一、变电站定位及供电区域划分的计算几何方法（论文文献综述）
徐华秒,张军伟[1]（2020）在《基于大数据的变电站智能选址研究》文中提出本文研究了变电站在规划阶段选址和可研阶段选址的不同业务需求,并基于地理信息系统（geographic information systems,GIS）技术和大数据技术分别建立了针对不同时期的变电站选址模型,基于基础地理信息、影像、自然保护区等各种专题图及电力规划基础信息等电力大数据,结合GIS空间分析技术实现变电站的智能选址。通过对规划阶段选址的智能布点技术和可研阶段的智能选址技术的研究完成了变电站从规划阶段到可研站址选择的完整流程,将理论模型及算法与实际工程要求有机结合,能够有效提高变电站选址的智能化水平。
王思伟[2]（2019）在《山东某地区电网智能工业园区能源优化关键技术研究》文中进行了进一步梳理步入新世纪后,绿色环保、节能低碳已经成为当今全球能源研究领域的议题,随着负荷日益增长,新能源的接入虽然满足了负荷需求,其不稳定因素也给配电网的规划运行带来了新的挑战。因而在进行配电网的规划设计时,需要考虑的问题更加复杂全面。运用智能优化算法,科学合理地建设与规划园区配电网,可以为整个电力系统带来巨大的经济效益。本文首先介绍了城市智能园区的规划特征,以山东某电网智能工业园区为研究案例,通过该园区系统架构,构建了园区内配电网的实时高速双向通信网络,使园区主站与调度自动化系统、营销服务系统和用电信息采集系统实现了对接,达到了实时互动的需求响应以及负荷调控要求。在对网架规划时,本文应用多场景方法,将分布式电源的出力、负荷等不确定性因素采用基于核映射的KNN改进算法,根据分布式电源的出力、负荷进行高频率相似日的分类,给出各个场景气象条件相似日天数,并计算出相应的概率,以此来反映该条件下电源出力与负荷消耗的情况。然后,进行场景划分并计算规划年各场景发生的概率。在场景划分后,对配电网分布式电源的接入与系统网架结构建立多种方案,并基于分布式电源与线路的投资成本、运行维护成本、运行损耗费用以及弃风光损失成本建立成本函数,采用遗传算法搜索出成本最优方案。最后通过MATLAB仿真,建立了山东某地区电网智能工业园区的电网模型,以网架投资与网损为代表,得出Pareto解集,从中评选出优化网架结构方案后,对分布式电源的接入位置进行了选择与优化。以山东某地区电网智能工业园区为例,分析了对城市智能园区配电网进行规划时所采取的各种方法与关键技术,构建园区系统构架,实现实时互动的需求响应及负荷调控要求,将分布式电源的出力、负荷等不确定性因素进行场景划分和概率计算,构建配电网分布式电源的接入与系统网架结构的最优方案,增加风电、光伏的能源利用率。
崔羽,侯頔[3]（2018）在《基于GIS分析的Voronoi图变电站选址模型优化》文中研究指明以现有变电站为基础,根据规划区域负荷密度与变电站容量,利用GIS空间分析模块,对Voronoi图变电站选址模型进行了研究;并对传统的Voronoi图变电站选址模型进行了改进,充分考虑了负荷密度与变电站容量分布不均匀等情况,使模型更适用于变电站选址。以沈阳市变电站选址规划为例,证明了改进后模型能较好地满足变电站规划工作的需要。
卢家欢[4]（2018）在《变电站资源优化研究》文中研究说明我国现处于高速发展时期,用电负荷增长较快,原有电力系统己经不能满足供电要求,需进行电网的重新规划,新增或扩建变电站。变电站站址的选择、变电站供电区域的划分以及变电站出线间隔的分配对未来电网的可靠性、经济性、安全性具有重要影响,具有重要的意义。变电站选址问题与实际情况联系密切,涉及的因素很多,单一考虑建站的经济性己不能满足选址要求。本文综合考虑变电站的经济性和地理环境性,提出一种基于改进的遗传算法的变电站选址方法。该方法首先从经济性出发,应用一种改进遗传算法对变电站进行初次选址。这种改进的遗传算法引进了自适应调节参数,使交叉率与变异率参数有“意识”地进行调节,并增加了搜索的多样性,弥补了遗传算法收敛速度慢、易早熟的缺点,具有更好的收敛性能。