变电站选址范文（精选9篇）
变电站选址 第1篇
关键词：变电站,选址
1 前言
在新建的输变电工程中, 变电所的所址选择是工程建设前期工作一个关键性的环节, 对整个工程建设的投资费用、投产后的运行安全可靠性、生产的综合经济效益起重要作用。结合特殊的地理、地形条件, 把所址选定是一个值得探讨的问题。
2 选址程序
工程选址应结合一定的变电所模式及基本平面布置。应充分考虑规划时期的设备发展方向和变电所建设模式基本选定电气布置方案, 然后据此进行选址。具体选址程序有:
1) 确定电压等级和接入系统方案, 进行负荷预测;
2) 在行政区域图上, 画出 (进行五年负荷预测的) 负荷密度分布示意图, 找出负荷中心;
3) 在负荷中心区域进行所址初选。利用1/5000~1/50000地形图, 将初选结果标示于图上, 然后进行踏测。踏测选出几个所址进行比较筛选, 确定初选方案;
4) 将选址方案在1/50000地形图上标示, 实地核准。同时, 向当地政府各职能部门搜集资料。在此基础上, 写出选址报告, 报告包括以下内容:所址所在村 (组) 、占地类型、面积;所址所在地地震地质资料、地区矿藏资料、水文地质资料等项目;所内基本模式和电气布置;进出线走廊情况和有关证明文件;影响环保内容及解决措施。
5) 提出选址报告, 经有关部门复查、批准;将选址报告及相关文件内容形成档案资料后, 随电网规划 (建设) 方案存档。
3 选址要素分析
1) 使地区电源分布合理, 应充分考虑变电所所在地区原有电源、新建电源及规划建设电源使电源布局分散, 既可达到安全可靠供电的目的, 又可减少二次网的投资和电网损耗。
2) 所址靠近供电区域负荷中心, 通常先对变电所的供电对象, 负荷分布情况以及近期和远期在电力系统中的地位作用, 作出综合分析, 选择比较接近负荷中心的位置作为所址, 以便减少工程建设投资及电网损耗。
3) 高低各侧进出线方便, 统筹安排好变电所各级电压出线的走廊。不仅要使进出线方便, 而且要使送电线路交叉、跨越少, 转角少。根据发展规划预留扩建位置。高压架空进出线路走廊的位置应同时确定。
4) 交通运输方便, 不仅要考虑变电所施工时设备材料及变压器等大型设备的运输, 还要考虑长期运行、检修的交通运输方便。一般情况下所址要尽可能靠近公路。如需引接修路, 修建道路要短, 减少修建道路的投资。
4 其他要求
1) 不占或少占耕地及经济效益高的土地总体占地面积应根据最终规模确定。结合具体工程条件, 采用多种布置方案如阶梯型、高型布置等。在选址报告和选址审批时, 以总体占地面积为准。
2) 应合理选择、充分利用地形, 尽量减少挖填土方量, 做到挖填平衡。同时, 应注意防洪, 并满足泄洪要求, 110kV∽500kV变电所的标高宜在100年一遇的水位上, 35kV变电所的标高宜在50年一遇的水位上;否则应设防护设施。
3) 踏勘所址的山洪及地质条件, 不应受山洪冲刷, 应避开断层、滑坡、塌陷区、溶洞等不利的地质地带。所址宜避开有重要文物或矿藏资源的地点。
4) 对无线干扰有一定要求的设施如飞机场、导航台、收发信台、地震台、铁路信号等, 应保证对附近的原有设施无影响, 所址附近不应有火药库、打靶场等设施。当所址和机场、军用设施、无线通讯等有矛盾时, 或其进出高压输电线路需跨越铁路或航道时, 应取得相关部门的书面同意文件。
5) 变电所应具有可靠的水源、排水应方便, 施工临时用水、用电应能方便引入。
6) 周围环境应无明显污秽, 如空气污秽时, 变电所所址应选在受污染影响最小处;如有污染源, 应在污染源的上风侧。
7) 应兼顾供电区负荷中心和行政中心, 并考虑将来运行、检修及管理人员的生活方便和生产生活水源。
4 结论
变电站选址 第2篇
光伏发电站建设之前，选址工作是关键而重要的一步。公司所承建光伏电站基本以村级电站为主（100KW-300KW）,各县选址都面临点多面广选址周期较长。为有效缩短选址周期，各县项目部选址专责明确自己职责，特制定本考核管理办法。
1、各县项目部选址专责每周五之前对本周所选地块按照光伏扶贫电站选址登记表的要求认真填写报公司工程管理事业部。
2、选址登记表中，所选地块土地性质的确认，若3天之内县国土资源局还未出具书面确认函，项目部选址专责应以项目部名义书面催告各县光伏扶贫牵头方，若土地性质不能确认我方后续勘测、设计工作将无法开展，并把书面函抄送公司工程管理事业部，若土地性质县里不给确认，项目部选址专责以给县光伏扶贫牵头方书面告知，此项不扣分，否则扣1分。
3、选址面积，项目部选址专责根据备选地块长和宽大致步量长度估算所选地块面积，此项未填写扣1分。
4、安装容量按照选址估算面积大致估算安装容量，此项未填写扣1分。
5、拟建电站附近有无10KV 接入线路，大概描述附近10KV线路方位及离所选地块大概距离。若附近无10KV接入线路需书面告知各县光伏扶贫牵头方协调供电局出具电站接入批复意见。此项未填写扣1分。
6、进站道路情况，需详细描述从公路到所选地块的大致路况及距离，明确告知各县光伏扶贫牵头方或站址所在村委，我方施工所需进站道路宽4.5米需硬化或下雨不影响通行。进站道路施工及拓宽不在我公司承建范围之内，若各县光伏扶贫牵头方或站址所在村委无法对进站道路进行拓宽该备选地块可以直接否决。此项未填写扣1分。
7、站址征地、地上农作物、障碍物清除情况：此项需认真填写，地上附作物有无经济作物、如大面积核桃林、坟墓较多、涉及无法迁移的电杆及通信电杆等。此项填写不准确扣1分，未填写加扣1分。
8、场地平整情况:若所选地块可以通过适当场平可以有效利用土地增加布置容量，如圆形台阶地等，台阶在1米范围内通过清除上部台阶有效扩大所选地块面积，可以考虑（若需要大量回填虚土厚度超出2米且土方工程量太大，此地块不建议选用）但需明确告知各县光伏扶贫牵头方和各村委负责人此项站址场平工程量不在我公司施工范围内。若场平范围较大需设计院提供场平图可在此项填写，若地块经场平后与原有边界和地貌场差异较大需通知工程事业部对此地块重新勘测。此项填写不准确扣1分，未填写加扣1分。
9、电站环境条件：分两项填写，第一项：周围500米无扬尘源、浓烟排放、无腐蚀性气体排放工程，此项1分。第二项：有无不可处理的南、东、西侧的遮挡、树木、电杆、通信杆、山体、构筑等，此项需详细记录，此项未填写或填写情况与现场实际情况不符扣1分。
10、场地坡度及朝向，此项未填写或填写情况与现场实际情况不符扣1分。
11、地形地貌：对所选地块整体进行简述，此项未填写或填写情况与现场实际情况不符扣1分。
12、梯田地描述：填写梯田朝向，局部梯田最窄处宽度，南北向梯田宽度小于12米的直接否决，此项未填写或填写情况与现场实际情况不符扣1分。
13、支架安装形式：县里有无特殊要求，分0.5m低支架、1.5m高支架（推荐）、农光互补大棚支架、牧光互补、渔光互补5种，此项未填写扣1分。
14、场地内有无冲沟：此项未填写或填写情况与现场实际情况不符扣1分。
15、场地周边有无边坡、悬崖：此项未填写或填写情况与现场实际情况不符扣1分。
16、场地周边有无河流（含季节性河流）：此项未填写或填写情况与现场实际情况不符扣1分。
17、场地平整是否可行：此项未填写或填写情况与现场实际情况不符扣1分。
