本發明涉及電力系統網絡拓撲優化，特別涉及一種面向全局最優的海上風電場集電系統拓撲優化方法及系統。

背景技術：

1、海上風電作為可再生能源的重要組成部分，在實現全球減排目標中發揮了關鍵作用。相較于陸地風電，海上風電具有風速大、無風期短、溫室氣體排放低等特點。根據全球風能理事會的報告，隨著海上風電平均能源成本的降低，它已成為極具競爭力的能源選擇，并在推動跨行業合作和脫碳進程中發揮顯著作用。截至2020年底，全球海上風電場總裝機容量約為35吉瓦，預計到2030年將達到約270吉瓦，到2050年更是有望躍升至約2000吉瓦，為全球凈零排放目標貢獻重要力量。中國正處于海上風電裝機的快速發展階段，計劃在一段時間范圍內新增裝機容量4000萬千瓦，從而成為全球最大的市場。同時，隨著海上風電場規模的擴大和電能傳輸距離的增加，對集電系統在經濟性和可靠性方面提出了更高要求。

2、在過去幾十年中，許多學者在海上風電集電系統的拓撲優化領域進行了廣泛深入的研究。集電系統是海上風電場的關鍵構建要素之一，占據了發電成本的重要部分，其優化涉及海纜的選型和結構設計，以實現經濟最優。不同的拓撲結構，例如放射型、環形和多環形結構，已被廣泛研究。放射型結構因其簡單性和低建設成本在實際應用中最為常見，其設計易于實現并且維護相對方便，因此在初始投資和運營管理上具有顯著優勢。特別是在規模較小或中等風電場中，放射型結構可以有效降低施工和材料成本；而在電纜故障率和修復時間較高的情況下，多環形結構在提高系統可靠性方面顯示出顯著優勢，并證明了其經濟效益。

3、一些研究將集電系統的拓撲優化視為二維空間中的路徑優化問題，并使用啟發式算法來提高優化效率與精確性。這些算法包括蟻群優化、遺傳算法和粒子群優化等，它們在求解復雜優化問題上展現出一定的優勢。然而，這些方法的表現往往依賴于初始參數的設定和隨機性，因而容易陷入局部最優解，而未必能找到全局最優解。

4、除了啟發式算法，圖論方法也被應用于集電系統優化中。最小生成樹和蒙特卡洛樹搜索等方法為系統拓撲優化提供了一些基礎理論支持。然而，這些方法在動態變化環境下的表現不足，特別是在面對電力需求和風速變化等動態因素時，其靈活性和適應性受到一定限制。

5、另一方面，電力網絡的擴展規劃研究已經開展了數十年，該領域的研究為海上風電場集電系統的規劃提供了重要啟示。兩者均致力于投資與運營成本的優化，減少功率損失并提高可靠性，同時需滿足電壓和容量等約束條件。在實際應用中，普遍采用放射型拓撲結構，并在提高可靠性方面考慮環形拓撲。因此，開發融合電力網絡規劃技術的海上風電集電系統優化模型顯得尤為重要，為實現技術進步和產業提升提供了新的路徑。

技術實現思路

1、海上風電場作為可再生能源發展的重要組成部分，其集電系統的規劃和優化在風電場整體效率和經濟性方面起著關鍵作用。然而，由于海洋環境的特殊性和風資源的波動性，集電系統的設計和規劃面臨多種挑戰。針對這些問題，本發明提供了一種面向全局最優的海上風電場集電系統拓撲優化方法及系統，具體技術方案如下：

2、一種面向全局最優的海上風電場集電系統拓撲優化方法，包括以下步驟：

3、步驟s1，采集所有風力發電機的坐標位置數據；

4、步驟s2，通過模糊c均值算法對海上變電站進行選址；

5、步驟s3，基于風力發電機的坐標位置數據連接所有候選電纜，電纜用于將臨近的風力發電機與海上變電站相連，確保連接臨近風力發電機與海上變電站的距離不超預設范圍；

6、步驟s4，基于電力網絡擴展規劃的milp模型來制定海上風電場集電系統拓撲優化問題，建立優化的目標函數和設定約束條件，所述目標函數以海上風電場的集電系統規劃的總成本最小化為目標；

7、步驟s5，優化求解milp模型，得到最優拓撲設計方案。

8、優選地，所述步驟s2中通過模糊c均值算法對海上變電站進行選址具體包括以下步驟：

9、步驟s21，設采集所有風力發電機的n個坐標位置生成的輸入數據集為x＝{x1,x2,...,xi,...,xn}，并根據輸入數據集初始化模糊分區矩陣u構建目標函數和約束條件，模糊分區矩陣u為由隸屬度uij構成的聚類隸屬度矩陣，具體的目標函數和約束條件如下：