在确定候选站址后,考虑变电站周边地理环境因素,运用层次分析法对变电站进行二次选址。最后对经济性与地理环境性进行统一优化。算例结果表明,本文所提的方案能够较好地满足变电站规划要求。合理的供电区域划分是各变电站容载比均匀化,各变电站供电安全、可靠、经济的重要保证。变电站供电区域的划分与V图的构成有着很大的相似性,有效影响范围特性、空心圆特性、线性表征特性及局部动态特性等特点表明可用V图模型解决变电站供电区域划分优化问题。加权V图的特性可以用于变电站规划的实际问题,即利用不同的权重值来反映不均匀的负荷分布、各变电站不相同的容量以及不相同的负载率对变电站供电范围划分的影响。普通的加权V图模型在计算时不能够同时考虑变电站负载率和供电半径约束的问题,因此推导时根据加权V图的物理意义推导出新的定权重计算公式;然后提出变权重的定义并推导出计算公式;最后结合改进加权V图和交替定位算法对供电区域划分进行局部寻优。求解时根据变权重动态调整的特点,提出利用元胞自动机生成改进加权V图的算法并进行改进,以提高计算速度。变电站出线间隔优化问题是一个多目标、多约束、非线性的优化问题。综合考虑负载率、备用间隔数、非公用间隔数等多个评价指标,并且考虑供电区域未来负荷变化,由此建立了变电站出线间隔优化的数学模型。采用SPSS聚类分析区分优先级,并基于拉格朗日乘子构造Hopfield神经网络,通过引入粒子群算法的全局记忆性以避免其在求解过程中陷入局部最小解。
王世举[5]（2015）在《考虑供电能力提升和分布式电源接入的变电站优化规划》文中研究说明变电站规划直接关系到未来规划区域的电网空间布局、电网投资、运行经济性及供电可靠性,是电网规划精细化需求背景下的一个重要课题,其相关研究结论会对配电系统规划工作提供指导性建议。变电站规划的相关研究虽然已较为完备,但随着城市经济的高速发展,负荷的不断扩张,传统的变电站规划出现了投资浪费,设备利用率低等缺点,不能达到配电网建设的精细化要求。因此,本文以110kV等级的变电站规划为例,深入开展如何提高变压器设备利用率,减少变电站投资,保证供电安全性及可靠性的研究,并将研究成果与变电站规划理论相结合,形成了考虑供电能力提升和分布式电源接入的变电站优化规划方法。该理论的应用是完善电网规划的重要环节,为配电网精细化规划打下坚实基础。本文的主要内容如下:1.在分析了变电站前期投资、运营维护和报废阶段的成本影响因素的基础上,将变电站成本分为直接成本与间接成本两部分;变电站的直接成本主要指变电站与低压出线的建设投资成本,易于量化;变电站的间接成本与地理、环境、社会等因素相关,不容易量化;因此,本文归纳列出了变电站间接成本的相关指标及其量化判据,并在此基础上,提出了变电站间接成本的综合评价体系;基于改进密切值法,确定了变电站间接成本因子;最后,将变电站直接成本与间接成本因子相结合,构成了变电站全生命周期成本计算模型。该模型全面、准确地反映了变电站全生命阶段成本,为变电站规划提供了决策依据。2.以基于加权Voronoi图的变电站规划理论为基础,深入研究各环节的改进策略,提出了以下改进方案:研究权值调整策略,改善了收敛速度及规划结果;在透彻分析初始站址对规划结果的影响后,提出了基于改进K-means算法的初始站址优化方法,并通过算例结果对比说明了该方法的优势;针对“只重目标,不重过程”的变电站规划现状,提出了由现状年到目标年的过渡年变电站规划方案,完善了变电站全阶段规划工作。3.传统的变电站规划是基于站内主变“N-1”原则确定各变电站的负载率,未考虑站间联络的建立对变电站负载率的影响。本文针对该问题,考虑联络线路及通道建设费用,建立了变电站与站间联络联合优化的全生命周期成本数学模型;在此基础上,提出了变电站与站间联络联合优化规划方法。在满足主变“N-1”原则及负荷需求的前提下,该方法能降低变电站规划容量,提高变压器利用率,减少变电站投资费用,对配电网的精细化规划有重要意义。4.针对未来规划区域面临大规模分布式电源（DG）接入的情况,本文首先依照分布式电源接入前后系统可靠性指标不变的原则,提出了一种分布式电源出力的置信容量评估方法,并深入分析不同的负荷类型对置信容量的影响,有效地对分布式电源的容量价值进行评估;在此基础上,将分布式电源的置信容量与变电站容量相结合,提出了一种考虑规划区域大规模分布式电源接入的变电站优化规划方法。该方法能有效地计及分布式电源的容量价值,降低变电站规划容量,进一步提高配电网规划的精细化水平。
