基于能值分析的光伏电站选址方法

为合理指导光伏电站的有序规划及可持续开发,提出一种以能值分析为基础的光伏电站选址及生态经济收益评估方法.通过能值分析与地理信息系统(GIS)空间分析相结合,对内蒙古12个盟市地区光伏发电可利用土地生态经济收益情况做出分析.分析结果表明:呼和浩特、包头等内蒙古中西部城镇密集地区体现出更为优异的可开发价值,而经过对比发现由输电距离所导致的输电损失占据了各项能值投入中的决定性比重;此外,对于绝大部分可利用地块而言,与城镇或建成环境越近,其生态经济收益也相对越高,而在能源结构转型的过程中,光伏土地占用与不断扩张的城市建设用地需求,或将成为未来城市规划与光伏能源规划所面临的首要矛盾.

永兴岛温差能评估及电站选址分析

基于NOAA WOA 2018数据集数据,用Nihous方法评估2005—2017年南海、西沙群岛海域以及1955—2017年永兴岛海域温差能资源储量,分析温差能资源的时空变化特点。为符合永兴岛温差能电站选址要求,对永兴岛周边海域温差能资源分布和水深条件进行更具体的分析,选出8个温差能发电潜在站址,再结合温差能净功率、离岸距离及水深等因素,找出相对更适宜的4个站址,并对这些站址温差能发电的净功率年际变化加以分析。

基于自然资源的沿海及高原地区光伏电站选址

近年来随着光伏发电的快速发展,可利用土地资源日益减少。为了更合理地利用沿海及高原地区的太阳能资源,提出基于地理信息系统(GIS)的综合考虑太阳辐射、土地类型、海拔、地表温度、坡度及坡向等自然资源的光伏电站选址方法。通过该方法实现对沿海及高原地区太阳能资源的高效利用及空间、属性数据的管理,为这些地区太阳能资源的开发和利用提供指导。

基于混合遗传算法的变电站选址定容

针对变电站优化规划这种大规模组合优化问题,提出了一种结合遗传算法与交替定位分配算法的混合遗传算法(GA-LA)。该算法采用新型的三维编码策略,同时包含新建站的数量、站址和站容信息,并设计了适用于此新型编码的交叉算子和变异算子,以实现站址、站容的优化。其中, 针对站址优化子问题,GA-LA算法将交替定位分配算法与遗传算法结合,在标准GA算子之后增加了一个LA算子,由GA算子进行种群中的全局广度搜索,LA算子进行染色体中的站址局部深度搜索,可实现无待选站址的自动寻优。算例结果表明,该方法具有较好的站址站容寻优能力和收敛性能,能满足实际电网中大规模变电站规划的需求。

GIS与模糊模式识别理论在变电站选址中的应用

鉴于变电站选址过程中诸多相关因素与地理空间信息有关且不完全清楚,部分决策指标又为不确定的模糊量的特点,文中研究了运用电网地理信息系统(GIS)的信息管理与空间分析功能,获取若干可行待选站址的样本集的可行性,并研究了运用模糊模式识别理论,从定性到定量排序,确定各选址决策指标和样本数据的优越度的方法。工程实例表明,该方法提高了变电站选址的综合决策量化水平和可视化程度。

基于全寿命周期成本的配电网变电站选址定容优化规划

基于设备全寿命周期成本(LCC)建立配电网变电站选址定容新模型,模型同时考虑了变电站上级输电网、下级配电网、变电站的初始投资、运行维护成本、停电损失、废弃成本,以LCC最低的方案为最佳规划方案,协调了规划方案的可靠性与经济性。建立了配电网停电成本计算模型,模型反映了停电频率、停电持续时间及停电电量对停电成本的综合影响,能更科学地计算出停电成本。提出了全局收敛性更好的随机变异多粒子群协同优化算法对上述模型进行优化求解。规划实例验证了上述模型和方法的正确性和有效性。

