海上风电场电缆及变电站的布局方法、系统、设备及介质

摘要

本发明公开了一种海上风电场电缆及变电站的布局方法、系统、设备及介质，方法包括：S1、初始化外层MPSO中各个外层粒子的位置信息；S2、基于所有风机的位置信息、外层粒子的位置信息中的变电站的位置信息提取分区特征变量；S3、对所有风机进行分区；S4、分别使用内层MPSO对每个分区内的风机求解电缆成本最优的电缆连接结构；计算所有分区的最优成本之和，得到最优总成本；S5、判断外层MPSO是否满足结束条件，若否进入外层MPSO的下一次迭代过程，执行步骤S2；若是则执行步骤S6；S6、从所有的最优总成本中选择成本最优的作为最终总成本并输出。本发明能在满足最大电缆载流量的约束下对风场进行分区，解决了风机智能分组与海底电缆拓扑优化的共同优化问题。

说明书

技术领域

本发明涉及海上风电场设计技术领域，特别涉及一种海上风电场电缆及变电站的布局方法、系统、设备及介质。

背景技术

风力发电是当前世界上发展最快的绿色能源技术之一，而海上风电场由于其较高的风能资源密度、低湍流强度、对环境及居民影响低等特点成为近年来风电发展的重点。

考虑到海上电缆容量(也称为载流量)的限制，电缆所能承受风机的最大数目是有限的。传统的启发式算法以贪心算法为基础，将电缆拓扑连接优化问题进行分步寻优，该优化方式能够保证局部电缆长度最优解，但是无法从全局上考虑电缆载流量的限制。启发式算法如基于最小生成树或者差旅问题的算法可以寻求最短路径连接，但是无法考虑电缆类型差别带来的成本差异。

另外，为了满足设计需求，增快求解速度，可以先对整体风电场进行分区化处理。目前的技术一般依靠聚类算法(K-means(K均值聚类算法)或者FCM(模糊C均值聚类算法))，以风机间相对位置或者风机相对海上变电站的角度作为输入进行聚类。虽然此方法可以指定划分的总体区域数目，但是无法对每个区域内的风机个数进行指定，也就是分区后的每个区域中的风机数量是不均衡的；还有，也无法保证每次聚类结果的稳定性，也即分区的结果具有非唯一性。基于这样的分区结果，现有技术无法考虑电缆容量限制的影响。而对于大容量(一般指5MW(兆瓦)以上)、多数目(一般指大于80台)风机组成的风场，分区后结果可能无法满足电缆载流量的限制，因而出现非可行设计方案的产生。

此外，在海上风电场的电气设计过程中，通常对电缆线路和海上变电站的位置进行分步优化，这样能够将问题简化，降低优化难度。但是在各个优化过程中得到的最优的结合并不能保证整体问题的最优。

发明内容

本发明要解决的技术问题是为了克服现有技术中海上风电场电缆的布局方法存在风机分区后的结果可能无法满足电缆载流量的限制，因而出现非可行设计方案的缺陷，提供一种能在满足最大电缆载流量的约束下对风场进行分区并实现工程化设计的目标的海上风电场电缆及变电站的布局方法、系统、设备及介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明第一方面提供了一种海上风电场电缆及变电站的布局方法，包括以下步骤：

S

S

S

S

S

S

较佳地，步骤S

根据所述电缆载流量的限制确定所有所述风机的分组数量和/或每组内风机的数目；

基于所述分区特征变量、所述风机的分组数量和/或所述每组内风机的数目对所有所述风机进行分区。

较佳地，所述布局方法还包括以下步骤：

获取所有所述风机的位置信息和容量信息；

从电缆电气参数数据库中获取所述电缆载流量；

步骤S

较佳地，所述位置信息包括坐标信息；

所述分区特征变量还包括所述风机之间的相对位置；

所述分区结果还包括每个所述分区内包括的风机的编号。

较佳地，所述根据所述电缆载流量的限制确定所有所述风机的分组数量和/或每组内风机的数目的步骤为：

由人工根据所述电缆载流量的限制确定所有所述风机的分组数量和/或每组内风机的数目。

较佳地，所述风机电缆路径包括所述风机对应的电缆连接方式和电缆截面积。

较佳地，步骤S

设置内层MPSO的最大迭代次数；

初始化内层MPSO中各个内层粒子的位置信息中的每个风机对应的电缆连接方式、每个风机对应的电缆截面积，生成对应的连接矩阵；

根据电缆成本信息和电气载流量表，并基于所述连接矩阵生成对应的成本信息矩阵；

基于所述成本信息矩阵，并经所述最大迭代次数迭代后求解出电缆成本最优的电缆连接结构；

其中，所述电气载流量表包括不同电缆截面积对应的所述电缆载流量；所述连接矩阵包括每个电缆连接支路对应的长度；所述成本信息矩阵包括每个电缆连接支路对应的电缆类型的单位电阻及价格和所承载的风机数量。