徐中友[6]（2011）在《计及路径影响的变电站供电区域划分》文中研究表明本文在利用Voronoi图对变电站供电区域划分的基础上,提出了计及路径影响的顶点加权Voronoi图的构造方法。通过抽样统计负荷到变电站的输电线路和空间直线距离之间的差异大小,得出以变电站为顶点的加权权重值,用以反映输电路径对变电站供电区域划分的影响强弱,进而得出变电站供电区域的优化划分。实例表明,利用计及路径影响的加权Voronoi图对变电站供电区域的优化划分,一定程度上可以提高电网运行的经济性和合理性。
王芳东,林韩,温步瀛,李传栋[7]（2010）在《基于改进定位策略的顶点加权Voronoi图高压变电站规划》文中研究说明针对大电网高压变电站规划的特点,提出一种改进定位策略的顶点加权Voronoi图高压变电站优化规划方法。有效考虑到采用最大空心圆定位策略时空心圆内负荷分布不均匀的情况,提出最大凸多边形负荷定位策略,使高压变电站在合理分布、电网构架趋于合理的同时,更能提高变电站的有效利用率。在考虑地理信息条件等因素对变电站合理选址的基础上,提出基于变电站容量的顶点加权Voronoi图,对高压变电站定容及供电范围进行优化规划,使高压变电站供电区域更加合理。通过某市部分区域的饱和负荷阶段220 kV变电站的优化规划结果表明本文方法对大区域大电网高压变电站规划具有特殊的优势,是对高压变电站优化规划的一种尝试。
路志英[8]（2010）在《变电站智能规划方法的研究》文中研究说明随着我国经济的快速发展和城市化进程的加快,配电网的规模急剧扩大,因此长期以来配电系统不受重视的情况得到很大的改观,配电系统的规划得到了前所未有的重视,配电系统的规划理念也发生了很大变化。近年来,人们逐渐认识到负荷预测要结合城市发展远景规划进行饱和负荷分布预测,并在此基础上进行远景变电站布局规划,将对配电系统发展极为重要的变电站站址和线路走廊纳入城市规划,保留这些配电系统发展所必需的战略土地资源。因此,基于负荷分布预测的变电站自动规划就变得非常重要。这种变电站规划问题是一个非常复杂的大规模、非线性、多目标、多约束的组合优化难题,目前的变电站规划方法在寻优性能、收敛特性、供电区划分和变电站负载率控制等方面还没有很好地解决。本文在深入研究以往变电站规划研究成果的基础上,采用智能优化算法对变电站规划问题进行了研究,主要成果如下:1在研究现有基于Voronoi图实现变电站规划方法的基础上,提出了基于自适应调节权重的加权Voronoi图变电站选址方法（WVD方法）,该方法具有很好的计算稳定性,克服了传统方法在变电站供电区域划分和负载率无法控制等方面的缺陷,使规划后的变电站供电区域分配更合理,负载率更均衡。2通过本文的研究表明,WVD方法对初始站址比较敏感,其规划结果往往是某初始站址下的局部最优解,根据“多点随机化全局搜索策略+面向问题的局部寻优算法=最有效的全局优化算法”的优化理论,提出了两个改进算法:（1）将遗传算法GA引入加权Voronoi图变电站选址方法（WVD方法）中,实现了基于保存最优遗传算法（ESGA）的加权Voronoi图变电站选址定容方法（ESGA-WVD）;（2）将粒子群优化算法PSO融入加权Voronoi图变电站选址方法（WVD方法）中,实现了基于粒子群优化（PSO）的加权Voronoi图变电站选址方法——PSO-WVD方法。这两种算法通过全局寻优能力来解决WVD方法的局部寻优问题,算例测试结果表明ESGA-WVD方法和PSO-WVD方法克服了单纯ESGA方法或PSO方法带来的问题;而PSO-WVD方法无论是运行时间、收敛速度都更加有效,规划结果也更加优化。