18、项目地坐标：可利用手机APP指南针等定位，填写经度、纬度，此项未填写扣1分。
19、其余需要补充的情况说明:此项为备注栏。
20、站址平面图：需画出大概轮廓，此项未填写或填写情况与现场实际情况不符扣1分。
21、附场地照片：要求：场址周边山体、坟墓、冲沟、沟坎、悬崖、电杆、通信杆、场址全景各一张。若场址内涉及冲沟、沟坎、悬崖、电杆、通信杆、山体及构筑遮挡，少一张扣一分。
22、结论：此项为以上各项的整体概述，明确该地块是否可用。此项未填写扣1分。
变电站选址 第3篇
关键词：电动汽车；充电站选址；布局优化
中图分类号：TM910.6 文献标识码：A 文章编号：1006-8937（2016）29-0061-02
电动汽车属于新能源车，能够有效的缓解空气污染，新能源汽车也是未来汽车发展的主要方向。但是，就目前而言电动汽车基础设施跟不上，尤其是电动汽车充电站较少，而且投入成本相对较大，这就使得提高电动汽车充电站的布局显得尤为重要。优化空间布局不仅能够节省充电站设备，提高设备利用率，而且能够最大限度的满足消费者的需求。
1 电动汽车充电站的选址措施
对新能源电动汽车充电站进行选址要考虑一些基本因素，由于电动汽车充电站建设的影响因素较多，本文主要从几个主要的影响因素出发对其进行分析，这些因素主要包括经济性、电网安全性、交通便利性、区域发展性四个方面。
1.1 交通便利性
交通便利主要是指在充电站选址的过程中要考虑附近的道路状况，车流量以及车道状况，这些直接关系到充电站未来的利用率。
一般情况下需要选择交通便利、车流量大的地方作为充电站站址。
在选址的过程中，需要充分的考虑当地周边的交通状况及车流量，车流量大的地方通常情况下未来电动车的数量也会较大，车流量大就需要提供完善的充电设备，这些都是未来电动汽车发展的基础条件，对于充电站而言也会提高使用率增加经济效益。
1.2 运行经济性
在电动汽车充电站建设的前期需要一定资金投入，初期资金往往用于初期建设的选址勘察、施工、设计、管理等，这些都是电动汽车站建设的前期投资成本。
在建设初期，电动汽车充电站需要进行环境分析、土地预审、地质检测以及可行性分析、水土检测等，这些都属于充电站建设的前期投入。
另外，在运营过程中还需要考虑维护问题，所谓运营维护是指在充电站运行后需要消耗的成本，包括用电费用、维护费用、充电机的损耗、人工成本等。
1.3 区域发展性
所谓区域发展性是指充电站建成后的发展潜力，这是建设初期需要考虑的问题，毕竟充电站的建设是为以后新能源电动车的发展提供服务，对于区域性的发展有以下几个影响因素：
1.3.1 人口数量
人口因素往往是也影响充电站区域发展的关键因素，因为人口越多未来电动车的数量也就越多，电动车数量增多对充电站的需求也就越大，这些人口都是未来充电站发展的潜在客户。
1.3.2 居民消费习惯
居民消费习惯主要反映居民对未来消费品的需求能力，一般情况下比较发达的区域居民的消费水平相对比较高，尤其是一些大型商业区域，这些区域的人均消费水平高，消费意识较高，具有超前消费的能力，该区域居民往往容易受到新鲜事物的影响，冲动性购物欲望比较强烈，因此这些区域的居民更容易购买未来比较盛行的新能源电动汽车，这就是所谓的居民消费对充电站选址的影响。
1.4 电网安全性
因为电动汽车充电站对电力的需求较大，所以在选址的同时要考虑电网安全因素，因为一旦选择好地址就要考虑电网的负荷状况，如果当地电网负荷较低的话就难以承受充电站的电力供应，会影响整个电力系统，甚至会对电网带来安全问题。所以在选择好充电地址后，要增加电网的更新设置，通过增加配电网、改善电路设备来提高充电站的供电需求。
另外，当充电站接入电网后，就意味着充电机接入了电网，充电机内含有大量非线性负荷，这些负荷会产生谐波，谐波会对电网产生一定的污染，如果不及时控制会对整个电网产生不利影响。
2 电动汽车充电站的布局优化措施研究
在电动汽车充电站的选址研究中，涉及的因素较多，这就需要根据专家评选标准进行选址，并且将选址出来的地址进行综合评价，并从这些选址的地址中进行优化选址，找出更加适合的地址，本文就针对这些问题进行了向量机选址探讨，希望通过该模式能够选址较好的充电站位置。
2.1 基于向量机的模型构思
由于目前电动汽车的发展规模还较小，因此电动汽车充电站的数量也比较少，这在进行样本分析的时候就难以有效的分析出最终结果，因此根据这一特点文章选用了向量机的模型进行选址评价，该模式主要能够根据小样本的特征进行样本数据分析评估，还能够将充电站选址评价指标映射到高维特征空间，以解决充电站选址影响因素的非线性赋权问题，从而准确体现评价指标与结果之间关系，如图1所示。
选址该模型时首先需要确定数据样本，包括测试样本和训练样本，当然对样本进行评估的指标将近30项左右，选择的时候不可能将每一项指标都用上，那样会浪费大量时间和精力，这个时候就需要缩减工作量，从众多指标中选择主成分指标进行分析，通过对电动汽车充电站选址评价指标体系进行主成分的提取，达到降维的目的。
2.2 基于向量机模型布局优化分析
2.2.1 数据的收集和主要成分分析
收集数据是相对复杂的环节，只有完善的数据信息才能为选址做出相对准确的分析。
应用电动汽车充电站选址评价指标体系，采用主成分分析法对指标进行缩减，这种方法能够有效的对评价指标进行信息处理，能够减小各个指标间的关联性，有效简化问题。釆用SPSS17.0对充电站选址影响因素进行主成分分析，提炼出主成分特征值所对应的特征向量。
2.2.2 选址模型求解
采用支持向量机（Support Vector Machine，SVM）对给出的电动汽车充电站站址进行排序，将计算出的数据分为训练样本和测试样本。
为了评价结果能够更加精确，可以将数据中的前几组进行向量机样本检验，然后将结果作为测试样本，并用训练样本进行测试，得出相应的回归函数以及参数，最后通过支持向量机测试样本，得出的数据来衡量优劣状况。
2.2.3 定容模型计算
根据以上模型可以看出，通过数据分析得出较为有利的充电站站址，然后通过需求理论得出充电站的容量，再对该区域内的电动车状况进调查了解，最后得出实际充电的需求数据。
对实际规划区内各电动汽车的位置进行统计，并对各个电动汽车按照充电需求点的划分原则进行划分，然后对需求点的位置进行确定，并求出每个需求点对应的充电车数量，最后根据具体的情况设定为不同的需求点。
3 结 语
新能源电动汽车是未来的发展趋势，对于新能源汽车而言基础设施建设是其发展的必要条件，新能源汽车充电站设施建设能够有效的推动新能源汽车的发展，本文主要从新能源汽车充电站选址的角度出发，对充电站选址进行了综合的评述，文中提出了运用向量机模式进行指标评判，然后寻找最优方案，通过各种模式进行样本分析，根据样本分析得出比较优质的场地，较好地解决了神经网络训练易陷入局部最优的问题，因此该模型对电动汽车充电站进行选址评价具有较好的实用性。
参考文献：
[1] 寇凌峰，刘自发，周欢.区域电动汽车充电站规划的模型与算法[J].现代 电力，2010，（27）.
[2] 张国亮，李波，王运发.多等级电动汽车充电站的选址与算法[J].山东大 学学报（工学版），2011，（41）.
[3] 刘志鹏，文福拴，薛禹胜，等.电动汽车充电站的最优选址和定容[J].电力 系统及自动化，2012，（36）.