本发明第二方面提供了一种海上风电场电缆及变电站的布局系统，包括初始化模块、提取模块、分区模块、计算模块、判断模块和输出模块；

所述初始化模块用于初始化外层MPSO中各个外层粒子的位置信息和相应的速度参数；每个所述外层粒子对应的优化变量包括所述变电站的位置信息；

所述提取模块用于基于所述海上风电场内所有风机的位置信息、初始化后所述外层粒子的位置信息中的所述变电站的位置信息提取分区特征变量，所述分区特征变量包括每个所述风机相对于所述变电站的角度；

所述分区模块用于基于所述分区特征变量以及电缆载流量对所有所述风机进行分区，以得到分区结果，所述分区结果包括若干分区；

所述计算模块包括内层处理单元和计算单元；所述内层处理单元用于分别使用内层MPSO对每个所述分区内的风机求解电缆成本最优的电缆连接结构，每个所述电缆成本最优的电缆连接结构包括所述成本最优的风机电缆路径及最优成本；所述计算单元用于计算所有所述分区的所述最优成本之和，得到最优总成本；

所述判断模块用于判断所述外层MPSO是否满足结束条件，若是则调用输出模块；若否则进入所述外层MPSO的下一次迭代过程，以得到更新后的所述变电站的位置信息，调用所述提取模块；

所述输出模块用于从所有的所述最优总成本中选择成本最优的作为最终总成本，输出所述最终总成本对应的所述变电站的位置信息、对应的每个分区内的风机的电缆路径和所述最终总成本。

较佳地，所述分区模块包括确定单元和分区单元；

所述确定单元用于根据所述电缆载流量的限制确定所有所述风机的分组数量和/或每组内风机的数目；

所述分区单元用于基于所述分区特征变量、所述风机的分组数量和/或所述每组内风机的数目对所有所述风机进行分区。

较佳地，所述布局系统还包括风机信息获取模块和电缆信息获取模块；

所述风机信息获取模块用于获取所有所述风机的位置信息和容量信息；

所述电缆信息获取模块用于从电缆电气参数数据库中获取所述电缆载流量；

分区模块用于基于所述分区特征变量、所述电缆载流量以及所述容量信息对所有所述风机进行分区，以得到分区结果。

较佳地，所述位置信息包括坐标信息；

所述分区特征变量还包括所述风机之间的相对位置；

所述分区结果还包括每个所述分区内包括的风机的编号。

较佳地，所述确定单元用于获取所有所述风机的分组数量和/或每组内风机的数目，所有所述风机的分组数量和/或每组内风机的数目由人工根据所述电缆载流量的限制确定。

较佳地，所述风机电缆路径包括所述风机对应的电缆连接方式和电缆截面积。

较佳地，所述内层处理单元包括：

设置子单元，用于设置内层MPSO的最大迭代次数；

初始化子单元，用于初始化内层MPSO中各个内层粒子的位置信息中的每个风机对应的电缆连接方式、每个风机对应的电缆截面积，生成对应的连接矩阵；

第一处理子单元，用于根据电缆成本信息和电气载流量表，并基于所述连接矩阵生成对应的成本信息矩阵；

第二处理子单元，用于基于所述成本信息矩阵，并经所述最大迭代次数迭代后求解出电缆成本最优的电缆连接结构；

其中，所述电气载流量表包括不同电缆截面积对应的所述电缆载流量；所述连接矩阵包括每个电缆连接支路对应的长度；所述成本信息矩阵包括每个电缆连接支路对应的电缆类型的单位电阻及价格和所承载的风机数量。

本发明第三方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的海上风电场电缆及变电站的布局方法。

本发明第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的海上风电场电缆及变电站的布局方法的步骤。

本发明的积极进步效果在于：本发明提出一种类似于扫描的方式的海上风电场集电系统电缆连接设计方案，能在满足最大电缆载流量的约束下对风场进行分区并可人工指定每个区域内风机的个数，实现工程化设计的目标。本发明从工程实际要求出发，推出可根据现有电缆最大载流量将海上风电场内风机进行分组的算法，结合元启发式智能算法进行寻优，顺利解决了风机智能分组与海底电缆拓扑优化的共同优化问题。本发明对电缆路径和海上变电站位置进行整体优化，避免了因分步优化导致的无法得到最优成本的问题。

