基于加权K-means聚类和遗传算法的变电站规划.pdfVIP

江苏电机1_程 2016年11月 Electrical 第35卷第6期 日 Jiangsu Engineering 基于加权K—means聚类和遗传算法的变电站规划 成乐祥-．季丽2 摘 要：针对变电站规划问题，提出了基于加权K-means聚类的变电站供电范围划分方法，并在此基础上提出了基于加权 K—mealls聚类和遗传算法的变电站规划算法。该算法运用遗传算法的全局有哪些信誉好的足球投注网站能力确定变电站的座数、主变台数和容量的 最优组合．解决了应用加权弘means聚类算法划分变电站供电范围时初始聚类数确定的问题。加权K-means聚类算法能够 综合考虑变电站的负载率和供电半径的约束．并在迭代过程中自适应调节。算例结果表明所提算法能够较好地求解变电站 形L4J6规戋,j问题。 关键词：变电站规划：加权好means聚类算法；遗传算法；变电站站址；供区优化 中图分类号：TM721 文献标志码：A 文章编号：1009—0665(2016)06—0009—04 在电网规划过程中．变电站规划是工程建设前期 下，以变电站的供电能力和供电半径为约束条件，以投 工作的一个重要环节．对整个工程建设的投资费用和 资和运行费用最小为目标．确定最优的变电站座数、位 投产后的运行安全可靠性及生产的综合经济效益起 置、供电范围以及变压器的台数和容量。 重要作用。变电站站址、容量的选择直接决定了规划 变电站规划的数学模型可以表示为： 的合理性和经济性．并影响电网运行和电能质量(¨。 min (1) C=C1+c2+C3 目前．国内外对变电站优化规划的问题研究较多．大 s．t． 体可分为数学优化方法[2引、启发式优化方法[4s]及现 i=l，2，……，K (2) 代智能优化方法。其中智能优化算法主要包括遗传算 A乞形，≤．s。e(Si)cos0 E i jj 法…、粒子群算法[川、微分进化算法[s1和云理论[9]等， dii≤Di=1，2，……，K；．?∈Z (3) 这些算法在求解大规模问题时能够获得最优解或者 式(1—3)中：C为变电站和电网投资及运行的等年值 近似最优解，但仍然存在收敛速度较慢、局部寻优能 费用之和；C．为变电站投资及运行的等年值费用；C，为 力不足等缺陷。 馈线投资的等年值费用；C，为馈线网损的等年值费用； 近年来一些学者提出了新的方法：文献[103采用 冗余网格动态减少方法划分供电范围：文献[11]采用 Z为由变电站i供电的负荷集合；形，为负荷点i的有功 动态规划方法建立了多阶段优化规划模型：文献 功率；A为负荷同时率；|s；为变电站i的容量；e(S，)为变 [12．13]提出了采用加权Voronoi图进行变电站优化电站i的负载率：cos0为功率因数：K为已有和新建变 规划：文献[14，15]采用改进K—means算法解决变电电站的总数；dl；为第i个变电站到第?个负荷之间的线 站供电范围划分问题，但需事先确定聚类数：文献 路长度：D为变电站允许的最大供电半径。 [16]采用加权Voronoi图划分变电