基本信息:
- 专利标题： 一种考虑风特性的海上风电场集电系统拓扑结构设计方法
- 申请号：CN202211189602.7 申请日：2022-09-28
- 公开(公告)号：CN115495989A 公开(公告)日：2022-12-20
- 发明人： 张长安 , 王海明 , 汪臻 , 黄礼波 , 朱宇晨 , 邹孝涵 , 陆正阳 , 王武超
- 申请人： 西安热工研究院有限公司 , 华能(浙江)能源开发有限公司清洁能源分公司
- 申请人地址： 陕西省西安市碑林区兴庆路136号;
- 专利权人： 西安热工研究院有限公司,华能(浙江)能源开发有限公司清洁能源分公司
- 当前专利权人： 西安热工研究院有限公司,华能(浙江)能源开发有限公司清洁能源分公司
- 当前专利权人地址： 陕西省西安市碑林区兴庆路136号;
- 代理机构： 苏州国诚专利代理有限公司
- 代理人： 王会
- 主分类号： G06F30/27
- IPC分类号： G06F30/27 ; G06Q10/04 ; G06Q50/06 ; G06N3/12 ; G06F111/04 ; G06F113/06
摘要：
本发明公开了一种考虑风特性的海上风电场集电系统拓扑结构设计方法，包括以下步骤：S1对具有串并联集电系统的海上风电场进行弃风分析；S2对考虑电压约束所引起的弃风进行建模，获取具有串并联集电系统的海上风电场中由于弃风造成的功率损失；S3建立海上风电系统的多尾流模型，得到考虑耦合效应的风机系统的预期出力；S4建立直流串并联连接的集电系统的优化模型和目标函数使得系统的平准化电缆能源成本降至最低；S5通过改进的单亲遗传算法优化风机与陆上换流站之间的连接来评估不同拓扑下的弃风和电缆故障功率损失，最后通过比较平准化电缆能源成本输出最优结果。本发明可增加海上风电场的发电量并减少海上平台建设的成本。
IPC结构图谱:
| G06F30/27 | 使用机器学习，例如人工智能，神经网络，支持向量机 |