云理论在配电网络变电站选址定容中的应用

变电站选址与定容优化规划属于大规模组合优化问题,基于云在定性概念描述与定量数值表示之间转换过程中的优良特性,借鉴遗传算法"优胜劣汰,适者生存"的进化思想,提出一种基于云理论的优化算法(cloud theory optimization algorithm,CTOA),并将其应用于电力系统配电网络变电站站址、站容的优化规划研究中。在该算法中,用云的期望代表父代个体的优良特征,用云的熵和超熵控制遗传和变异的程度,用正态云算子完成概念空间到数值空间的转换,产生种群,实现遗传操作。CTOA在定性知识的指导下能实现空间范围的自适应控制搜索,可以有效改善智能优化算法易陷入局部最优解和早熟收敛等问题。最后结合某装备制造基地变电站选址定容实例,分别采用改进自适应遗传算法(improved adaptive genetic algorithm,IAGA)、改进多组织粒子群优化算法(refined multi-team particle swarm optimization algorithm,RMPSO)和CTOA算法对其进行了优化规划研究。结果表明,CTOA在收敛时间,搜索精度性能指标方面优于IAGA、RMPSO算法,且该算法无需编码,操作流程简单,易于实现,能更好的满足配电网络中大规模变电站规划的需求。

基于GIS和微分进化算法的变电站选址及定容

将微分进化(DE)算法引入到变电站选址规划优化问题中,并运用参数动态调整策略,在计算初期保证群体的多样性,后期加快算法的寻优速度,从而改善DE算法的性能。在配电网络变电站选址定容过程中,考虑地理信息系统(GIS)对规划站址的影响,将可建站区域图形进行编码处理以数据形式存储,通过判断待选站址和地理因素的网络拓扑关系,确定可行的待选站址。通过对2个算例优化计算表明,以GIS数据库为平台,将该算法和图形问题相结合,在解决实际配电网络变电站规划问题中取得了良好的效果。

基于改进粒子群算法的变电站选址规划

变电站站址的选择是电网规划的重要环节,给出一种确定的变电站选址模型,该模型不仅包含了以往的变电站选址的可量化因素,还将地理信息作为惩罚因子融合入模型中,增加了变电站选址模型的实际价值。并且提出一种新的改进粒子群算法,从初始解和变量搜索方面进行了改进。算例证明所提模型和改进算法正确、有效,其规划结果科学、可行。

一种变电站选址的新方法

针对变电站选址涉及的因素多、决策难的问题,提出应用模糊层次分析法对变电站科学选址,该法通过建立递阶层次结构图,构建模糊一致性矩阵,对被选的各个方案进行综合考虑后得到最佳的变电站选址,可避免层次分析法的判断矩阵不一致性的问题。对其220kV变电站的选址用本法科学评价,选出了最优的地址,证明了此方法的有效性和正确性。

GIS与粒子群算法在农村变电站选址规划中的应用

针对基本粒子群算法在农村变电站选址问题中得到全局最优解的收敛速度慢和易陷入局部最优解的缺点,该文以某县开发区为例,运用惯性权重动态调整策略,有效地平衡了算法的全局和局部搜索能力,从而改善了基本粒子群算法的性能,并且充分考虑地理信息系统对规划站址的影响,将改进的粒子群算法和图形问题相结合。结果表明:基本粒子群算法得到最优解的迭代次数为48次,改进后算法的迭代次数减少到26次,得到最优解的速度提高了近一倍,并以GIS为平台实现了规划的可视化。

数据融合技术在变电站选址中的应用

变电站选址工作不仅涉及诸多电网信息,还与规划区域内的地理空间信息密切相关。为了全面考虑各相关因素,提高选址的科学性和工作效率,提出了将数据融合技术应用于变电站选址。从像素级数据融合的D-S证据理论到决策级融合的层次分析综合评判方法,为解决包含多因素的选址问题提供了新的思路。最后,通过算例证明了该方法的有效性。

基于改进多组织粒子群体优化算法的配电网络变电站选址定容

提出了一种改进的多组织粒子群优化算法(RMPSO)来解决配电网络变电站选址定容问题。RMPSO中,粒子除受个体极值点和全局极值点影响外,还受组织极值点的影响。在寻优过程中,以适应度方差大小衡量粒子群体的“聚集”情况,对发生“聚集”的组织对应的组织极值点赋予变异操作,用以克服粒子群优化算法(PSO)的早熟现象。在该文提出的站址选择计算模型中,不仅考虑线路投资和网络运行费用对站址选择的影响,而且还考虑了地理信息对建站投资费用的影响,在模型上体现了变电站选址定容是地理信息和电气信息两者共同作用的结果。通过某开发新区规划实例验证了该文所提模型和方法正确性和有效性,其规划结果科学、可行。