3将混沌优化引入基于粒子群的加权Voronoi图变电站选址方法（PSO-WVD）中,实现了基于混沌粒子群优化的加权Voronoi图变电站选址方法——CPSO-WVD。通过对负荷分布密度不均匀算例的仿真计算表明CPSO-WVD方法克服了PSO的早熟,很好地解决了变电站选址的全局寻优,使变电站的供电区域划分合理,满足各变电站负载率的要求。4利用分区加权Voronoi图变电站选址方法（DWV）对负荷分布不均匀的规划问题进行了探讨及仿真,结果表明分区加权Voronoi图变电站选址方法有效地改善了加权Voronoi图的变电站选址方法（WVD）。
路志英,葛少云,王成山[9]（2009）在《基于粒子群优化的加权伏罗诺伊图变电站规划》文中认为针对变电站规划问题,提出一种基于粒子群优化的加权伏罗诺伊图（weighted Voronoi diagram,WVD）变电站规划方法,在变电站数量和容量组合确定的情况下,对变电站的位置和供电范围进行优化。根据变电站及负荷分布的特点,给出全新的权重计算方法,其权重可自适应调整,从而形成基于加权伏罗诺伊图的变电站规划方法。该方法在保证算法收敛的同时,使变电站的位置及供电范围更合理。利用粒子群优化算法的全局搜索特点,实现了基于粒子群优化的加权伏罗诺伊图（particle swarm optimization-weighted voronoi diagram,PSO-WVD）变电站选址及供电范围规划。算例结果表明所提方法无论在变电站站址的确定方面,还是在变电站供电范围的划分方面都比单一方法可靠、合理。
杨丽徙,李晓君,郭清海,娄北[10]（2009）在《障碍V图在变电站供电区域划分中的应用》文中提出线路走廊或空间障碍因素的限制,使电源与负荷点之间的电气距离与其欧氏距离存在差异。应用障碍V图实现变电站供电区域的划分,可以在变电站位置及障碍因素已知的情况下,在满足相关技术约束的条件下,以电气距离之和最短为目标函数,利用障碍V图的几何特性,实现变电站供电区域的最佳划分。算例表明,该方法具有一定的有效性和合理性,能够满足负荷点到其供电电源的电气距离最短的要求。
二、变电站定位及供电区域划分的计算几何方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、变电站定位及供电区域划分的计算几何方法（论文提纲范文）
（1）基于大数据的变电站智能选址研究（论文提纲范文）
| 0 引言 |
| 1 变电站规划阶段选址 |
| 1.1 变电站规划阶段选址计算所需数据 |
| 1.2 变电站规划阶段选址计算算法 |
| 1.2.1 变电站规划阶段选址计算的数学模型 |
| 1.2.2 变电站供电范围划分方法 |
| 1.2.3 变电站规划阶段站址优化方法 |
| 1.2.4 计算流程 |
| 1.3 变电站规划阶段选址功能实现 |
| 2 变电站可研阶段智能选址 |
| 2.1 变电站可研阶段智能选址所需数据 |
| 2.2 变电站可研阶段智能选址算法 |
| 2.3 变电站可研阶段智能选址功能实现 |
| 3 结语 |
（2）山东某地区电网智能工业园区能源优化关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究意义及其背景 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作 |
| 第2章 智能园区用户侧需求及主站功能架构 |
| 2.1 智能园区初始体系架构设计 |
| 2.2 智能园区主站功能建设与完善应用 |
| 2.3 完善后智能园区体系架构 |
| 2.4 智能园区调度管理 |
| 2.5 本章小结 |
| 第3章 多场景规划理论方法 |
| 3.1 多场景柔性规划方法 |
| 3.2 KNN邻域算法 |
| 3.3 本章小结 |
| 第4章 智能园区网架规划模型与求解 |