附图说明

图1为本发明实施例1的海上风电场电缆及变电站的布局方法的流程图。

图2为本发明实施例1中步骤106的流程图。

图3a为经由FCM算法对风电场80台风机分区的结果的示意图。

图3b为经由本发明实施例1中的步骤105的方式对风电场80台风机分区的结果的示意图。

图3c为经由本发明实施例1的海上风电场电缆及变电站的布局方法得出的最优布局的示意图。

图4为本发明实施例2的海上风电场电缆及变电站的布局系统的模块示意图。

图5为本发明实施例2中分区模块的结构示意图。

图6为本发明实施例2中计算模块的结构示意图。

图7为本发明实施例2中内层处理单元的结构示意图。

图8为本发明实施例3的电子设备的结构示意图。

具体实施方式

下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。

实施例1

本实施例提供了一种海上风电场电缆及变电站的布局方法，包括以下步骤：

步骤101、获取海上风电场内所有风机的位置信息和容量信息。

步骤102、从电缆电气参数数据库中获取电缆载流量。

步骤103、初始化外层MPSO中各个外层粒子的位置信息和相应的速度参数。

其中，每个外层粒子对应的优化变量包括变电站的位置信息，位置信息具体包括坐标信息。

本实施例中，确定优化变量个数为2个，即变电站的x,y坐标。将外层MPSO的学习因子c1和c2设定为2，确定种群大小及迭代次数。确定各个变量的边界条件，即可更新的取值范围，确定粒子的最大速度。根据MPSO原理随机产生所有粒子(变电站x,y坐标)的初始解(粒子位置)及更新步长(粒子速度)。

步骤104、基于海上风电场内所有风机的位置信息、初始化后外层粒子的位置信息中的变电站的位置信息提取分区特征变量。

其中，分区特征变量包括每个风机相对于变电站的角度和风机之间的相对位置。

本实施例中，根据给定的风机坐标及随机生成的变电站位置计算各个结点相对的距离矩阵，即比邻矩阵。

步骤105、基于分区特征变量、电缆载流量以及容量信息对所有风机进行分区，以得到分区结果。

具体为，先根据电缆载流量的限制确定所有风机的分组数量和每组内风机的数目；然后再基于分区特征变量、风机的分组数量和每组内风机的数目对所有风机进行分区。其中，先根据电缆载流量的限制确定所有风机的分组数量和每组内风机的数目可以由人工确定，也可以采用现有的机器学习算法确定；本实施例中根据电缆载流量的限制人为设置风机分组数量及每组内风机数目。分区结果包括若干分区和每个分区内包括的风机的编号。

本实施例中，计算各个风机与随机生成的变电站的相对角度。启动扫描法，根据电缆的载流量，确定需要划分的最小分区的个数N_z，以此为限制条件，也可以人工输入想要分区的个数。随后人工确定每个区域内风机的个数，然后进入分区循环。

步骤106、分别使用内层MPSO对每个分区内的风机求解电缆成本最优的电缆连接结构，每个电缆成本最优的电缆连接结构包括成本最优的风机电缆路径及最优成本；计算所有分区的最优成本之和，得到最优总成本。

其中，风机电缆路径包括风机对应的电缆连接方式和电缆截面积。

步骤107、判断外层MPSO是否满足结束条件，若是则执行步骤108，若否则进入外层MPSO的下一次迭代过程，以得到更新后的变电站的位置信息，然后再返回执行步骤104。

步骤108、从所有的最优总成本中选择成本最优的作为最终总成本，输出最终总成本对应的变电站的位置信息、对应的每个分区内的风机的电缆路径和最终总成本。

如图2所示，本实施例中，步骤106中使用内层MPSO对每个分区内的风机求解电缆成本最优的电缆连接结构具体包括以下步骤：

步骤1061、设置内层MPSO的最大迭代次数。

步骤1062、初始化内层MPSO中各个内层粒子的位置信息中的每个风机对应的电缆连接方式、每个风机对应的电缆截面积，生成对应的连接矩阵。

步骤1063、根据电缆成本信息和电气载流量表，并基于连接矩阵生成对应的成本信息矩阵。

步骤1064、基于成本信息矩阵，并经最大迭代次数迭代后求解出电缆成本最优的电缆连接结构。

其中，电气载流量表包括不同电缆截面积对应的电缆载流量；连接矩阵包括每个电缆连接支路对应的长度；成本信息矩阵包括每个电缆连接支路对应的电缆类型的单位电阻及价格和所承载的风机数量。