基于Voronoi图的变电站选址方法

由于Voronoi图在规划选址中具有独特优势,充分利用V图的特性并结合变电站站址的选取原则来指导新建站址的选择。对V图的定义、性质及V图的对偶图Delaunay三角剖分进行了简单的介绍,对生成Delaunay三角剖分及V图的Lawson算法进行了详细的阐述。对于新建站址的选择,以现有变电站为基础,将V图应用于负荷均匀分布和非均匀分布两种情况并对负荷非均匀分布下新建站址选择的交替迭代方法进行了实例仿真。规划结果表明该选址方法能有效地解决新建变电站的位置选择问题。

基于GIS和改进微分进化算法的农网变电站选址定容

基于地理信息管理系统将改进微分进化算法引入到变电站优化选址定容求解问题中。利用三个标准的优化算法测试函数对引入惯性加权系数的微分进化改进算法进行了测试,并与标准微分进化算法进行比较。结果证明对不同函数有目的性地调整惯性加权系数F的取值范围可以提高改进算法的搜索效率。在选址模型中考虑了地理因素对投资费用的影响,并综合考虑了农网特点和其所处的复杂地理环境和对变电站选址的影响,使结果更具科学性和可行性。

基于GIS与灰色聚类评估模型的变电站选址

提出了一种基于地理信息系统(GIS)与灰色聚类评估模型的变电站选址新方法,以配电网地理信息系统为基础,运用灰色聚类评估模型对配电网备选站址进行综合评价。首先从GIS数据库中读取备选站址的地理空间属性数据,确定基于送电费用最小的理想站址;然后建立灰色聚类评估模型,模型中采用三角白化权函数确定备选站址所属灰类,采用信息熵理论来确定各指标的权重。该选址方法综合考虑了影响变电站选址的相关因素,工程实践表明,该方法提高了配电网变电站选址综合决策水平。

考虑DG的变电站选址定容研究

建立了变电站选址定容的全寿命周期成本(LCC)模型,并将分布式电源(DG)引入到该模型,同时考虑变电站的上级电源供电线路、下级供电线路和变电站的原始投资、运行、维护费用、停电费用,废弃成本以及分布式电源的安装、运行维护费用。以变电站的全寿命周期成本最小为优化目标,同时考率地理因素和电气因素,将不可建站区域和违反约束条件的方案以罚函数的形式加入到目标函数中,协调规划方案的可行性与经济性,运用Voronoi图划分供电区域,并采用改进的粒子群算法求解该模型,通过算例分析研究,验证了本文所提模型可行性和方法的有效性。

基于风险分析的变电站选址优化研究

针对变电站选址问题中存在的不确定风险,建立效益最优化模型,综合评价与分析不确定风险对变电站选址的影响,从而计算出考虑不确定风险后变电站选址的效益最大值。实际算例表明,该模型结合变电线路费用、变电工程费用和变电期望收益,充分考虑不确定性风险,优化结果有较强的可操作性和实用性。

需求不确定的电动汽车换电站选址鲁棒模型

在电动汽车换电站选址问题中,用户充电需求是重要的输入参数,而需求受到技术发展、电动汽车保有量、国家相关政策等因素的影响,通常较难准确预测。假设交通网络上用户需求是不确定的,利用基约束鲁棒优化方法提出基于用户路径流量不确定的换电站选址鲁棒模型,并将鲁棒模型转换为等价的线性规划。最后应用Nguyen-Dupius网络作为数值算例进行分析,结果表明当解的鲁棒水平较低时,通过适当增加选址成本,可以较大程度地提高解的鲁棒性。同时对模型的重要参数作灵敏性分析,随着鲁棒水平的提高,换电站选址成本对路径流量的波动越来越敏感,续航里程的改变对换电站选址策略影响较大。

改进粒子群算法在变电站选址规划中的应用

提出了一种利用改进的粒子群算法来解决配电网变电站选址问题。在改进的方法中,引入模糊的方法,根据粒子适应度高低来确定粒子的惯性权重的取值,对同一代的不同粒子使用不同惯性权重来更新粒子速度,从而获得了更高性能的PSO算法。通过某开发区规划实例验证了该文所提模型和方法正确性和有效性,其规划结果科学、可行。