大型風(fēng)電基地功率匯集系統(tǒng)拓撲結(jié)構(gòu)分層優(yōu)化設(shè)計及其優(yōu)化設(shè)計方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及大型風(fēng)電基地功率匯集系統(tǒng)拓撲結(jié)構(gòu)分層優(yōu)化設(shè)計及其優(yōu)化設(shè)計方 法，屬于電網(wǎng)劃技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 隨著對風(fēng)資源的大量開發(fā)利用以及風(fēng)力發(fā)電技術(shù)的發(fā)展，大規(guī)模集中式開發(fā)成為 目前風(fēng)力發(fā)電的主要形式。由于受到風(fēng)資源和負荷分布條件的限制，目前風(fēng)電基地距離負 荷中心較遠，大規(guī)模的風(fēng)電無法就地消納，因此大型風(fēng)電基地中的風(fēng)電場需要在內(nèi)部匯集 并升壓為不同電壓等級后并入公共電網(wǎng)，再輸送到負荷中心進行消納。而大型風(fēng)電基地包 含數(shù)量眾多的風(fēng)電場、不同電壓等級匯集站、匯集導(dǎo)線等，風(fēng)電場內(nèi)部則包含數(shù)量較多的風(fēng) 電機組、配套升壓變、不同電壓等級變電站、匯集電纜等。這些電氣設(shè)備之間的不同匯集方 式對整個功率匯集系統(tǒng)的經(jīng)濟性和可靠性都有較大影響，并最終影響整個風(fēng)電基地的投資 收益。
[0003] 目前對風(fēng)電場內(nèi)部功率匯集系統(tǒng)進行優(yōu)化設(shè)計的方法較多，而針對大型風(fēng)電基地 內(nèi)部風(fēng)電場之間功率匯集系統(tǒng)拓撲結(jié)構(gòu)優(yōu)化設(shè)計則較少。前者所采用的方法主要是建立功 率匯集系統(tǒng)的數(shù)學(xué)模型，然后運用智能優(yōu)化算法進行求解，但是這些方法往往只考慮了整 個功率匯集系統(tǒng)的經(jīng)濟性條件，并未涉及整個功率匯集系統(tǒng)拓撲結(jié)構(gòu)的可靠性;所采用的 優(yōu)化算法主要是遺傳算法，但是傳統(tǒng)遺傳算法是基于雙親繁殖方式，它在求解組合優(yōu)化問 題時會造成染色體基因的重復(fù)和缺失;針對該問題，有學(xué)者開始使用單親遺傳算法，但是簡 單單親遺傳算法則存在尋優(yōu)效率較低、早熟收斂的問題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明目的是針對現(xiàn)有技術(shù)的不足而提供的一種大型風(fēng)電基地功率匯集系統(tǒng)拓 撲結(jié)構(gòu)分層優(yōu)化設(shè)計及其優(yōu)化設(shè)計方法，其特點是以經(jīng)濟性為目標函數(shù)運用多精英協(xié)同進 化思想加快單親遺傳算法的尋優(yōu)效率，引入模擬退火算法的退火選擇機制，改善遺傳算法 的早熟收斂問題;對形成的拓撲結(jié)構(gòu)采用蒙特卡洛法進行可靠性分析得到可靠性指標，將 經(jīng)濟性和可靠性指標共同作為功率匯集系統(tǒng)拓撲結(jié)構(gòu)評估指標。采用大型風(fēng)電基地功率匯 集系統(tǒng)拓結(jié)構(gòu)分層優(yōu)化設(shè)計方法，可使得大型風(fēng)電基地功率匯集系統(tǒng)更加經(jīng)濟可靠。
[0005] 本發(fā)明的目的由以下技術(shù)措施實現(xiàn)：
[0006] 大型風(fēng)電基地功率匯集系統(tǒng)拓撲結(jié)構(gòu)分層優(yōu)化設(shè)計包括兩個方面:其一是大型風(fēng) 電基地的風(fēng)電場與匯集站以及不同電壓等級匯集站之間拓撲結(jié)構(gòu)優(yōu)化設(shè)計;其二是大型風(fēng) 電基地的風(fēng)電場內(nèi)部風(fēng)電機組之間以及風(fēng)電機組與變電站之間拓撲結(jié)構(gòu)優(yōu)化設(shè)計;所述大 型風(fēng)電基地包含多個不同電壓等級的匯集站，匯集站以下則匯集不同容量的風(fēng)電場，不同 電壓等級的匯集站通過匯集導(dǎo)線采用優(yōu)化設(shè)計出的拓撲結(jié)構(gòu)連接;所述風(fēng)電場內(nèi)部包含不 同電壓等級的變電站及數(shù)量眾多的風(fēng)電機組，風(fēng)電機組之間、風(fēng)電機組與變電站以及不同 電壓等級的變電站之間采用優(yōu)化設(shè)計出的拓撲結(jié)構(gòu)通過匯集電纜連接。
[0007] 大型風(fēng)電基地功率匯集系統(tǒng)拓撲結(jié)構(gòu)分層優(yōu)化設(shè)計方法包括以下步驟：
[0008] 1)采用改進的單親遺傳算法以經(jīng)濟性指標為目標函數(shù)進行拓撲結(jié)構(gòu)優(yōu)化設(shè)計，得 到經(jīng)濟性指標C total。
[0009] (1)建立大型風(fēng)電基地拓撲結(jié)構(gòu)優(yōu)化數(shù)學(xué)模型