变电站选址 第4篇
变电站选址是电力系统规划的重要环节,变电站位置选取适当对电网结构,供电可靠性,运行的经济性以及供电质量有重要的意义。因此科学合理的选址方法能够极大地提高规划的准确性和实用性。但由于选址问题涉及到的地理因素及其他不确定因素较多,很难建立一种通用的数学模型来考虑各个因素的影响。
变电站选址问题主要分给定候选站址和未给定候选站址的选址。给定候选站址的选址问题比较简单,通常是根据一系列评价指标评分后选出最优的站址组合,如文献[1]采用模糊层次分析法对各个站址进行评估选出相对较优的站址。文献[2]采用模糊识别理论辅助站址的选择。未给定候选站址的选址方法通常是对负荷进行聚类,采用交替定位求多个聚类中心,最后求出最优的站址。如文献[3]将遗传算法和交替算法相结合,最终确定变电站的站址和容量。文献[4]采用改进粒子群算法进行站址的选择,同时将地理信息考虑到模型中,避免不可行站址的产生。
由于负荷聚类方法无法考虑现有的变电站的作用,因此不可避免出现新建站址和原有站址重叠的情况。此外,很多聚类方法的结果和初始聚类中心的位置选取有关,因此最后得到的聚类中心的位置可能并不唯一。Voronoi图(简称V图)是一种特殊几何结构的多边形;其所具有的空间最邻近特性和空心圆特性适合规划选址问题。本文充分利用V图的特性并结合变电站选址原则指导新建站址的选择。文章首先对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,本文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下新建站址的选择并对负荷非均匀分布的交替迭代方法进行了实例仿真。规划结果表明该规划方法能有效解决实际站址的选择问题。
1 新建站址的选取原则
合理的变电站布局不仅可以节省投资,而且可以极大地降低电网损耗,提高运行管理水平,具有高度的灵活性。在解决新增变电站的定位和各变电站最佳供电区域划分问题时,应遵循以下主要原则。
(1)靠近负荷中心
在规划区负荷分布确定的情况下,新建站址的选取应尽可能靠近负荷中心,以便减少电网的投资和网络损耗,提高电网运行的经济性。
(2)合理的网络结构
新建站址的选择要满足网络长期最优发展和变电站合理分布的要求。各个变电站之间必须保持一定的距离,以避免距离过近造成供电范围重叠。
(3)合理的供电半径
各变电站都具有一个合理的供电半径,其供电范围的大小与变电站主变容量相关。新建站址的选取必须考虑已有站址的容量大小关系。在综合考虑各相关因素后变电站的供电半径应在满足主变不过载、线路电压降小于10%的约束下确定,一般可采用负荷矩来度量。
(4)主变容量必须满足容载比要求
在对已有站和新建站的供电范围进行重新划分之后,已有站和新建站的主变容量必须能满足该变电站负荷分区内负荷容载比要求。
2 Voronoi图的基本描述
平面上的V图[5]可以看作是点集P中每个顶点Pi(i=1,2,…,n)以相同的速度向外扩张,直到彼此相遇为止而在平面上形成的图形;这样,除最外层的点形成开放的区域外,其余每个点都形成凸多边形。这一描述与配变的定位及供电区域的划分具有极大的相似性。
2.1 Voronoi图的基本定义
假设p={p 1,p2,,p n},3
2.2 Voronoi图的相关性质
(1)最邻近特性
每一个空间顶点唯一地对应一个V多边形。相对于其他顶点来说,凡落在其V多边形内的任一空间点与本顶点的距离为最小。应用V多边形的这一性质,每个站址的供电区域可以唯一地对应一个V多边形;凡是在V多边形以内的电力负荷至站址的空间距离均是最近的。
(2)空圆特性
每个V图顶点恰好是三条V图边的交点(假如任何四点都不共圆)。也就是说V图顶点就是形成三边的三点的外接圆圆心,而且所有的这些外接圆有个特点:各自内部不含任何给定的点,具有空心特性。如果未来要新建站址,空圆半径越大的V图顶点其新建的可能性越大。
2.3 V图的生成方法
V图的生成方法很多,常见的生成方法有半平面法、增量法、分治法、并行法和间接法。前四种属于直接法,根据已知顶点直接生成V图;而间接法是先生成V图的对偶Delaunay三角剖分,再生成V图。本文采用间接法生成V图,这里首先介绍一下三角剖分问题。
3 三角剖分
所谓三角剖分即是把一个散点集合剖分成不均匀的三角形网格,其完整的数学定义如下。
假设V是二维实数域上的有限点集,边e是由点集中的点作为端点构成的封闭线段,E为e的集合。那么该点集V的一个三角剖分T=(V,E)是一个平面图G,该平面图满足条件:
(1)除了端点,平面图中的边不包含点集中的任何点。
(2)没有相交边。
(3)平面图中所有的面都是三角面,且所有三角面的合集是散点集V的凸包。
图2便是给定散点图的一种三角剖分。
在实际中运用的最多的三角剖分是Delaunay三角剖分,它是一种特殊的三角剖分。其定义如下。
假设E中的一条边e(两个端点为a,b),e若满足下列条件,则称之为Delaunay边:存在一个圆经过a,b两点,圆内(注意是圆内,圆上最多三点共圆)不含点集V中任何其他的点。
3.1 Delaunay三角剖分特性
(1)空圆特性
Delaunay三角网是唯一的(任意四点不能共圆),在Delaunay三角形网中任一三角形的外接圆范围内不会有其他点存在。
(2)最大化最小角特性
Delaunay三角剖分所形成的三角形的最小角最大。从这个意义上讲,Delaunay三角网是“最接近于规则化”的三角网。具体的说是指在两个相邻的三角形构成凸四边形的对角线,在相互交换后,六个内角的最小角不再增大。如图3所示。
3.2 Delaunay三角剖分算法
Delaunay三角剖分[6,7]可以采用Lawson算法。该算法思路简单,易于编程实现。基本原理为:首先建立一个大的三角形,把所有数据点包围起来,向其中插入一点,该点与包含它的三角形三个顶点相连,形成三个新的三角形,然后逐个对它们进行空外接圆检测,同时用Lawson设计的局部优化过程LOP进行优化,即通过交换对角线的方法来保证所形成的三角网为Delaunay三角网。局部优化的过程如图4所示。
图4(a)已经形成了Delaunay三角网,现在点P添加入后该三角网需要重新进行划分。根据图4(b),P点只在三角形ABD和三角形ABC所形成的两个三角形的外接圆中,因此只需要对这两个三角形所在的范围进行修正就可以了。具体方法是断开公共边AB,然后将其他各点与P点相连即可。这样就能保证新的三角网中各个三角形的外接圆不包括任意给定点。
V图的生成则只需要找出所有Delaunay三角剖分中的三角形的外接圆的圆心,再根据三角形的相邻关系,连接对应的圆心即可。
4 新建站址的选择方法
4.1 负荷均匀分布下的选址方法
负荷均匀分布下的选址主要是从已有站的位置确定新建站的位置,以满足最优的变电站布局。具体选址方法是首先根据已有的站址生成V图,根据V图顶点所在的空心圆半径按从大到小的顺序排序,预设一个相邻站址的最小距离约束。然后按照顺序逐点添加,并判断是否满足最小距离约束,若不满足则转下一个点,直到新建站址数量达到预定要求为止。
上述选址方法完全从负荷均匀的情况考虑,新建站址从地理位置上看是合理的。但由于考虑实际因素少,结果不一定最优。
4.2 负荷非均匀分布下的交替定位选址方法
由于实际负荷分布不可能均匀,利用4.1节所述的方法选取新建站址就可能会偏离负荷中心,选址不再最优。这时可以根据已有的负荷分布对新建站址位置进行调整。具体调整规则如下:
(1)采用Lawson算法生成Delaunay三角网,再生成V图。对V图中每个顶点对应的空心圆中所包围的负荷点求和。将其负荷总数与空心圆上相交的已建的三个变电站容量的1/3分别作差,并按其差额从大到小进行排序,差额越大,说明该处的容量缺额就越大。然后根据要新建的站址的数量以及相邻站址的最小距离约束选取排在前面的几个外接圆,其外接圆的圆心作为初始站址。
(2)根据已有的站址和新建站址重新生成V图,确定新建变电站的最优供电范围。根据待新建变电站的所带的负荷求出负荷重心,并将待建站的站址调整为负荷重心的位置。
(3)重复(2),直到新建站址的位置变化小于一定的预设精度为止。
具体的流程图如图5所示。
5 算例
本文利用上述的规划方法对一县区进行远景规划。该区域未来的负荷点有160点,目前已有11座35 k V的变电站。根据负荷预测结果,预计未来需新建的35 k V变电站数量为3个,相邻站址的最小距离设为10 km,要确定新建站址的最优位置。图6为待规划区的具体情况。
利用已有的站址生成Delaunay三角剖分,然后生成V图。根据相邻站址最小距离约束和空圆负荷缺额大小找出的三个初始站址如图7所示。
在形成初始站址后,利用已有站址和新建站址重新生成V图,确定新建站址的作用范围。然后根据其所带负荷位置和大小求出负荷中心并调整新建站址的位置。这样反复迭代最后得到的最终站址位置如图8所示。
6 结论
本文对V图的特性进行了一定分析,同时对V图的生成方法作了详细的介绍。对于新建站址的选择本文详细阐述了负荷均匀分布下的基于V图的选址方法和负荷非均匀分布下的基于V图的交替定位方法。通过实际的规划算例整个规划方法的合理性得到有效验证,而且直观、快速,对于实际规划人员具有良好的参考价值。
参考文献
[1]徐建军,杨世彦,袁军.基于Fuzzy-AHP农村变电站选址新的方法[J].电气技术,2009(1):65-69.XU Jian-jun,YANG Shi-yan,YUAN Jun.A new method of selecting location of country's transformer substation based on Fuzzy-AHP[J].Electrical Engineering,2009(1):65-69.
