(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110245137.3 (22)申请日 2021.03.05 (65)同一申请的已公布的文献号 申请公布号 CN 113011090 A (43)申请公布日 2021.06.22 (73)专利权人 广东安恒电力科技有限公司 地址 510700 广东省广州市黄埔区凝彩 路 26号 （自编五栋） 3 010房 (72)发明人 林培斌　戚远航　侯鹏　 (74)专利代理 机构 广州国鹏知识产权代理事务 所(普通合伙) 44511 专利代理师 葛红 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/18(2020.01) G06N 3/00(2006.01) G06F 111/06(2020.01) G06F 113/06(2020.01)G06F 113/16(2020.01) (56)对比文件 CN 103136585 A,2013.0 6.05 CN 108595 608 A,2018.09.28 CN 109919350 A,2019.0 6.21 CN 109919350 A,2019.0 6.21 WO 2016049592 A1,2016.0 3.31 Yuanhang Q i.Cable Co nnection Optimizati on for Heterogeneous Of fshore Wind Farms via a Voro noi Diagram Based Adaptive Particle Swarm Optimizati on with Local Searc h. 《energies》 .2021, 孙可等.基 于网格划分的城市密集 地区变电 站规划方法― ―以杭州市主 城区变电站规划为 例. 《现代城市研究》 .2020,(第0 5期), 孔顺飞等.含电动汽车充电站的主动配电网 二阶段鲁棒 规划模型及其 求解方法. 《电工技 术 学报》 .2020,(第0 5期), 审查员 李丽萍 (54)发明名称 多变电站风电场 的电缆连接布局方法及计 算机存储介质 (57)摘要 本申请公开了一种多变电站风电场 的电缆 连接布局方法及计算机存储介质， 该方法包括以 下步骤： S1、 根据输入的变电站数量N、 变电站坐 标、 风机数量M和风机坐标， 采用双层Voronoi的 分区策略对风电场进行分区， 得到N个固定区域 和自适应区域； S2、 以各自固定区域内的变电站 为最小生成树的根， 使用最小生成树算法分别确 定每个固定区域的电缆连接布局； S3、 在固定区 域的电缆布局的基础上， 使用自适应粒子群优化 算法确定自适应区域的电缆布局， 得到最优的多 变电站的电缆连接布局。 本发明的电缆连接布局 方法， 采用双层Voronoi的分区策略自适应地对 风电场进行分区， 然后进行电缆连接布局， 得到最优的多变电站的电缆连接布局方案 。 权利要求书2页 说明书9页 附图7页 CN 113011090 B 2022.07.12 CN 113011090 B 1.一种基于Voronoi自适应分区的多变电站风电场的电缆连接布局方法， 其特征在于， 包括以下步骤： S1、 根据输入的变电站数量N、 变电站坐标、 风机数量M和风机坐标， 采用双层Voronoi的 分区策略对风电场进行分区， 得到N个固定区域和自适应区域； S2、 以各自所述固定区域内的所述变电站为最小生成树的根， 使用最小生成树算法分 别确定每 个所述固定区域的电缆连接布局； S3、 在所述固定区域的电缆布局的基础上， 使用自适应粒子群优化算法确定所述自适 应区域的电缆布局， 得到最优的多变电站的电缆连接布局； 所述步骤S1包括： S11、 以N个所述变电站作为站点， 生成第一层Voronoi图， 假设所述第一层Voronoi图的 边集为LIVO1＝{LIVO1,1,LIVO1,2,…,LIVO1,I}， 共I条边； S12、 以M个所述 风机作为站点， 生成第二层Voro noi图； S13、 遍历LIVO1的所有边， 获得LIVO1中每条边的基于所述第二层Voronoi图的0阶 ‑线‑ Voronoi邻居KLVNS(L IVO1,i,0)， i＝1,2,…,I； S14、 根据预 设的K值， 获取LIVO1中每条边的KLVNS(LIVO1,i,1)， ...