变电站选址

讲稿

Page2、随着主动配电网的兴起，本文在满足一定负荷需求的前提下，以规划区已有分布式电源的类型、容量和位置及变电站的带负荷能力为约束条件，计及配变、馈线等建设费用及包含供电损耗等的运行费用，同时考虑土地类型等地理信息因素对建站费用和位置的影响，建立了一种考虑分布式电源和地理信息因素影响的变电站综合优化规划模型。最后借助量子粒子群算法对所建规划模型进行寻优，通过对某规划新区的实证研究，验证所提规划模型的科学性和有效性。

Page3、下面我从四个方面对本文进行交流，然后对应的是ppt的相应4个方面。

Page4、研究背景：虽然传统的配电网规划理论已经比较成熟，但对于含分布式电源的新型电力交换系统的研究尚处于起步阶段，且主要局限在分布式电源的布点规划和考虑分布式电源的配电网扩展规划等方面，其实质都是对分布式电源的选址和定容。随着主动配电网研究的兴起及分布式发电在电力系统中渗透率的增加，传统配电网规划理论不能适应含分布式电源的新型配电系统的矛盾日益突出。为此，国内外专家学者对含分布式电源的配电网规划进行了广泛的研究与探索，取得了一定的成效。现有的文献对含分布式电源的配电网规划的研究主要集中在分布式电源在配电网中的位置和容量规划、含分布式电源的配电网扩展规划等方面，对配电网规划中分布式电源与变电站的协同综合优化规划模型及综合优化的大范围地理空间搜索算法却鲜有涉及，本文建立的考虑分布式电源和地理信息因素影响的变电站综合优化规划模型恰好能够弥补上述不足。

Page5、首先介绍，考虑分布式电源的变电站选址定容模型的数学模型，下面是公式，结合ppt展示，同时读ppt上的内容。

Page6、这页是上页ppt的三个分解公式的约束条件，公式中的参数是（这部分可以直接展示，不用读，如果时间容许，可以象征性的读几个）ns为待建变电站总数；N为已有和待建变电站总数；在对无已有变电站的配电新区进行规划时，ns=N；Si为第i个待建变电站的容量；fSi表示第i个待建变电站的总投资费用；uSi表示第i个待建变电站的年运行费用；eSi表示第i个待建变电站的负载率；Ji为由变电站i供电的负荷节点的集合；J为全体负荷节点的集合；DL表示连接在变电站低压侧分布式电源的集合；DH表示连接在变电站高压侧分布式电源的集合；D为全体分布式电源的集合；lij为第i个变电站对第j负荷点供电距离；lij=[(xi-xj)2+(yi-yj)2]0.5，(xi, yi)、(xj, yj)分别为变电站i和负荷点j的空间坐标；

lid为第i个变电站与第d个分布式电源的空间距离；lid=[(xi-xd)2+(yi-yd)2]0.5，(xi, yi)、(xd, yd)分别为变电站i和分布式电源d的空间坐标；Ri为第i个变电站的供电半径；Wj为负荷

点j的有功负荷；Wd为分布式电源d的有功输出；cosφL为变电站低压母线处功率因数；cosφH为变电站高压母线处功率因数；gij为标志位，取值为0或1，gij=1时表示负荷点j由变电站i供电；fid为标志位，取值为0或1，fid=1时表示分布式电源d向变电站i送电；

ms为变电站折旧年限；mf为变电站低压侧线路及变电站与分布式电源联络线的折旧年限；r0为贴现率；αL为低压侧单位长度线路（含DG与变电站低压侧联络线）的投资费用，αH

为接入高压侧DG与变电站联络线单位长度的投资费用；ηk为地理信息因素影响因子，即如果待建变电站i建在第k地块中，地块k的地理因素对此变电站投资费用的影响因子；β为低压侧线路损耗折算系数；β1为当前电价，β2为变电站低压侧线路每公里电阻，β3为低压侧线路年损耗小时数，UL为变电站低压侧母线电压；βL为变电站低压侧母线与分布式电源联络线路（简称低压侧联络线）损耗折算系数，β2L为低压侧联络线每公里电阻，β3L为低压侧联络线年损耗小时数；βH为变电站高压侧母线与分布式电源联络线路（简称高压侧联络线）损耗折算系数，β2H为高压侧联络线每公里电阻，β3H为高压侧联络线年损耗小时数，UH为变电站高压侧母线电压。

Page7、ηk（η读音是yita）为地理信息因素影响因子，即地理信息因素对待建变电

站投资费用的影响因子。本文考虑的地理信息因素主要有：土地性质、交通影响、施工环境、抗灾条件和地貌地质等5个方面，其层次结构模型如下所示：本文采用区间层次分析法[17]，对变电站落点地块对建站的影响因子进行建模和计算，通过可能度排序方法求取各地块适宜建站程度的权重向量p，对应的地理信息影响因子计算如下：page8的公式