[2]杨丽徙,王家耀,贾德峰,等.GIS与模糊模式识别理论在变电站选址中的应用[J].电力系统及其自动化,2003,27(18):87-89.YANG Li-xi,WANG Jia-yao,JIA De-feng,et al.Application of GIS and fuzzy pattern recognition theory in substation locating[J].Automation of Electric Power Systems,2003,27(18):87-89.
[3]王成山,刘涛,谢莹化.基于混合遗传算法的变电站选址定容[J].电力系统自动化,2003,27(6):30-34.WANG Cheng-shan,LIU Tao,XIE Ying-hua.Substation locating and sizing based on hybrid genetic algorithm[J].Automation of Electric Power Systems,2003,27(6):30-34.
[4]董永峰,杨彦卿,宋洁,等.基于改进粒子群算法的变电站选址规划[J].继电器,2008,36(5):32-35.DONG Yong-feng,YANG Yan-qing,et al.Optimal planning of substation locating based on improved PSO algorithm[J].Relay,2008,36(5):32-35.
[5]周培德.计算几何-算法分析与设计[M].北京:清华大学出版社,2000.ZHOU Pei-de.Computational geometry-algorithm analysis and design[M].Beijing:Tsinghua University Press,2000.
[6]Adrian Bowyer.Computing dirichlet tessellations[J].The Computer Journal,1981,24(2):162-166.
变电站选址 第5篇
随着经济的快速发展, 社会对于电力的需求不断增加, 电网工程的建设和完善也因此受到了社会各界的广泛关注。作为电力系统的重要组成部分, 电网承担着连接发电侧和用户侧, 输送电能的重要职能, 其规划设计一直是电力系统研究领域的重点。但是在电力体制改革的影响下, 电网的规划工作面临着许多新的问题和挑战, 需要电力企业和相关管理部门的充分充分重视。
1 电网规划设计现状
在经济发展的带动下, 我国社会对于电力的需求不断增加, 原有的电力网络已经逐渐无法满足实际供电需求, 跳闸、断电、短路等事故频繁发生, 严重影响了供电的可靠性和安全性。因此, 对电网进行重新规划设计, 确保其能够满足社会对于电力的需求, 是十分必要的。而随着电力体制改革的深化和人们环保意识的增强, 电网的规划工作也开始面临着新的问题和挑战, 这些问题主要表现在:1) 在市场经济环境中, 决策的分散化在很大程度上增加了电网规划协调的难度;2) 可再生能源 (太阳能、风能、水能等) 的大规模接入, 使得电网规划工作中存在许多的不确定因素;3) 环境因素的多样性和复杂性使得电网规划建模和求解更加困难。对此, 国内许多专业技术人员对展开了对于电网规划工作的探索和研究, 并取得了相当显著的成果。但是相对来说, 这些研究成果多是单独考虑输配电线路路径优化以及电网网架规划, 而忽略了两者之间存在的密切关系。由此, 本文对这些文献进行了总结, 提出建立考虑路径优化的双层非线性空间电网规划模型, 由遗传算法和动态规划法结合而成的混合优化方法进行求解, 可以有效提高了空间电网规划的求解质量和求解效率。
2 考虑路径优化和变电站选址的空间电网规划
在GIS技术发展的带动下, 相关技术人员在电网线路的路径进行优化选择时, 往往会借助GIS技术, 将矢量地图转化为相对规则的栅格地图, 然后建立栅格的走向变量, 采用动态规划法寻找变电站之间的最优线路径, 不仅考虑了环境约束和投资成本, 而且计算了地形斜坡对成本的影响。
2.1 栅格化三维地图
地图的栅格化在空间电网的规划中发挥着极其关键的作用, 根据地图附带的环境信息, 可以将其划分为相应的栅格地图, 这里假设在同一个栅格中, 同一类型的线路和变电站建设成本相同。结合相应的文献资料, 可以得出栅格的线路综合成本矩阵和栅格的高度矩阵, 如下式 (1) 和式 (2) 。
其中, bij表示栅格Cij上新建线路的单位化综合成本, 而hij则表示栅格Cij的单位化高速。当变电站建设在不同的栅格上时, 其投资成本也会存在一定的区别, 假设综合成本矩阵为E, 则与式 (1) 类似, 矩阵中eij表示栅格Cij上新建线路的综合成本。
当栅格数量巨大时, 可以采用模式识别法或者神经网络法, 对栅格上线路的综合成本进行计算, 如果必要, 也可以对计算结果进行人工修正。
2.2 空间电网规划模型
1) 上层问题
空间电网规划的上层问题, 属于一个传统的电网规划问题, 其目的主要是为了确定投建的候选路线, 以及变电站的建设位置, 在满足电网满负荷安全运行的前提下, 确保电网投资和运行成本的综合最小。换言之, 上层问题的优化目标, 就是最小化投资成本和运行成本, 由相应的公式表达, 则
其中, 表示年平均电价, Tmax表示最大负荷损耗小时数, t代表年度索引, NT指投资回收年限, 为年收益率, Ploss为有功网损, Nw为新建的变电站数量, w指新建变电站索引, 表示变电站的建设位置。
2) 下层问题
下层问题主要是线路路径的优化问题, 其优化目标是最小化每一条线路的投资成本, 用公式表示为
Ω={ (i, j, d) |如果线路l在Ci, j上选择方向d}
式中, Ω表示线路l选中栅格及其上方向的集合, Di, j, d表示线路在栅格Ci, j方向d上的长度。
2.3 模型求解
电网的规划属于一个多决策变量、多约束条件的混合整数非线性规划问题, 因此可以采用遗传算法进行求解。将每一跳候选线路的投建状态和变电站建设位置作为个体基因, 其构成如图:
针对栅格地图上线路路径优化问题, 可以采用动态规划法进行求解。其基本的思路为:对于一个栅格, 如果始端栅格到其邻近8个栅格的最优路径已知, 则始端栅格到该栅格的最优路径只与邻近8个栅格的最优路径有关。在实际计算中, 如果邻近栅格的当前最优路径发生改变, 则需要对栅格当前的最优路径进行及时更新, 以确保路径选择的合理性。
为了充分发挥遗传算法和动态规划法的优势, 本文提出了一种以遗传算法为主体的混合优化算法, 遗传算法实现网架结构的优化和变电站选址, 动态规划法优化线路路径。同时, 为了提高求解效率, 在算法中增加了一个记忆体, 对最近经常用到的路径记录集合进行保存。一个路径记录由记录号、始端点、末端点、线路成本、线路长度和退出计数6部分构成。当进行求解时, 如果某线路的两端点存在与记忆体中, 则可以直接从记忆体中得到线路的长度和成本, 如果不存在, 则利用动态规划法, 对优化路径进行构建, 从而极大地节约了计算时间。
这里以某省级电网的规划为例, 对其进行简单阐述。该电网主网目前存在有402个节点, 502条支路, 结合电网的实际情况, 以相应的220×220栅格地图, 对电网进行扩展规划, 在电网中新增4个变电站以及340条支路线路。
整个求解过程耗时3671s, 由于电网规划属于离线分析, 因此对于计算的实效性并没有太高的要求, 虽然计算耗时较长, 但是可以满足实际应用的要求。
3 结论
总而言之, 在经济发展的带动下, 社会对于电力的需求不断增长, 电网的规划问题也引起了社会各界的广泛关注。本文提出了一种考虑路径优化和变电站选址的空间电网规划模型, 并采用综合了遗传算法和动态规划法优势的混合优化算法进行求解, 保证了电网规划的合理性和可靠性, 推动了我国电网建设的顺利进行。
参考文献
城市变电站选址定容的规划方法研究 第6篇
