一种海上风电集电与输电系统联合拓扑优化方法与流程

文档序号:12887766阅读:631来源:国知局
一种海上风电集电与输电系统联合拓扑优化方法与流程

本发明涉及海上风电集电与输电系统联合拓扑优化,具体是一种海上风电集电系统、输电系统路径拓扑联合优化方法。



背景技术:

近年来,能源危机与全球变暖问题日益凸显,可再生能源尤其是风力发电技术得到迅速发展。集电系统、输电系统是海上风电场电气系统的重要组成部分,其拓扑结构的设计选取与海上升压站位置、海底电缆的路径和截面积密切相关。电气设备的投资成本在风电场的发电成本总占很大比重,所以针对海上升压站位置及海底电缆的路径优化设计拥有极大的现实意义。



技术实现要素:

本发明要解决的技术问题是提供一种海上风电集电系统、输电系统联合拓扑优化方法,该拓扑优化方法能够有效地优化出海上升压站的位置,以及经济成本最小的集电系统、输电系统拓扑结构。

为了实现上述发明目的,本文分为三部分:集电系统拓扑优化、输电系统拓扑优化、海上升压站位置优化,集电系统拓扑优化部分将prim算法进行改进,然后和遗传算法相结合,输电系统拓扑优化则采用网格化最优路径搜索算法,海上升压站位置优化则使用粒子群算法进行求解。

集电系统拓扑优化具体步骤如下:

步骤1-1:在风场和陆上集控中心的一片区域内随机生成m个海上升压站初始位置,针对一个海上升压站位置,在确立了风机数量和坐标位置,并加入一个集合中;

步骤1-2:令海上升压站位置为第一个元素,并寻找所有与第一个元素相连的n个权值最小的边;

步骤1-3:以此类推,用prim算法优化出其符合工程约束的拓扑结构;

步骤1-4:重复步骤1-2和1-3,生成n个符合工程约束的拓扑结构作为遗传算法的初始种群;

步骤1-5:对初始种群的拓扑结构按照边集进行编码;

步骤1-6:按照一定概率在初始种群中选择交叉种群(偶数个)进行交叉操作,产生符合工程约束的交叉后代;

步骤1-7:按照一定概率在初始种群中选择变异种群进行交叉操作,产生符合工程约束的变异后代;

步骤1-8:对初始种群、变异后代、交叉后代进行电海底缆长度计算,得到总成本,再按照总成本选出n个经济成本最小的个体,作为下一次迭代的初始种群;

步骤1-9:判断满足是否集电系统拓扑优化迭代结束条件,若符合,转到下一步,若不满足,则回到步骤1-6。

拓扑结构需符合工程约束主要有单条风机链上风机功率限制,海上升压站风机汇流母线出线条数及风机节点上游可接分支的数量限制。

交叉操作:在交叉种群中选择两个个体进行边集编码,然后将边集进行合并,利用prim算法寻找电缆总长度最短的拓扑结构,产生新的交叉后代。

变异操作:在变异种群中选择一个个体进行边集编码,随机选择一条未连接的边添加进入拓扑结构中,然后搜寻该边添加后所形成环的其他边集,随机寻找一条进行删除,形成新的变异后代。

输电系统拓扑优化采用网格化最优路径搜索算法进行优化,具体步骤如下:

步骤2-1:确立海上升压站和陆上集控中心位置;

步骤2-2:确立网格化尺度;

步骤2-3:搜索障碍物区域的网格;

步骤2-4:搜索高权重区域的网格;

步骤2-5:四个方向进行最短路径搜索;

步骤2-6:在上一步的最短路径结点集合中进行完全图的最短路径搜索。

网格化尺度的确定采用相对的网格尺寸分割,事先确定海上升压站和陆上疾控中心之间划分网格的数量,根据起点和终点的经纬度的差值和分割数算出网格的大小。

障碍物和高权重区域均有多边形表示,多边形由一个有序的坐标点数组给定,在输入数据的时候需要额外注意给定的多边形定点要以正确的顺序输入。

海上升压站优化采用粒子群算法进行优化,具体步骤如下:

步骤3-1:在海上风场和陆上集控中心之间选择一块区域,在区域内随机生成m个海上升压站位置。

步骤3-2:针对每一个海上升压站位置,首先运用集电系统拓扑优化程序计算出一个经济性最优的拓扑结构,在利用网格化最优路径搜索算法搜索输电系统的经济性最优路径,将其两者相加得到总成本,作为其适应度;

