线上的风机最佳连接方式。