变电站作为电力系统的重要组成部分, 既是上级电网的负荷点, 又是下级电网的电源点。科学规划变电站的容量、位置及供电范围, 有利于电力系统的运行管理, 提高电力系统管理和运行的效率。而在实际规划中, 许多时候只是依靠规划工作人员的经验, 工作量大且缺乏科学性。因此运用科学、先进的理论方法, 不仅可以大大减少规划人员的工作量, 还保证了规划结果的科学性、准确性。针对这个问题, 国内外专家们已逐步将计算机、数学优化、地理信息系统[1]、智能优化算法如模拟退火法[2]、Tabu搜索法[3]、粒子群算法[4]等应用到了实际规划工作中。各种规划方法根据其自身的特点被应用于不同的场合。本文基于遗传算法“优胜劣汰, 适者生存”的进化思想, 通过种群的选择、交叉、变异实现遗传操作, 通过年最小费用模型获得评价值最优的方案, 确定了待建变电站选址定容的最优方案。
二、变电站选址的数学模型
在规划变电站的初始阶段, 已有条件是负荷预测后各个小区的负荷数据、地块属性, 以及现有变电站的位置和容量。变电站选址问题可描述为:在规划水平年负荷分布已知的情况下, 为了满足负荷需求, 以最小年费用 (变电站的投资, 馈线的投资, 变电站的运行费用和网络的运行费用) 为目标函数, 确定变电站的数量、位置以及供电范围。其中, 变电站年运行费用按投资的百分率进行计算, 一般可取投资费用的 10%。变电站选址的具体数学描述见下式:
minC=1.1undefinedundefined
undefinedundefinedundefinedlijWundefined (1)
模型中各参数的意义如下:
n:新建变电站个数;Si建设第i个变电站的费用;r:投资回收率;t1:变电站使用年限;a:单位线路投资;k:线路曲折系数;t2:线路使用年限;m:变电站供电范围内的负荷点个数;lij:第i个变电站和第j个负荷点的距离;a1:线路的单位长度电阻;a2:单位电能折价损耗系数;τ:线路年损耗小时数;U:变电站低压侧电压;cosϕ功率因数;Wj:第j个负荷点所带的负荷。
三、遗传算法的改进
在基本遗传算法中, 进化中的优良个体由于交叉、变异操作有可能丢失, 当前群体中适应度最好的个体可能遭到遗传操作的破坏。为此, 本文采取了如下措施:一是找出当前群体中适应度最高的个体和适应度最低的个体;二是若迄今为止的最优个体的适应度比当前群体中最优个体的适应度差, 则采用当前群体中的最优个体作为迄今为止最优秀的个体, 否则, 继续保留迄今为止的最优个体;三是在经过交叉和变异操作后, 若当前种群中存在迄今为止最好的个体, 则不作任何操作, 否则用迄今为止最好的个体替换当前种群中经过交叉、变异等遗传操作后最差的个体。
此外, 遗传算法中交叉概率Pc和变异概率Pm的选择直接影响种群的多样性和算法的收敛性。若交叉概率Pc和变异概率Pm选取太大会造成算法不易稳定和收敛;而交叉概率Pc和变异概率Pm选取太小会导致系统陷入局部最优解。针对这一问题, 采用下式对交叉概率Pc和变异概率Pm进行动态调整。
undefined
式中k1和k2为 (0, 1) 的常数, f′为要交叉的两个个体中较大的适应度值, f为要变异的个体的适应度值。
四、变电站选址定容算例分析
本文以天津市某旅游区的中心岛屿区变电站规划为算例, 验证本文采用的改进遗传算法的可行性。
据目前变电站建设的实际情况, 新建站采用110kV变电站, 最终规模按3×50MVA配置。根据容载比的取值和负荷值的大小可以确定规划年所需变电站总的容量。该旅游区110KV变电站所带的总负荷为64.7MW, 容载比取1.8, 所需变电容量是116.4MVA, 所以1座变电站即可满足要求。
变电站选址定容问题是一个复杂的规划问题, 理论的最优值由于实际地理、环境、经济等各方面的限制有时不得不被舍弃。考虑到这一点, 本文利用遗传算法得到了10个候选站址以供设计人员参考, 限于篇幅, 本文不一一列出。最终得到理论上的最优站址, 坐标为 (152442, 300070) , 年最小费用为1477.17万元。
五、结语
本文对变电站选址定容问题的求解策略进行了研究, 建立了用于解决配电网络变电站选址定容的数学模型, 充分考虑了变电站建设费用, 线路投资和网络运行费用等电气信息。并利用遗传算法精确算出变电站的具体坐标和年最小费用, 表明该算法能满足实际配电网络中变电站规划的需要。
摘要：针对变电站优化规划这种复杂的大规模组合优化问题, 本文采用年最小费用模型, 基于遗传算法在求解非线性优化问题中的优良特性, 采用改进遗传算法解决这一问题。将其应用于实际的变电站规划工作中, 减轻了规划人员的工作量, 取得了较好的规划效果。
关键词：变电站,规划建设,选址问题,遗传算法
参考文献
[1]陶青松, 肖俊, 王笑一.基于地理信息系统的变电站选址定容模型与算法[J].电力系统及其自动化学报, 2010
[2].康立山, 谢云, 尤矢勇, 罗祖华.非数值并行算法——模拟退火算法[M].北京:科学出版社, 1997
[3].陈根军, 李继光, 王磊等.基于Tabu搜索的配电网络规划[J].电力系统自动化, 2001
变电站选址 第7篇
1 变电站选址一般数学模型
一般来说,变电站的优化配置是在保证一定可靠性水平,满足规划年负荷要求下,以最小的投资费用确定变电站的数量和位置。变电站选址模型是以新建变电站的投资费用、运行费用、线路投资费用和损耗费用最小为目标函数的数学模型,其表达式为
变电站容量约束条件:
供电半径约束条件:
lij≤Ri (3)
负荷约束条件:
J1∪J2∪…∪JN=J (4)
以上四式中:n为新建变电站的个数;CZ(Si)为第i个新建变电站的投资费用;Si为第i个新建变电站的容量(根据不同的电压等级有不同的容量标准);m为投资回收年限;r0为投资贴现率;CU(Si)为第i个新建变电站的运行费用;β为单位长度线路投资费用;k为变电站低压侧线路折旧年限;N为变电站个数之和(包括新建站、已有站);Ji为第i个变电站所供负荷的集合;lij为变电站i与负荷点j之间线路的长度;α为线路网损折算系数;Wj为第j点的负荷(有功功率);e(Si)为第i个待建变电站的负载率;cosφ为功率因数;Ri为第i个变电站的供电半径;J为负荷点的集合。
在优化选址之前,新建变电站的容量已经确定,新建变电站的投资费用和运行费用固定。因此,变电站选址优化模型可以简化为只考虑线路投资费用和损耗费用最小为目标函数的数学模型,其表达式为
2 基于遗传算法的变电站选址优化模型
现已有很多的智能启发式方法应用于求解上述的组合优化问题,与其他方法相比,遗传算法具有内在的隐并行性、自适应全局寻优能力及良好的鲁棒性,使其被广泛地应用于组合优化领域中。
遗传算法模拟了自然选择和遗传中发生的复制、交叉和变异等现象,从任一初始种群出发,通过随机选择、复制、交叉和变异操作,产生一群更适应环境的个体,使群体进化到搜索空间中越来越好的区域,这样一代一代不断繁衍进化,最后收敛到一群最适应环境的个体,求得问题的最优解[6]。
生物的进化过程主要是通过染色体之间的交叉和变异来完成的。与此相对应,遗传算法中的最优解搜索过程也模仿生物的这个进化过程,使用所谓的遗传算子(选择算子、交叉算子、变异算子)进行下述基因操作,从而得到新一代个体群。
2.1 基因操作
使用选择算子操作采用传统的轮盘赌的方法,为避免一些好的染色体在遗传过程中消失,采取保留精英策略,即对每代的解进行比较排序,并且与上一代的解进行比较,将上一代中优于当代的多个个体,直接复制到下一代,替代其相应数量的最差个体[6,7]。
使用交叉算子操作采用两点交叉方式;使用变异算子操作采用两点变异方式。基因进化后必须检验、修正以保证个体满足约束条件[8]。
2.2 适应度函数
适应度函数是遗传算法中用以评价解集好坏的依据[9,10,11]。变电站选址模型的目的是使年运行费用达到最小,即目标函数值越小越好。为保证遗传算法中个体适应度越大越好的特性,采用的适应度函数为
式中:C
当变电站候选点P不在Q内,则适应度函数取目标函数值所占的比值;否则,适应度函数取A。这样就能保证随着遗传算法的进行,不可建站区域内的变电站候选点被逐渐淘汰。
文献[5]中的优化模型中引入了作为惩罚因子的地理信息,将不可建站区域设置为圆形。本文在此基础上修改了不可建站区域的形状,设置为不规则的闭合多段线(圆形是其特殊的情况),这使得优化模型更符合实际情况。
判断变电站候选点P是否在不可建区域内的步骤如下。
过P点做一条水平直线,分析这条直线与不可建站区域边界线相交情况。如果P点两侧交点个数均为偶数,则判断P点在不可建站区域外。
如果P点两侧交点个数不均为偶数,需作进一步判断。可过P点再做一条垂直直线,分析这条直线与不可建站区域边界线相交情况。如果P点两侧交点个数均为偶数,则判断P点在不可建区域外;如果P点两侧交点个数不均为偶数,则判断P点在不可建区域内。