本实施例中，在分好的区内启动内层MPSO初始化，具体根据区内风机个数(N_w,i；i属于(1，N_z))确定优化变量个数为2*N_w,i个，其中N_w,i个代表电缆连接的方式，N_w,i个是电缆截面积的选择。内层MPSO的学习因子c1和c2设定为2，确定种群大小及迭代次数。确定各个变量的边界条件，确定粒子的最大速度。对应区内的风机，根据MPSO原理随机产生部分粒子(电缆连接方式和截面积)的初始解(粒子位置)及更新步长(粒子速度)。计算每个粒子对应的适应度值(fitness value)；设定每个粒子的当前位置为其个体极值位置Pi，取全局极值位置Pg为当前群体最优适应值对应的位置；计算每个粒子更新位置后的适应度值：如果粒子i的适应值优于此前个体极值位置Pi对应的适应值，则将其位置赋值给Pi；如果当前极值位置Pi的适应值优于此前全局极值位置Pg的适应值，则将其位置赋值给Pg；进入下一次迭代过程，直到达到预设最大迭代次数k；粒子解码并输出结果：Pg即为最优解，对其解码可得重构优化后的电缆及变电站的布局方案，最优目标函数值为fitness(Pg)。

需要说明的是，本实施例中，步骤101和步骤102的顺序仅是一种示例，在其他可选实现方式中二者顺序可以互换，也可以位于步骤103之后，只要在使用位置信息和容量信息以及电缆载流量之前获取到即可。

为了验证本实施例提供的海上风电场电缆及变电站的布局方法的技术效果，选取一个小规模风电场作为案例进行分析。该风电场由80台Vestas(维斯塔斯)-2.0兆瓦风机组成，场内中压电缆电压等级35kV(千伏)，场内所有风机产生能量由中压电缆汇集到海上升压站经由800mm

按FCM和本实施例提供的方案进行分区聚类得到结果对比如图3a和3b所示。对比图3a和图3b可知两种方法在同样分6区的情况下，FCM的分区结果中各区包括的风机数量分别为24、18、9、9、10、10，而本实施例中步骤105的方式分区结果中各区包括的风机数量分别为14、14、14、14、14、10。由此可见，现有方法的分区方式在电缆载流量一定的情况下无法找到与之匹配的电缆类型，具体为风机数量为24和18的两个区无可行解产生。由本实施例提供的海上风电场电缆及变电站的布局方法求得的优化结果如图3c所示。

本实施例提供的海上风电场电缆及变电站的布局方法解决了因采用人工经验难于求得最优成本的难题；避免对于商业求解器的依赖，及其大量的计算成本，能够在短时间内对大型海上风电场电气设计进行优化。

本实施例提供的海上风电场电缆及变电站的布局方法利用自适应算法动态调整粒子群算法参数，提高算法的稳定性和搜索全局最优解的能力；对电气路径和海上变电站位置进行整体优化，避免了因分步优化导致的无法得到最优成本。

本实施例提出一种类似于扫描的方式的海上风电场集电系统电缆连接设计方案，能在满足最大电缆载流量的约束下对风场进行分区并可人工指定每个区域内风机的个数，实现工程化设计的目标。本实施例从工程实际要求出发，推出可根据现有电缆最大载流量将海上风电场内风机进行分组的算法，结合元启发式智能算法进行寻优，顺利解决了风机智能分组与海底电缆拓扑优化的共同优化问题。

实施例2

如图4所示，本实施例提供了一种海上风电场电缆及变电站的布局系统，包括：风机信息获取模块1、电缆信息获取模块2、初始化模块3、提取模块4、分区模块5、计算模块6、判断模块7和输出模块8。

其中，风机信息获取模块1用于获取所有风机的位置信息和容量信息；电缆信息获取模块2用于从电缆电气参数数据库中获取电缆载流量。

初始化模块3用于初始化外层MPSO中各个外层粒子的位置信息和相应的速度参数；每个外层粒子对应的优化变量包括变电站的位置信息；位置信息包括坐标信息。

提取模块4用于基于海上风电场内所有风机的位置信息、初始化后外层粒子的位置信息中的变电站的位置信息提取分区特征变量，分区特征变量包括每个风机相对于变电站的角度和风机之间的相对位置。