10、

11、其中，vj是第j個聚類中心的坐標，即是第j個海上變電站的坐標，uij為風力發電機的坐標對海上變電站坐標的聚類的隸屬度；m是決定聚類結果的模糊程度的指數參數；k是聚類的數量；

12、步驟s22，根據當前的隸屬度矩陣u計算風電發電機的聚類中心，即海上變電站的坐標；

13、

14、步驟s23，根據新的聚類中心更新隸屬度矩陣u，具體如下：

15、

16、步驟s24，計算目標函數來評估當前聚類的質量，同時判斷是否滿足迭代條件；如果滿足迭代條件，則輸出聚類結果，即海上變電站的最終聚類坐標；反之，返回步驟s23。

17、優選地，海上風電場的集電系統規劃的總成本包括投資成本、海上風電場壽命期間的功率損耗成本和削減風電功率的總成本；所述步驟s4中的優化目標函數表述如下：

18、

19、其中，l是電纜的集合；ci,j為起始風力發電機i和終點風力發電機j之間的電纜成本，xi,j為投資決策變量；η是將一個時隙的功率損耗轉移到海上風電場的整個壽命周期的系數，ri,j和fi,j分別是線路(i,j)之間的阻抗和電流，m是一個極大值，是節點i的風力發電機的風力削減，ψwt是風力發電機節點集合。

20、優選地，所述步驟s4中的約束條件具體如下：

21、

22、s·f＝g-gcur；(7)

23、

24、

25、其中，為線路(i,j)之間的電纜電流限制；s為節點-支路關聯矩陣；f為由fi,j組成的線路電流矩陣；g為由gi組成的風力發電功率矩陣；gcur為由組成的風力削減功率矩陣；vi為節點i的電壓；vj為節點j的電壓；zi,j為線路(i,j)之間的阻抗；和v分別表示電壓上限、下限；gi為節點i的風力發電功率；ψ和ψsub分別是總節點集合和變電站節點集合；為從節點i到節點j的連接狀態或父子關系的方向性；為從節點j到節點i的連接狀態或父子關系的方向性。

26、一種面向全局最優的海上風電場集電系統拓撲優化系統，應用于所述的方法，包括：

27、數據采集模塊，用于采集所有風力發電機的坐標位置數據；

28、選址模塊，用于通過模糊c均值算法對海上變電站進行選址；

29、電纜連接模塊，用于基于風力發電機的坐標位置數據連接所有候選電纜，電纜用于將臨近的風力發電機與海上變電站相連，確保連接臨近風力發電機與海上變電站的距離不超預設范圍；優化建模模塊，用于基于電力網絡擴展規劃的milp模型來制定海上風電場集電系統拓撲優化問題，建立優化的目標函數和設定約束條件，所述目標函數以海上風電場的集電系統規劃的總成本最小化為目標；

30、模型求解模型，用于優化求解milp模型，得到最優拓撲設計方案。

31、一種計算機可讀存儲介質，所述計算機可讀存儲介質包括存儲的程序，其中，在所述程序運行時控制所述計算機可讀存儲介質所在設備執行所述的面向全局最優的海上風電場集電系統拓撲優化方法。

32、一種處理器，所述處理器用于運行程序，其中，所述程序運行時執行所述的面向全局最優的海上風電場集電系統拓撲優化方法。

33、與現有技術相比，本發明的有益效果為：

34、本發明基于milp的優化模型以模擬海上風電場集電系統中的各種物理和經濟約束。該模型不僅能夠生成最優的集電系統布局，還能夠對電力傳輸損耗進行精確評估。其次，采用已有的成熟的配電網擴展規劃技術，使得該優化方案能夠適應多種風電場規模和具體條件，提供高度的靈活性和適應性。

35、本發明創新性地結合了配電網絡擴展規劃(dnep)中的成熟技術，用于優化海上風電場的集電系統設計。通過綜合分析海上風電場的特性和需求，制定出一種能夠有效降低集電系統電力損耗的優化方案，從而提高風電場建設的經濟效益。

36、通過與現有技術進行詳細對比，本發明在降低電力損耗、優化資源配置和提高經濟效益方面具有顯著優勢。該技術的應用有望為海上風電場的建設和運營提供可靠的技術支持，推動可再生能源在全球范圍內的廣泛應用。