其中：ηk为变电站座落在地块k的地理信息影响因子，nl为地块个数；η>0为反应土地价格等因素的综合参数，土地类型多、大城市可适当取大点，土地类型少、小城市可适当取小点。越适宜建站的地块，其综合权重越大，对应地理影响因子值越小，相对应的建站费用越低。

Page9、量子粒子群优化算法介绍，其包含四部分，1 编码策略、2 状态更新、3 变异操作、4 惯性因子的动态调整，这个算法大家基本上了解，所以在这就不在重复讲解。

Page10、基于QPSO算法的模型实现流程

1）初始化算法参数。

a、根据规划新区负荷预测值、容载比、已含DG的类型等确定拟建变电站座数ns的取值范围；

b、对规划新区的土地类型进行划分，并根据本文1.2节的地理信息因素模型和区间层次分析法确定不同类型地块的地理信息影响因子ηk；

c、根据规划新区的实际情况（已有的分布式电源的类型、风速、光照等条件）确定各分布式电源的在规划区的容量、位置和出力特性；

d、给出模型中主要参数取值及QPSO算法的参数（变量维数、种群数量、迭代次数、变异概率等）取值。

（2）变电站落点初始化。

针对不同的ns，对粒子i的第j维变量随机生成角度θij，并采用式(8)对粒子坐标进行编码。

（3）解空间变换。

根据式(9)进行解空间变换，将随机生成的粒子位置映射到所求问题的解空间。

（4）“聚类”操作。

针对不同的变电站座数ns，根据粒子的位置，按照“就近原则”把分布式电源和负荷分配到各个变电站，并根据文献[18]的相关内容，将分布式电源接入变电站高压侧母线或低压侧母线；再由变电站低压侧母线所带负荷和所接分布式电源出力综合确定变电站容量，直到分布式电源和负荷分配结束为止。

（5）适应度计算。

由变电站的位置、容量及地理信息影响因子等因素，根据式(1)计算每个粒子的适应度，并找出个体极值点和全局极值点。

（6）最优解更新。

根据既定的更新策略对局部最优解和全局最优解进行更新。

（7）粒子状态更新及变异操作。

根据式(10)、式(11)实现粒子状态更新；并根据变异概率及式(12)对每个粒子进行变异操作。

（8）循环操作。

返回步骤2循环计算，直到满足收敛条件或者达到最大迭代步数为止。

Page11、(如ppt page11图所示)本文以某规划新区为例，在充分考虑分布式电源和地理信息因素影响的基础上，对该地区进行变电站综合优化规划，小区介绍如下：小区东西长约10千米，南北宽约5.9千米。小区总面积约为34.9平方千米，规划区面积约为24.4平方千米，如图2所示。采用负荷密度指标法对规划新区进行负荷预测，可得规划新区的总负荷达到206.52MW，负荷密度达8.46MW/km2。

Page12、考虑规划新区的分布式电源情况如下：在F093处有10台并网发电运行的微型燃气轮机，在F275附近有500块光伏电池板，在F277附近有一小型风电场，由10台风电机组组成，其参数如图所示。

Page13、（先读ppt内容）可见，工业用地对建站费用的影响最低，仅占变电站年均投资费用的10.62%，是最适宜建站地块，居民用地次之；而绿化用地等对建站费用的影响最高，占变电站年均投资费用的85.80%，是最不适宜建站地块；通过引入地理信息影响因子的概念，可直观体现不同类型地块的地理信息因素对变电站建设费用的影响大小，

同时以数值的形式将不同类型地块的地理信息影响因子加入到目标函数中，实现各个地块在建站费用上的“优胜劣汰”。

Page14、算法参数选取为：种群规模mp取50；惯性因子ω变化范围为0.4～0.8；变异概率pm取为0.03；学习因子c1、c2均为2.0；终止迭代次数取150次。对该假设的算例独立运行50次，计算出建设3～5座变电站的最优年均综合费用分别为3 651、3 782、4 052万元。结果如图所示

从计算结果可知，单从经济性上考虑，规划区内建设3座变电站最优；考虑分布式电源零出力，此时变电站可供最大负荷为378MW，满足最大负荷需求；但是，建设3座变电站时的容载比为1.830 3，不满足规划导则要求；综合上述因素，规划区内建设3座变电站并非最优规划方案。因此，在给定的条件下，规划区内建设4座变电站最优，此时容载比为2.062 8，满足规划导则要求，且其经济性要远远高于建设5座变电站；

Page15,、最终优化结果如图所示。

Page16、读ppt