[0010] a)風(fēng)電場內(nèi)部集電系統(tǒng)拓撲結(jié)構(gòu)優(yōu)化設(shè)計方法的數(shù)學(xué)模型為：
[0011] min(Ctotai) (1)
[0012] 其中Ctotai為風(fēng)電場內(nèi)部集電系統(tǒng)投資成本，計算公式為：
(2)
[0013]
[001 4]式中0)為風(fēng)電機組固定成本;CGT為風(fēng)電機組配套箱變成本;&ABLE為匯集導(dǎo)線成本； Cs為變電站成本;N為風(fēng)電場生命周期;r為利率;PR為利潤百分比;Cirw為風(fēng)電場集電系統(tǒng)必 要的投資。
[0015] 風(fēng)電機組配套箱變成本CGT可表示為：
[0016] Cgt = NtCt (3)
[0017] 式中Ντ為配套箱變數(shù)目，其中CT為配套箱變單價。
[0018] 由于每一段饋線上所連接風(fēng)電機組數(shù)目取決于該段導(dǎo)線所能傳輸?shù)淖畲笕萘浚?此每一段饋線上不同匯集處根據(jù)傳輸容量不同可以選擇不同截面類型導(dǎo)線，從而節(jié)約匯集 導(dǎo)線成本，Cgable可表不為：
[0019]
(4)
[0020]式中CCB(type)為第j條饋線第m段導(dǎo)線的造價;dm為導(dǎo)線長度;NF ai)為第j條饋線分 段數(shù)。
[0021 ]進一步可將經(jīng)濟性優(yōu)化問題表示為： 123456789 _ \ J~l
J _ 2 式中Ns為變電站或匯集站數(shù)目；NFi為第i座變電站或匯集站饋線數(shù)目；C(Fj,i)為第 i座變電站或匯集站第j段饋線成本;Csi為第i座變電站或匯集站成本。 3 b)風(fēng)電基地功率匯集系統(tǒng)拓撲結(jié)構(gòu)優(yōu)化設(shè)計數(shù)學(xué)模型:min(Ctcltai) 4 其中Ctotal為風(fēng)電基地功率匯集系統(tǒng)投資成本，可表示為： 5 Ctotal = Ci+C2 (6) 6 式中Ci為風(fēng)電基地匯集站投資成本，C2為匯集導(dǎo)線成本。 7 Ci可表示為： 8 Ci = N*P (7) 9 式中N為匯集站數(shù)目，P為單個匯集站成本。
[0031] C2可表不為：
[0032] C2 = pi*l (8)
[0033] 式中？1為匯集導(dǎo)線單位造價，1為匯集導(dǎo)線長度。
[0034]約束條件為：
(9)
[0035]
[0036]式中ILmSFu段饋線中第m小段正常運行時的電流，Irated(type)為該類型導(dǎo)線電 流的額定值;X為變電站、匯集站和風(fēng)電機組抽象點集合。
[0037] (2)確定風(fēng)電場內(nèi)部風(fēng)電機組、不同電壓等級變電站和不同電壓等級匯集站的地 理位置分布，確定遺傳算法的種群規(guī)模N、子種群數(shù)M、最大迭代次數(shù)iter、模擬退火算法初 始溫度T、溫度衰減率k。
[0038] (3)確定染色體編碼方法，針對風(fēng)電機組、升壓變電站和匯集站的實際地理位置分 布，可以對它們進行順序編號，故采用自然數(shù)編碼，其優(yōu)點是染色體基因與電氣設(shè)備序號為 一一對應(yīng)關(guān)系，在整個遺傳操作過程中不需要進行復(fù)雜的編碼和解碼操作，故而能提高整 個算法的尋優(yōu)效率。
[0039] (4)隨機產(chǎn)生種群規(guī)模為N的初始種群，染色體長度為電氣設(shè)備數(shù)目。
[0040] (5)確定單親遺傳算法適應(yīng)度函數(shù)：
[0041 ]
(.1.0)
[0042] (6)根據(jù)適應(yīng)度計算公式計算個體適應(yīng)度并將種群分為Μ個子種群，對每個子種群 單獨進行確定式采樣選擇操作，根據(jù)公式確定各個個體在下一代群體中的期 / i=l 望生存數(shù)目，其中6為個體適應(yīng)度，Ν為種群規(guī)模，計算可以確定出下一代種群中個 體數(shù)目，其中「1表示取整運算，對κ的小數(shù)部分進行降序排列，順序選取前個個 體進入下一代種群，由此可確定參與下一步遺傳操作的父代個體。
[0043] (7)為避免子種群內(nèi)最優(yōu)個體在交叉遺傳操作中被破壞，因此在進行交叉操作之 前分別保存每個子種群內(nèi)適應(yīng)度最優(yōu)個體l〇cal_best，然后對每個子種群內(nèi)父代個體進行 交叉操作，產(chǎn)生新一代臨時子種群，為避免算法"早熟"，陷入局部最優(yōu)解，將父代種群與臨 時種群采用模擬退火算法中的Meteopolis原則，以概率p接受子種群中的后代個體作為新 個體，并將最優(yōu)個體l〇cal_best替換后代個體中適應(yīng)度最差個體，進而產(chǎn)生新種群，在所有 子種群都完成更新操作后形成新一代種群，其中Meteopolis選擇操作為：
[0044]
[0045] 式中f(x'）為臨時種群中新個體適應(yīng)度，f(x)為父代個體適應(yīng)度，當新個體適應(yīng)度 大于且等于父代個體適應(yīng)度時，完全接受該個體，否則以概率接受該個體