该方法适用于判断任何变电站候选点P与不可建站区域的关系,如图1所示。
图1(a)中,过P点做水平直线,在P点两侧与区域边界线的交点个数分别为2和1,由于交点个数不均为偶数,需再做一条垂直直线作进一步判断,在P点两侧与区域边界线的交点个数分别为2和0,交点个数均为偶数,故判断P点在不可建区域外。
图1(b)中,过P点做水平直线,在P点两侧与区域边界线的交点个数分别为1和2,由于交点个数不均为偶数,需再做一条垂直直线作进一步判断,垂直直线在P点两侧与区域边界线的交点个数分别为1和1,交点个数不均为偶数,故判断P点在不可建区域内。
2.3 基于遗传算法的变电站选址规划流程图
在进行个体适应度函数计算之前,应先判断负荷点是否在不可建站区域内,后根据判断结果进行相应的适应度函数计算。
计及地理信息的变电站选址遗传算法流程图如图2所示。
3 应用算例
根据需要建一个规模为2×20MV·A的变电站,用电区供10个用电单位,根据本文介绍的基于遗传算法的变电站选址优化模型,将地理因素引入遗传算法适应度函数的方法进行选址,使优化后的变电站站址避开了不可建站区域。
4 结语
变电站选址是一个多约束、多目标、大规模、非线性的组合优化问题。本文将地理因素对站址选择的影响计入遗传算法的适应度函数计算中,算例优化结果表明本文用的方法对模型的优化结果是切实可行的。但是,变电站选址是一项复杂的组合优化工作,还需要在理论优化的基础上,结合实际情况,最终得到符合工程需要的变电站的地址。
摘要：变电站选址在保证可靠供电及负荷需求的前提下,不能仅考虑经济性最优,还要考虑实际的地理因素。介绍了变电站选址一般数学模型,提出了基于遗传算法的变电站选址优化模型,阐述了将地理因素纳入遗传算法适应度函数的方法,应用算例验证了该变电站选址优化模型的正确性。
大型并网光伏发电站选址分析 第8篇
1 光伏发电的特点
光伏发电项目具有无污染、占地面积大、建设周期短、系统简单、设备占投资比例大、资源决定收益、电能质量低等特点。光伏发电无污染,对环境影响小,对于电力供应紧张、污染较严重的地区,适合开发光伏发电项目。但是其建设开发往往受土地和资源限制,在经济发达地区一般很少有适合的场址,主要是因为在这些地区不但很难找到较大面积的场地,同时光资源情况也不尽如人意,达不到最低投资收益的要求。最近国家加大了对分布式光伏发电的支持力度,实现了在城市中建设光伏的愿望。而在较为偏远的地方开发建设光伏项目,电力送出就成为光伏电站建设需要解决的首要问题,由于光伏发电电能质量较低,在电网不健全的地方常常会出现弃光伏限电的现象,影响光伏电站的效益。光伏发电项目虽然系统简单,但是其设备约占总投资的80%,因此光伏发电项目的质量管理不容忽视。光伏发电站在选址过程中应充分结合其自身的特点,对影响电站收益的主要因素进行详细的调查和分析。根据行业内经济评价要求,或是本企业的测算要求,对项目进行初步测算。
2 光伏发电站开发过程
光伏发电项目的开发可分为选址阶段、预可研阶段、可研阶段、电站建设四个阶段,光伏发电项目的选址工作,按照国家及地方政府要求,并结合其本身的特点,包括光资源、现场情况勘查、土地情况、气候资料、区域电力情况、送出线路、地方政策等方面内容的调查和分析。从而初步确定电站建设方案,进行投资估算和经济性分析。在进一步项目论证阶段,根据以上内容在核准或是备案前完成可行性研究报告、环境影响评价报告、水土保持报告、接入系统报告、土地预审、地灾报告、压覆矿情况报告等项目情况的分析报告,此阶段需要对项目用地进行测绘及岩土初勘。由于光伏发电项目系统简单、建设周期短等特点,通常项目可行性研究报告编制达到初步设计的深度,项目省略初步设计,直接开展施工图设计配合电站建设。
3 影响光伏发电站选址的因素
光伏电站选址应该结合各要素有序进行,依次可分为三步,即决定性因素分析、边界条件分析、固有要素分析。决定性因素包括光资源、土地情况,边界条件包括送出条件、电力消纳、交通情况、附近遮挡物等,固有因素包括地面附着物、环境要素等。首先对场址的光资源、土地等决定性因素进行调查分析,对场址初步判断,判定场址是否可以建设光伏发电项目。其次对厂址的周边条件进行实地踏勘,收集资料进行详细分析,进行投资估算及经济初评价,判定场址是否符合投资方对投资及收益的要求。最后进行场址固有信息的收集,结合前两个阶段的分析,确定光伏发电的技术方案、送出方案,制定投资概算并进行经济评价,完成项目选址工作。
3.1 资源分析
光资源情况是场址是否有开发价值的先决因素,太阳总辐射受地理纬度、日照时数、海拔高度和大气成分等因素的影响,太阳能资源分布特征对于电站系统的布局和太阳能利用效率非常重要。根据国家气象局发布的日照辐射数据,全国大致上可分为五类地区,根据目前光伏电站建设单位投资水平,三类以上地区较适宜太阳能资源的开发,四类地区为较难开发地区,五类地区几乎为不可能开发地区。但是如果有特殊的地方补贴政策,可以考虑开展进一步工作。
3.2 土地情况
光伏发电项目占地面积较大,土地是否可以合法使用是项目的决定性因素。光伏发电项目用地采取征地和租赁两种形式,对于青海、新疆等西北地区的荒山、戈壁,由于土地补偿费用较低,光伏发电区可采用征地方式,对于其他地区为了降低工程的前期投入成本,可探索采用租赁国有未利用土地的供地方式。光伏发电项目要求地质稳定,对于可能出现塌陷等潜在的地质灾害的场址,则需慎重考虑开发光伏发电项目。
3.3 边界条件
边界条件包括送出条件、电力消纳、交通情况、附近遮挡物、水源等。
按照国家“合理布局、就近接入、当地消纳、有序推进”的总体思路,根据当地电力市场发展和能源结构调整需要,与当地电网公司(或供电公司)沟通,落实市场电力消纳条件,避免电站运行中出现弃光现象。并且通过水光互补、风光互补的方式提高电能质量,以减少电网的负担,提高电站的等效利用小时,保证项目收益。
3.4 环境要素
环境要素包括水文、大气质量、湿度、气象因素等。水文因素包括短时最大降雨量、积水深度、洪水水位等,直接影响光伏系统的支架系统、支架基础的设计以及电气设备安装高度。大气质量因素包括:空气透明度、空气内悬浮尘埃、空气湿度等因素。前两者主要影响实际日照辐射量,空气内悬浮尘埃量影响光伏组件的清洗频率,空气湿度除了对金属设备的腐蚀外,还存在诱发组件的PID效应,加速组件的衰减,严重影响发电量。气象因素应充分考虑冰雹、沙尘暴、大雪等灾害性天气光伏发电站的影响程度。
3.5 地方政策
除了上述因素外,正确把握地方政府对光伏发电项目的鼓励政策会使光伏发电项目的开发事半功倍。地方政府对光伏发电项目的补贴,能够有效地提高项目本身的收益,使光资源较差的地区具备了开发价值,增加光资源稍好的地区执行的灵活度。
4 光伏电站的选址方法
光伏发电站选址可以采用以要素定点的方法,影响光伏发电项目选址的决定因素为资源和土地情况,可分为以资源定点和以土地定点两种方法。光伏发电项目的选址可以结合两种方法,在收集资料信息的同时,进行实地踏勘,对项目场址要素综合分析。另外,可以根据地方政府对光伏项目的鼓励政策,开发水光互补、风光互补、渔光互补、农光互补等特色项目,采取“以特色要素定点”的方法,在水电、风电项目附近进行选址,提高并网光伏项目的电能质量;在鱼塘、特色经济作物种植区进行有效论证,满足光伏发电项目对土地的要求。
5 结论
大型并网光伏发电项目的选址虽然没有火电、核电项目的选址复杂、时间长,但是其各要素的调查分析也是一件繁复的工作。光资源和土地情况的分析是选址工作的重点,光资源决定项目收益,土地情况决定项目是否可行,边界条件决定项目实施难度,固有要素影响项目投资,针对各要素材料的收集并结合实地踏勘,全面细致的分析是顺利完成项目选址的保障。
摘要：文章简要介绍了太阳能资源开发的国内外背景,光伏发电技术作为太阳能资源的主要利用形式之一,具有广阔的发展空间。结合光伏发电项目的特点,根据大型并网光伏发电站开发过程,确定其选址工作的内容,对影响光伏电站开发的决定性因素、边界条件、固有因素进行详细的分析。全面地阐述了光资源、土地情况、电力送出条件及消纳情况等因素对大型并网光伏发电项目选址的重要性,有序掌握各要素之间的关系是高效完成选址工作的先决条件,准确分析各要素是顺利完成项目选址的保障。
关键词：太阳能,光伏发电,项目选址
参考文献
[1]黄汉云.太阳能光伏发电应用原理[M].北京:化学工业出版社,2009:1-3.