步骤3-3:计算完每个海上升压站位置的适应度后,运用粒子群算法寻找海上升压站经济性最优位置。

步骤3-4:判断是否满足迭代条件,若满足,则输出海上升压站位置及集电系统拓扑结构。若不满足,则重复步骤3-3。

附图说明

图1为集电系统拓扑优化流程图;

图2为遗传算法交叉操作流程图;

图3为遗传算法变异操作流程图;

图4为输电系统拓扑优化流程图;

图5为集电与输电系统联合优化流程图。

具体实施方式

为了实现上述发明目的,本文分为三部分:集电系统拓扑优化、输电系统拓扑优化、海上升压站位置优化,集电系统拓扑优化部分将prim算法进行改进,然后和遗传算法相结合,输电系统拓扑优化则采用网格化最优路径搜索算法,海上升压站位置优化则使用粒子群算法进行求解。

集电系统拓扑优化具体步骤如下:

步骤1-1:在风场和陆上集控中心的一片区域内随机生成m个海上升压站初始位置,针对一个海上升压站位置,在确立了风机数量和坐标位置,并加入一个集合中;

步骤1-2:令海上升压站位置为第一个元素,并寻找所有与第一个元素相连的n个权值最小的边;

步骤1-3:以此类推,用prim算法优化出其符合工程约束的拓扑结构;

步骤1-4:重复步骤1-2和1-3,生成n个符合工程约束的拓扑结构作为遗传算法的初始种群;

步骤1-5:对初始种群的拓扑结构按照边集进行编码;

步骤1-6:按照一定概率在初始种群中选择交叉种群(偶数个)进行交叉操作,产生符合工程约束的交叉后代;

步骤1-7:按照一定概率在初始种群中选择变异种群进行交叉操作,产生符合工程约束的变异后代;

步骤1-8:对初始种群、变异后代、交叉后代进行电海底缆长度计算,得到总成本,再按照总成本选出n个经济成本最小的个体,作为下一次迭代的初始种群;

步骤1-9:判断满足是否集电系统拓扑优化迭代结束条件,若符合,转到下一步,若不满足,则回到步骤1-6。

拓扑结构需符合工程约束主要有单条风机链上风机功率限制,海上升压站风机汇流母线出线条数及风机节点上游可接分支的数量限制。

交叉操作:在交叉种群中选择两个个体进行边集编码,然后将边集进行合并,利用prim算法寻找电缆总长度最短的拓扑结构,产生新的交叉后代,如图1所示。

变异操作:在变异种群中选择一个个体进行边集编码,随机选择一条未连接的边添加进入拓扑结构中,然后搜寻该边添加后所形成环的其他边集,随机寻找一条进行删除,形成新的变异后代,如图2所示。

输电系统拓扑优化采用网格化最优路径搜索算法进行优化,具体步骤如下:

步骤2-1:确立海上升压站和陆上集控中心位置;

步骤2-2:确立网格化尺度;

步骤2-3:搜索障碍物区域的网格;

步骤2-4:搜索高权重区域的网格;

步骤2-5:四个方向进行最短路径搜索;

步骤2-6:在上一步的最短路径结点集合中进行完全图的最短路径搜索。

网格化尺度的确定采用相对的网格尺寸分割,事先确定海上升压站和陆上疾控中心之间划分网格的数量,根据起点和终点的经纬度的差值和分割数算出网格的大小。

障碍物和高权重区域均有多边形表示,多边形由一个有序的坐标点数组给定,在输入数据的时候需要额外注意给定的多边形定点要以正确的顺序输入。

算法流程图如图4所示。

海上升压站优化采用粒子群算法进行优化,具体步骤如下:

步骤3-1:在海上风场和陆上集控中心之间选择一块区域,在区域内随机生成m个海上升压站位置。

步骤3-2:针对每一个海上升压站位置,首先运用集电系统拓扑优化程序计算出一个经济性最优的拓扑结构,在利用网格化最优路径搜索算法搜索输电系统的经济性最优路径,将其两者相加得到总成本,作为其适应度;

步骤3-3:计算完每个海上升压站位置的适应度后,运用粒子群算法寻找海上升压站经济性最优位置。

步骤3-4:判断是否满足迭代条件,若满足,则输出海上升压站位置及集电系统拓扑结构。若不满足,则重复步骤3-3;

算法流程图如图5所示。

本发明的优点:改进了原有prim算法寻优能力不强的特点,利用智能算法-遗传算法通过交叉、变异和选择操作,能得到拓扑路径更短的输出结果,此外,增加了海上升压站位置寻优,该组合算法寻优效率高,速度快。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1