， KLVNS(LIVO1,i,K)， i＝ 1,2,…,I， 将KLVNS(LIVO1,i,0)， KLVNS(LIVO1,i,1)， KLVNS(LIVO1,i,K)， i＝1,2, …,I所包含风 机区域定义为所述 自适应区域， 所述 自适应区域对应的所述风机用集合SETWTA表示， 其中， SETWTA所包含的所述风机个数为MWTA， 其余不属于SETWTA的所述风机， 用集合SETWTF表示， SETWTF所包含的所述 风机个数为MWTF； S15、 遍历SETWTF的所述风机， 将SETWTF中的所述风机划分到距离其最近的所述变电站 中， 以此SETWTF划分为N个所述固定区域， 并分别表示 为集合SETWTF， 1、 SETWTF,2、 ...、 SETWTF,N； 其中， LIVO1,i的0阶‑线‑Voronoi邻居是指线段LIVO1,i所跨越Voronoi区域对应的站点的 集合， 表示为KLVNS(L IVO1,i,0)， LIVO1,i的k阶‑线‑Voronoi邻居表示 为KLVNS(L IVO1,i， k)。 2.根据权利要求1所述的基于Voronoi自适应分区的多变电站风电场的电缆连接布局 方法， 其特 征在于， 所述 步骤S3包括： S31、 设置粒子的种群数量， 设置粒子位置和速度的取值范围； S32、 初始化粒子的位置， 随机生成粒子的速度， 并解码粒子， 计算所有粒子的适应度， 比较后得到全局最优粒子； S33、 更新粒子的速度与位置； S34、 解码粒子， 重新计算所有粒子的适应度； S35、 输出最优的多变电站的电缆连接布局。 3.根据权利要求2所述的基于Voronoi自适应分区的多变电站风电场的电缆连接布局 方法， 其特 征在于， 所述 步骤S34后还 包括： S341、 若新粒子的适应度优于原来的粒子， 更新 新粒子的历史最优解； S342、 若新粒子的适应度优于全局最优粒子， 更新全局最优粒子； S343、 若新粒子 达到最大迭达次数， 跳 至所述步骤S33。 4.根据权利要求2所述的基于Voronoi自适应分区的多变电站风电场的电缆连接布局 方法， 其特 征在于， 更新粒子的速度与位置的计算式如式(1)和式(2)所示： vi,t+1＝ω·vi,t+r1·rand()·(LBi,t‑xi,t)+r2·rand()·(GBi,t‑xi,t)        (1)权　利　要　求　书 1/2 页 2 CN 113011090 B 2xi,t+1＝xi,t+vi,t+1                                       (2) 其中， vi,t+1为新粒子的速度， xi,t+1为新粒子的位置； vi,t为粒子的原速度， xi,t为粒子的 原位置； LBi,t是粒子的最优解， GBi,t是全局最优粒子， ω是权 重； r1， r2是学习因子 。 5.根据权利要求4所述的基于Voronoi自适应分区的多变电站风电场的电缆连接布局 方法， 其特 征在于， 在所述式(1)中， ω如下式(3)所示： 其中， μ为进化因子 。 6.根据权利要求5所述的基于Voronoi自适应分区的多变电站风电场的电缆连接布局 方法， 其特 征在于， 在所述式(3)中， μ如下式(4)所示， 其中， davg为全局最优粒子与其他粒子之间的平均距离， dmin和dmax为某一粒子到其他粒 子的平均距离中的最小值和最大值。 7.根据权利要求2所述的基于Voronoi自适应分区的多变电站风电场的电缆连接布局 方法， 其特征在于， 粒子i位置的定义为 所述粒子i位置是MWTA维， xi,t,j∈[1,MWTA]， 粒子i速度的定义为 所述粒子i速度是 MWTA维， vi,t,j∈[‑MWTA,MWTA]， 在所述电缆连接布局方法中， 粒子编码过程包括： Set A、 包含在所述最小生成树中已经连接的顶点， 初始化时包含了所述固定区域的 MWTF台风机以及N个所述变电站； Set B、 包含在所述最小生成树中还没有连接的顶点， 初始化时包含了所述自适应区域 的MWTA台风机； Set C、 包含所述Set  A的顶点对应边的连接信息， 初始化时里面存放着所有所述固定 区域的电缆连接布局的边连接信息； Set D、 邻接矩阵AMS:以所述Set  A作为列的索引， 所述Set  B作为行的索引， 得到矩阵 AM， 从小到大排序所述矩阵AM里的所有边长， 得到排序后的邻接矩阵AMS； 其中， AMp,q＝{(p,q)， AMp,q， 2}， AMp,q∈AM,p∈Set A， q∈Set A， AMp,q， 2表示边(p,q)的边长 。 8.根据权利要求7所述的基于Voronoi自适应分区的多变电站风电场的电缆连接布局 方法， 其特 征在于， 粒子解码过程包括： 步骤1、 令j＝1； 步骤2、 根据所述Set  A和所述Set  B的顶点生成所述矩阵AM； 步骤3、 自适应粒子群优化算法根据粒