变电站选址 第9篇
配电网变电站选址定容问题是一种二维空间大规模组合优化问题。规划出来的变电站站址和容量直接关系到未来整个配电网网络结构、投资、运行维护的经济性、供电可靠性。因此,迫切需求一种科学的能够协调以上各因素的规划方法来辅助规划人员科学合理地规划配电网络[1,2,3,4,5]。文献[1]提出一种网络参考模型帮助管理者有效地进行投资估计。文献[2]提出一种多阶段考虑的分布式电源规划模型。文献[3]提出一种将电压降、变电站容量等因素考虑进规划模型的变电站选址定容规划模型。文献[4]提出基于改进遗传算法的变电站位置及容量改造与规划方法。随着计算机技术和现代智能优化技术不断发展,国内外许多学者将智能优化算法应用在配电网规划领域[6,7,8,9,10,11,12,13]。粒子群算法与其他智能算法相比,需要调整的参数少,结构简单易实现。近年来,众多学者将其改进并应用在变电站选址定容优化中[10,11,12],取得了不错的结果。文献[8]基于模糊推理思想建立了粒子群算法参数的模糊控制规则,改进了粒子群算法。文献[9]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解决变电站选址规划问题。文献[10]考虑了变电站投资和运行费用以及地理信息对规划方案的影响,建立了变电站选址定容模型。文献[11]考虑了规划变电站进线和出线投资运行费用,建立变电站选址定容数学模型。
上述规划模型都未综合考虑变电站在使用寿命周期内各项成本及变电站与上级电网关系的规划。从长远角度看,规划方案的运行成本、维护成本、故障成本甚至会大于它的建设成本,所以综合考虑规划方案的全寿命周期成本(LCC)具有重要意义。文献[13]建立了基于LCC的变电站选址定容模型,从LCC管理的角度,综合考虑影响变电站选址定容的LCC因素。但是,文献[13]未考虑规划方案的停电损失成本(可靠性成本),未给出在变电站选址定容规划中占投资比例最大、运行维护费用也较高的配电网变电站及其设备的详细LCC模型。
本文提出基于变电站进线侧、出线侧、变电站内设备的LCC规划模型,该模型不仅包括了规划方案的初始投资成本和运行维护成本,而且还考虑了规划方案的停电成本、废弃成本,使得规划方案在满足可靠性要求的同时更合理,且经济性更优、实用性更强[14]。算法求解采用了改进粒子群算法。针对粒子群优化算法存在容易陷入局部最优点的缺陷[15],本文在现有研究的基础上,通过在多粒子群协同优化算法中引入随机进化机制,增加了种群中粒子的变异性,从而增加了种群的多样性,提高了算法的全局收敛特性。
1 基于LCC的变电站选址定容模型
电网建设项目的LCC管理是LCC管理理论在电力系统中的应用。电网建设项目的LCC管理以项目全寿命周期经济效益最优为研究目标,通过对寿命周期内各阶段成本实施严格的动态控制[16],在满足安全、效能和环保的前提下追求工程效益的LCC最优,寻求最佳的配电网规划方案,创造最大的经济、社会和环境效益。其核心内容是对配电网规划方案LCC进行分析计算,根据量化值进行决策。变电站规划的LCC模型为:
式中:CI为初始投资成本;CO为运行成本;CM为维护成本;CF为故障成本;CD为设备废弃成本;PV,sum=[(1+r)n-1]/[r(1+r)n],为年度投资费用的现值和折算系数,r为社会折现率,n为寿命周期;PV=1/(1+r)n,为折现系数。
基于式(1)将变电站选址定容模型按照变电站进线侧线路、变电站出线侧线路、变电站这3类设备建立综合LCC模型:
式中:i=1,2,…,N;j∈Ji,Ji为变电站i的负荷点集合;LLV为低压出线侧线路LCC;LHV为进线侧线路LCC;LS为变电站设备LCC;N为新建变电站数目;Wj为负荷点j的有功功率;Si为变电站i的容量;ei为变电站i的最大负载率;cosφi为变电站i的功率因数;Vij为变电站i与负荷点j之间的电压降;z为出线侧线路单位长度电阻;VLV为出线侧线路额定电压;ΔVm为线路电压偏差;gij为负荷点j是否由变电站i供电的判别因子,若gij=1,则“是”,若gij=0,则“否”;Yi为变电站i的最大供电距离;lij为变电站i到负荷点j的距离。
其中,LLV的具体表达式如下:
式中:CLV,I为出线侧线路的初始投资成本;CLV,O为出线侧线路的运行(损耗)成本;CLV,M为出线侧线路的维护成本;CLV,F为出线侧线路的故障成本;CLV,D为出线侧线路的废弃成本,一般包括报废处置成本与残值收入,考虑到线路设备的残值较小,故假定其残值收入和处置成本抵消;cl为出线侧线路单位长度导线造价;βLV为出线侧线路的网损折算系数,βLV=β1β2β3/(U2cos2φi),β1为电价,β2为出线侧线路单位长度电阻,β3为网络年最大损耗小时数,U为出线侧线路线电压;δ为维护费用折算系数,目前绝大多数供电企业对供电设备维护费用管理的办法是根据年度总费用计划,取初始投资的百分数;tLV为出线侧线路故障修复时间;λj为第j条配电线路的故障率;Rj为第j条配电线路单位停电损失,计算方法如下。
传统停电损失常采用产电比法或调查法,但这些方法不能很好地反映出停电发生频率和持续时间与停电损失的关系。因此,本文采用了用户分时段停电损失费用计算方法,通过对离散的停电持续时间与停电损失统计数据[17]进行直线插值拟合得到停电持续时间t与停电损失R(t)对应曲线及关系式,分别如图1和式(8)所示。可以看出,当停电量相同时,停电次数越多(平均停电时间越短),造成的用户停电损失越大。
根据文献[18],假定停电时间相对实际配电网足够长时,单位功率停电损失与停电时间的关系近似等于用户消耗1kW·h电力生产的平均生产效益P,由此,电力平均生产效益可表征为:
待求用户停电损失函数R1(t)可表示为:
式中:k为待定系数。
由式(9)和式(10)得:
式中:P1为待求用户单位电力生产的平均生产效益。
以图1所示曲线为例,t=24h时的曲线斜率可近似表示t→∞时的斜率,则
本文算例取某地区工业电力用户平均生产效益为15元/(kW·h),美元兑人民币汇率设为1∶7,则得到停电持续时间与R1(t)的表达式如下:
进线侧线路可靠性设计满足N-1要求,因此进线侧线路故障修复时间tHV为进线侧线路倒负荷时间。LHV的构成与LLV类似,在此不再赘述。
LS具体表达式如下:
式中:CS,I为变电站初始投资;CS,O为变电站运行成本(只考虑变压器运行损耗);CS,M为变电站的维护成本;CS,F为变电站的故障成本;CS,D为变压器废弃成本;fi为变电站i的初始投资,包括设备购置费和安装工程费;piao为变电站i中变压器a的空载损耗;piak为变电站i中变压器a的负载损耗;ρia为变电站i中变压器a的负载率;Ai为变电站i中变压器的集合;τmax为变压器年最大损耗小时数;Sia为变电站i中变压器a的供电量;λia为变电站i中变压器a的故障率;tS为变压器故障倒负荷时间;Cbf为变压器报废处置成本,Cbf=vbCS,I,vb为拆除成本折算系数;Cczh为变压器残值收入,由于变压器是材料密集型产品,故其残值收入较大,Cczh=vcCS,I,vc为残值折算系数。