分区模块5用于基于分区特征变量、电缆载流量以及容量信息对所有风机进行分区，以得到分区结果。分区结果包括若干分区和每个分区内包括的风机的编号。

如图5所示，本实施例中分区模块5包括确定单元501和分区单元502。其中，确定单元501用于根据电缆载流量的限制确定所有风机的分组数量和/或每组内风机的数目；分区单元502用于基于分区特征变量、风机的分组数量和/或每组内风机的数目对所有风机进行分区。其中，确定单元501用于获取所有风机的分组数量和/或每组内风机的数目，所有风机的分组数量和/或每组内风机的数目可以采用机器学习算法确定，也可以由人工根据电缆载流量的限制确定；本实施例中采用人工确定。

如图6所示，计算模块6包括内层处理单元601和计算单元602；内层处理单元601用于分别使用内层MPSO对每个分区内的风机求解电缆成本最优的电缆连接结构，每个电缆成本最优的电缆连接结构包括成本最优的风机电缆路径及最优成本；计算单元602用于计算所有分区的最优成本之和，得到最优总成本；风机电缆路径包括风机对应的电缆连接方式和电缆截面积。

判断模块7用于判断外层MPSO是否满足结束条件，若是则调用输出模块8，若否则进入外层MPSO的下一次迭代过程，以得到更新后的变电站的位置信息，调用提取模块4。

输出模块8用于从所有的最优总成本中选择成本最优的作为最终总成本，输出最终总成本对应的变电站的位置信息、对应的每个分区内的风机的电缆路径和最终总成本。

如图7所示，本实施例中，内层处理单元601包括设置子单元6011、初始化子单元6012、第一处理子单元6013和第二处理子单元6014。其中，设置子单元6011用于设置内层MPSO的最大迭代次数。初始化子单元6012用于初始化内层MPSO中各个内层粒子的位置信息中的每个风机对应的电缆连接方式、每个风机对应的电缆截面积，生成对应的连接矩阵。第一处理子单元6013用于根据电缆成本信息和电气载流量表，并基于连接矩阵生成对应的成本信息矩阵。第二处理子单元6014用于基于成本信息矩阵，并经最大迭代次数迭代后求解出电缆成本最优的电缆连接结构。其中，电气载流量表包括不同电缆截面积对应的电缆载流量；连接矩阵包括每个电缆连接支路对应的长度；成本信息矩阵包括每个电缆连接支路对应的电缆类型的单位电阻及价格和所承载的风机数量。

本实施例提供的海上风电场电缆及变电站的布局系统解决了因采用人工经验难于求得最优成本的难题；避免对于商业求解器的依赖，及其大量的计算成本，能够在短时间内对大型海上风电场电气设计进行优化。

本实施例提供的海上风电场电缆及变电站的布局系统利用自适应算法动态调整粒子群算法参数，提高算法的稳定性和搜索全局最优解的能力；对电气路径和海上变电站位置进行整体优化，避免了因分步优化导致的无法得到最优成本。

本实施例提出一种类似于扫描的方式的海上风电场集电系统电缆连接设计方案，能在满足最大电缆载流量的约束下对风场进行分区并可人工指定每个区域内风机的个数，实现工程化设计的目标。本实施例从工程实际要求出发，推出可根据现有电缆最大载流量将海上风电场内风机进行分组的算法，结合元启发式智能算法进行寻优，顺利解决了风机智能分组与海底电缆拓扑优化的共同优化问题。

实施例3

图8为本发明实施例3提供的一种电子设备的结构示意图。电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行所述程序时实现实施例1中海上风电场电缆及变电站的布局方法。图8显示的电子设备60仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图8所示，电子设备60可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备60的组件可以包括但不限于：上述至少一个处理器61、上述至少一个存储器62、连接不同系统组件(包括存储器62和处理器61)的总线63。

总线63包括数据总线、地址总线和控制总线。

存储器62可以包括易失性存储器，例如随机存取存储器(RAM)621和/或高速缓存存储器622，还可以进一步包括只读存储器(ROM)623。

存储器62还可以包括具有一组(至少一个)程序模块624的程序/实用工具625，这样的程序模块624包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

处理器61通过运行存储在存储器62中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1中海上风电场电缆及变电站的布局方法。

电子设备60也可以与一个或多个外部设备64(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口65进行。并且，模型生成的设备60还可以通过网络适配器66与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器66通过总线63与模型生成的设备60的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的设备60使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。

应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。

实施例4

本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现实施例1中海上风电场电缆及变电站的布局方法的步骤。

其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。

在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1中海上风电场电缆及变电站的布局方法的步骤。

其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。