文献类型：期刊文章

作　　者：戚远航[1] 侯鹏[2] 金荣森[3]

QI Yuanhang;HOU Peng;JIN Rongsen(School of Computer Science,Zhongshan Institute,University of Electronic Science and Technology of China,Zhongshan 528402,China;Shanghai Electric Wind Power Group European Innovation Center,Aarhus 8200,Denmark;School of Data Science,The Chinese University of Hong Kong,Shenzhen,Shenzhen 518712,China)

机构地区：[1]电子科技大学中山学院计算机学院,广东省中山市528402 [2]上海电气风电集团欧洲科创中心,奥胡斯市8200,丹麦 [3]香港中文大学(深圳)数据科学学院,广东省深圳市518712

出　　处：《电力系统自动化》

基　　金：广东省普通高校重点领域专项(2020ZDZX3030)。

年　　份：2021

卷　　号：45

期　　号：21

起止页码：66-75

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对多变电站海上风电场的电气系统拓扑优化,现有的方法一般根据预先确定的变电站个数将整体海上风电场划分为几个固定的子区域,然后分别进行独立的电缆连接布局优化,最终聚合得到整体方案。然而,采用固定的划分策略很难得到全局最优方案。因此,考虑多海上变电站选址、电缆选型、功率损耗等因素,以最小化成本为目标,建立多变电站海上风电场的电缆连接布局优化模型,并提出一种基于Voronoi自适应分区的Q学习粒子群算法进行求解。所提出的算法以Q学习粒子群算法为核心,设计一种基于Voronoi图的自适应分区策略实现自适应分区,并结合相应的编解码策略实现不同分区的电缆连接。最后,通过算例分析证明所提出模型以及算法的有效性。

关 键 词：海上风电场 多变电站  电气系统拓扑  粒子群算法 强化学习  自适应分区  

分 类 号：TM614]