| 4.1 基于多场景方法的多目标函数构建 |
| 4.2 约束条件 |
| 4.3 遗传算法简介 |
| 4.4 改进多目标遗传算法 |
| 4.5 本章小结 |
| 第5章 算例分析 |
| 5.1 智能园区网架规划 |
| 5.2 智能园区分布式电源接入规划 |
| 5.3 本章小结 |
| 第6章 结论 |
| 参考文献 |
| 致谢 |
| 在读期间参与的科研项目及成果 |
| 学位论文评阅及答辩情况表 |
（3）基于GIS分析的Voronoi图变电站选址模型优化（论文提纲范文）
| 1变电站选址原则 |
| 2 Voronoi图和最小覆盖圆的基本理论 |
| 2.1 Voronoi图的定义[5-6] |
| 2.2 Voronoi图在变电站选址中的特性 |
| 2.3 最小覆盖圆问题 |
| 2.4 顶点加权Voronoi图的定义 |
| 3 变电站选址模型优化 |
| 3.1 模型的改进优化 |
| 3.1.1 负荷分配方式的改进 |
| 3.1.2 负荷中心位置的改进 |
| 3.1.3 加权多边形权重的改进 |
| 3.2 改进后变电站选址模型的实现 |
| 4 变电站选址算法实例 |
| 4.1 基于GIS的现状变电站分析 |
| 4.2 利用改进后的模型确定新建变电站 |
（4）变电站资源优化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状综述 |
| 1.2.1 变电站选址优化研究 |
| 1.2.2 变电站供电区域优化研究 |
| 1.2.3 变电站间隔资源优化研究 |
| 1.3 研究内容及组织结构 |
| 1.3.1 主要研究内容 |
| 1.3.2 本文组织结构 |
| 第2章 基于改进遗传算法的变电站选址优化 |
| 2.1 变电站选址问题概述 |
| 2.2 影响变电站选址因素 |
| 2.2.1 成本因素 |
| 2.2.2 地理因素 |
| 2.2.3 环境影响因素 |
| 2.2.4 社会效益因素 |
| 2.3 变电站选址优化模型 |
| 2.3.1 变电站规划年最小费用模型 |
| 2.3.2 遗传算法的定义与实现 |
| 2.3.3 传统遗传算法 |
| 2.3.4 改进遗传算法 |
| 2.3.5 基于层次分析法的选址评价函数 |
| 2.4 算例分析 |
| 2.5 本章小结 |
| 第3章 基于改进加权Voronoi图的变电站供电区域划分优化 |
| 3.1 变电站供电区域划分问题概述 |
| 3.2 模型的建立 |
| 3.2.1 Voronoi图模型的定义与性质 |
| 3.2.2 常规Voronoi图模型 |
| 3.2.3 加权Voronoi图模型 |
| 3.2.4 改进加权Voronoi图模型 |
| 3.3 基于CA的改进加权Voronoi图模型 |
| 3.4 算例分析 |
| 3.5 本章小结 |
| 第4章 基于改进Hopfield神经网络算法的变电站出线间隔优化分配 |
| 4.1 变电站出线间隔优化问题概述 |
| 4.2 模型建立 |
| 4.2.1 目标函数 |
| 4.2.2 约束条件 |
| 4.3 Hopfield神经网络算法 |
| 4.3.1 基本Hopfield神经网络算法 |
| 4.3.2 改进的Hopfield神经网络算法 |
| 4.3.3 算法流程 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间发表和录用的学术论文 |
（5）考虑供电能力提升和分布式电源接入的变电站优化规划（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 变电站规划问题概述 |
| 1.1.1 变电站规划的地位 |
| 1.1.2 变电站规划的意义 |
| 1.1.3 变电站规划的基本要求 |
| 1.2 变电站规划理论的发展现状 |
| 1.2.1 数学优化算法 |