2 基于改进粒子群算法的变电站选址定容
变电站选址定容规划问题属于大规模组合搜索优化问题,且上述变电站选址定容模型更为复杂,故一般的求解算法难以找到优化模型的最佳位置。基本粒子群算法在计算模型的变量和约束条件较多的情况下,在算法迭代进化后期,由于进化方程中惯性权值、学习因子不能对陷入局部最优的粒子产生有效的变异机制,粒子很容易陷入局部最优解,从而无法收敛得到全局最优解。多粒子群协同优化算法(MPSO)[19]是将粒子种群划分为若干个子种群,各个子种群之间进行信息的共享,这种思想增加了种群粒子的多样性,提高了算法搜索最优点的概率。但该算法仍然存在各个子种群容易趋于局部最优的缺点,因此,本文提出在多粒子群算法的基础上引入随机进化机制,提出了随机多粒子群算法(SMPSO),该算法增加了各个子种群粒子的变异能力,进一步提高了算法的全局收敛特性。
2.1 SMPSO基本原理
SMPSO的进化方程为:
式中:v为粒子飞行速度;x为粒子位置;下标d为粒子维数;c1,c2,c3,r1,r2,r3为0到1间的随机数;Pi为粒子i所经历的最好位置;Pg为各个子种群中的所有粒子所经历的最好位置;Zg为所有种群中的粒子所经历的最好位置。
在SMPSO的粒子进化更新方程中,将惯性权值w设置为0,此时各个子种群中的粒子的飞行速度vi只与xi,Pi,Pg有关,各个子种群中的粒子向该子种群中的当前全局最好位置收敛。由式(20)可知,粒子的全局搜索能力减弱,局部搜索能力加强,且当xi(t)=Pi=Pg=Zg时,粒子将停止进化。为增强全局搜索能力,可取出并保留Pg作为种群最好位置,而在搜索空间中随机产生xi(t+1)补充取出的Pg,其他粒子j以式(20)进化,将更新方程改为(j≠i):
若Pg=Pj,则粒子处于最优位置,随机产生新粒子,而其他粒子按式(20)进化更新;若Pg≠Pj,且Pg未更新,则按式(20)进化;若Pg≠Pj,且Pg已更新,则存在粒子k,使得xk(t+1)=Pg,此时粒子k停止进化,对粒子k按式(22)—式(24)进行随机变异,其他粒子按式(20)进化。这样在每一次迭代过程中每个子种群都有一个粒子随机产生,增强了全局搜索能力。
2.2 算法性能测试
以SMPSO和MPSO对J.D.Shaffer函数进行求解。粒子数目POP设置为50;算法最大迭代次数MAX设置为500;子种群数目K设置为5,即每个子种群包含10个粒子;SMPSO和MPSO的惯性权值w1和w2分别设置为0和1;SMPSO和MPSO的学习因子C11,C12,C13和C21,C22,C23分别设置为0.9,0.9,2.6和2,2,2.6;算法的最大速度vmax设置为2;算法的坐标限制范围设置为[-7,7]。
J.D.Schaffer函数是一个多峰函数,有无数个极小值点,但只有一个全局最小值点x=(0,0),其全局最优值为0。J.D.Schaffer函数:
图2给出了2种算法的适应度进化曲线。用MPSO搜索到的最优解为0.000 000 060 9,用SMPSO搜索到的最优解为0。可见,SMPSO在迭代进化时的收敛速度、收敛精度均优于MPSO。
2.3 基于SMPSO的变电站选址定容
基于所提模型,变电站选址定容的计算步骤如下。
步骤1:初始化计算所需各项参数(惯性权值、学习因子、最大速度、粒子数目、最大迭代次数、子种群数目等)。
步骤2:随机初始化种群中粒子的位置,即变电站的位置,根据个体的位置,按就近原则把负荷分配到各个变电站,再由变电站所带负荷的大小来确定其容量。
步骤3:用式(2)计算粒子适应值,找出个体最优位置Pi、子种群最优位置Pg、总群最优位置Zg。
步骤4:将种群按照式(20)—式(24)的进化策略进化,即在执行各个子种群信息共享的同时,若在t代某个子种群出现最优解,则将其取出,同时随机生成粒子补充该粒子的空缺。
步骤5:判断算法是否满足最大迭代次数和是否收敛。若是,则停止计算,输出计算结果;若否,则转步骤2。
2.4 模型计算时对约束条件的处理
在利用本文模型和算法计算时,将变电站的容量约束、变电站的最大半径供电约束、电压降约束用罚函数的形式加入模型,使得程序计算结果满足约束限制。
3 仿真算例
某新开发区预测10a后的负荷增长总量为128.32 MW,最大负荷利用小时数为5 500h,负荷的中心位置和大小如附录A表A1所示。为满足负荷要求,需要新建35kV变电站,新建变电站上级电源(110kV)节点位置已知,分别为(2.09km,4.31km)和(7.34km,4.35km),容载比要求为1.8~2.2,负荷同时率取0.8,新建变电站进线满足N-1要求(可采用双回线或环网设计)。计划新建3~5座35kV变电站,规划变电站的规模方案为3×20 MW(造价2 608.19万元)或3×16 MW(造价1 746.55万元),所用变压器的投资见附录A表A2。利用基于LCC的变电站选址定容模型和SMPSO进行优化计算。依照变电站选址定容计算步骤,SMPSO参数设置如下:POP=50,K=5,MAX=500,C11=C12=0.8,C13=2.6,vmax=2,坐标限制范围为[0,8]。模型计算需要的其他参数见附录A表A3。
利用本文模型和算法分别对3种可行方案(方案1的N=3,方案2的N=4,方案3的N=5)进行优化计算,得到结果如表1所示。
由表1可以看出,方案2为最优规划方案,最优规划方案的变电站位置、容量如表2所示,其接线形式见图3,图中,负荷的单位为MW。由LCC数据可以看出,初始投资最少的方案(方案1),不是全寿命周期经济性最优方案。由LCC数据还可以看出系统的运营成本(CO,CM,CF,CD之和),远远超过了系统的初始投资,因此基于LCC的分析具有重要意义。
4 结论
本文运用LCC方法对配电网变电站选址定容规划进行了深入研究,通过实例分析得出如下结论。
1)基于LCC理论建立的配电网变电站选址定容规划模型,使规划方案在满足可靠性要求的同时经济性最优。
2)配电网用户停电持续时间与停电损失函数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,能更科学准确地计算出停电损失成本。
3)基于MPSO,在粒子进化时引入随机变异进化机制,增加了粒子的进化变异能力,提高了算法全局最优的收敛度,为规划模型求解奠定了基础。
4)由规划方案LCC结果可以看出,输变电工程运营阶段成本占很大比重,基于LCC方法的规划结果更科学、合理,具有较高的实用价值。
本文没有深入分析运营阶段各成本与初始投资之间的关系,深入研究其间的关系对改进规划方案、提高运行维护策略具有很强的指导意义,将会更加体现出工程实施LCC管理的优越性。
附录见本刊网络版(http://aeps.sgepri.sgcc.com.cn/aeps/ch/index.aspx)。