| 1.2.2 启发式优化方法 |
| 1.2.3 随机优化方法 |
| 1.3 变电站规划面临的问题和挑战 |
| 1.3.1 优化目标中费用的组成 |
| 1.3.2 变电站规划理论及方法 |
| 1.3.3 配电网络变电站与站间联络联合规划 |
| 1.3.4 含分布式电源的变电站规划理论 |
| 1.4 本文主要工作及组织结构 |
| 1.4.1 主要工作 |
| 1.4.2 章节安排及组织结构 |
| 第二章 变电站全生命周期成本模型 |
| 2.1 变电站成本的主要构成 |
| 2.1.1 直接成本影响因素 |
| 2.1.2 间接成本影响因素 |
| 2.2 变电站全生命周期指标体系 |
| 2.2.1 指标体系构建原则 |
| 2.2.2 指标体系的构建 |
| 2.2.3 变电站选址定容间接成本因子的确定 |
| 2.3 变电站全生命周期成本计算模型 |
| 2.3.1 全生命周期成本管理的特点及优越性 |
| 2.3.2 变电站规划的阶段划分 |
| 2.3.3 变电站规划的全寿命周期成本计算模型的构建 |
| 2.4 算例分析 |
| 2.5 本章小结 |
| 第三章 基于加权Voronoi图与全生命周期成本的变电站规划 |
| 3.1 变电站规划的数学模型 |
| 3.2 基于加权Voronoi图的变电站规划 |
| 3.2.1 加权Voronoi图的定义及性质 |
| 3.2.2 孤立负荷点与孤立站的处理办法 |
| 3.2.3 新建站个数及容量组合 |
| 3.2.4 变电站站址及供电范围划分 |
| 3.3 基于改进K-means聚类算法的初始站址优化 |
| 3.3.1 聚类分析的概念 |
| 3.3.2 K-means聚类算法的基本原理 |
| 3.3.3 K-means聚类算法的改进策略研究 |
| 3.4 由现状年到目标年过渡的中间年规划 |
| 3.4.1 变电站中间年规划原理 |
| 3.4.2 变电站中间年规划流程 |
| 3.4.3 变电站中间年规划的完善与改进 |
| 3.5 算例分析 |
| 3.5.1 基于加权Voronoi图的变电站规划算例分析 |
| 3.5.2 基于改进K-means聚类算法的初始站址优化算例 |
| 3.5.3 由现状年到目标年过渡的中间年规划算例 |
| 3.6 本章小结 |
| 第四章 变电站与站间联络联合优化研究 |
| 4.1 变电站与站间联络联合优化的思路与模型 |
| 4.1.1 总体思路 |
| 4.1.2 数学模型 |
| 4.2 配电系统的供电能力计算 |
| 4.2.1 系统供电能力的基本定义 |
| 4.2.2 配电系统供电能力的表达式 |
| 4.2.3 配电系统供电能力的计算模型 |
| 4.3 变电站与站间联络联合优化方法 |
| 4.3.1 变电站个数及容量组合的确定 |
| 4.3.2 变电站站间联络优化 |
| 4.3.3 变电站与站间联络联合优化的基本步骤 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 第五章 考虑分布式电源置信容量评估的变电站优化规划方法 |
| 5.1 引言 |
| 5.2 含分布式电源发电系统的可靠性评估 |
| 5.2.1 可靠性评估方法简介 |
| 5.2.2 含可再生电源的发电系统可靠性评估 |
| 5.3 分布式电源的置信容量评估方法 |
| 5.3.1 概述 |
| 5.3.2 置信容量相关指标的定义 |
| 5.3.3 分布式电源的置信容量评估方法 |
| 5.3.4 分布式电源的置信容量的影响因素分析 |
| 5.4 考虑分布式电源置信容量评估的变电站优化规划方法 |
| 5.5 算例分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 未来工作展望 |
| 附录 |
| 附录A 风速数据 |
| 附录B 光强数据 |
| 附录C 负荷及分布式电源数据 |
| 参考文献 |
| 发表论文和科研情况说明 |
| 致谢 |
（6）计及路径影响的变电站供电区域划分（论文提纲范文）
| 0.引言 |
| 1. 常规Voronoi图及其性质 |
| 2. 顶点加权Voronoi图 |
| 3. 计及路径影响的加权Voronoi图 |
| 4. 算例 |
| 5. 结论 |
（7）基于改进定位策略的顶点加权Voronoi图高压变电站规划（论文提纲范文）
| 1 变电站优化规划的数学模型 |
| 2 Voronoi图基本概念及性质 |
| 2.1 常规Voronoi图概念及性质 |
| 2.2 顶点加权Voronoi图 |
| 3 改进定位策略的提出 |
| 3.1 最大空心圆定位策略 |
| 3.2 最大凸多边形负荷定位策略 |
| 4 基于改进定位策略的顶点加权Voronoi图的高压变电站选址定容 |
| 4.1 新建变电站个数范围 |
| 4.2 确定新建站容量组合 |
| 4.3 最大凸多边形负荷定位策略的变电站优化选址 |
| 4.4 基于顶点加权的Voronoi图变电站定容及供电范围的优化 |
| 4.5 算法总结 |
| 5 算例 |
| 6 结语 |
（8）变电站智能规划方法的研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 城市电网规划 |
| 1.2 变电站规划 |
| 1.3 变电站规划准则 |
| 1.4 变电站规划的研究现状 |
| 1.4.1 数学优化算法 |
| 1.4.2 启发式优化方法 |
| 1.4.3 随机优化方法 |
| 1.5 本文工作 |
| 第二章 变电站优化规划数学模型 |
| 2.1 变电站年投资费用 |
| 2.1.1 变电站投入状况 |
| 2.1.2 变电站年投资费用 |
| 2.2 变电站低压侧的线路投资费用 |
| 2.3 变电站低压侧线路网损年费用 |
| 2.4 变电站优化规划的目标函数 |
| 2.5 新建站数量及容量的确定 |
| 2.5.1 确定新建站数量 |
| 2.5.2 确定新建站容量组合 |
| 2.6 本章小结 |
| 第三章 基于加权Voronoi图的变电站选址规划 |
| 3.1 常规Voronoi图 |
| 3.1.1 常规Voronoi图的定义 |
| 3.1.2 常规Voronoi图的性质 |
| 3.2 加权Voronoi图 |
| 3.2.1 加权Voronoi图的定义 |
| 3.2.2 加权Voronoi图的性质 |
| 3.3 加权Voronoi图的变电站规划 |
| 3.3.1 确定初始站址 |
| 3.3.2 确定站址及供电范围 |
| 3.3.3 算例分析 |
| 3.4 本章小结 |
| 第四章 基于遗传算法的加权Voronoi图变电站选址 |
| 4.1 遗传算法构成要素 |
| 4.1.1 个体编码 |
| 4.1.2 适应度函数 |
| 4.1.3 遗传操作算子 |
| 4.1.4 控制参数与终止判据 |
| 4.2 保存最优遗传算法 |
| 4.2.1 保存最优遗传算法ESGA |
| 4.2.2 算例分析 |
| 4.3 基于最优保存遗传算法的Voronoi图变电站选址 |
| 4.3.1 ESGA-WVD计算流程 |
| 4.3.2 算例分析 |
| 4.4 本章小结 |
| 第五章 粒子群优化的加权Voronoi图变电站选址 |
| 5.1 PSO理论 |
| 5.1.1 PSO算法原理及特点 |
| 5.1.2 基本PSO算法及步骤 |
| 5.2 具有惯性权重(inertia weight)的标准PSO算法 |
| 5.3 具有收缩因子(constriction factor) 的PSO算法 |
| 5.4 PSO算法的收敛性及参数选择 |
| 5.4.1 PSO算法的收敛性 |
| 5.4.2 PSO算法的参数选择 |
| 5.5 算例分析 |
| 5.5.1 标准PSO算法的变电站选址 |
| 5.5.2 基于标准PSO算法的Voronoi图变电站选址 |
| 5.5.3 ESGA-WVD与PSO-WVD方法比较 |
| 5.6 本章小结 |
| 第六章 混沌粒子群的加权Voronoi图变电站选址 |
| 6.1 混沌及其运动特点混沌 |
| 6.1.1 混沌运动特点 |
| 6.1.2 混沌优化 |
| 6.2 混沌运动方程及混沌识别 |
| 6.2.1 混沌运动方程 |
| 6.2.2 混沌识别 |
| 6.3 混沌粒子群的加权Voronoi图变电站选址 |
| 6.3.1 PSO早熟现象判定——适应值方差 |
| 6.3.2 CPSO-WVD算法 |
| 6.3.3 算例分析 |
| 6.4 本章小结 |
| 第七章 分区加权Voronoi图变电站选址初探 |
| 7.1 分区加权Voronoi图 |
| 7.2 基于分区加权Voronoi图变电站选址 |
| 7.3 算例分析 |
| 7.4 本章小结 |
| 第八章 总结与展望 |
| 8.1 本文总结 |
| 8.2 展望 |
| 参考文献 |
| 发表论文和科研情况说明 |
| 致谢 |
（9）基于粒子群优化的加权伏罗诺伊图变电站规划（论文提纲范文）
| 0 引言 |
| 1 变电站优化选址的数学模型 |
| 2 基于加权伏罗诺伊图的变电站选址 |
| 2.1 加权伏罗诺伊图 |
| 2.2 加权伏罗诺伊图变电站选址 |
| 2.2.1 新建站个数的确定 |
| 2.2.2 新建站容量组合的确定 |
| 2.2.3 新建站站址及供电范围的确定 |
| 2.2.4 加权伏罗诺伊图变电站选址的改进方法 |
| 2.2.5 算例结果及分析 |
| 3 基于粒子群优化的加权伏罗诺伊图变电站选址 |
| 3.1 粒子群算法理论 |
| 3.2 计算流程 |
| 3.3 实验结果及分析 |
| 3.3.1 算例1 |
| 3.3.2 算例2 |
| 4 结论 |
（10）障碍V图在变电站供电区域划分中的应用（论文提纲范文）
| 1 变电站优化规划及供电区域划分的原则 |
| 2 V图的定义及性质 |
| 2.1 基本Voronoi图定义与性质 |
| 2.2 障碍Voronoi图的定义与性质 |
| 2.3 在供电区域划分中基本V图与障碍V图的区别 |
| 2.4 线段障碍与电气距离的表征 |
| 3 供电区域的划分 |
| 3.1 应用障碍V图划分供电区域的基本步骤 |
| 3.2 检测与着色策略 |
| 3.3 障碍V图边界的构成 |
| 4 算例 |
| 5 结论 |
四、变电站定位及供电区域划分的计算几何方法（论文参考文献）
- [1]基于大数据的变电站智能选址研究[J]. 徐华秒,张军伟. 电力勘测设计, 2020(S2)
- [2]山东某地区电网智能工业园区能源优化关键技术研究[D]. 王思伟. 山东大学, 2019(02)
- [3]基于GIS分析的Voronoi图变电站选址模型优化[J]. 崔羽,侯頔. 地理空间信息, 2018(11)
- [4]变电站资源优化研究[D]. 卢家欢. 浙江大学, 2018(08)
- [5]考虑供电能力提升和分布式电源接入的变电站优化规划[D]. 王世举. 天津大学, 2015(08)
- [6]计及路径影响的变电站供电区域划分[J]. 徐中友. 科技信息, 2011(04)
- [7]基于改进定位策略的顶点加权Voronoi图高压变电站规划[J]. 王芳东,林韩,温步瀛,李传栋. 华东电力, 2010(11)
- [8]变电站智能规划方法的研究[D]. 路志英. 天津大学, 2010(11)
- [9]基于粒子群优化的加权伏罗诺伊图变电站规划[J]. 路志英,葛少云,王成山. 中国电机工程学报, 2009(16)
- [10]障碍V图在变电站供电区域划分中的应用[J]. 杨丽徙,李晓君,郭清海,娄北. 电力系统及其自动化学报, 2009(01)
标签：变电站论文; 变电站综合自动化系统论文; 分布式电源论文; 计算负荷论文; 负荷预测论文;