一種基于遺傳算法的風(fēng)電場多型號風(fēng)機(jī)優(yōu)化排布方法
【專利摘要】本發(fā)明涉及一種基于遺傳算法的風(fēng)電場多型號風(fēng)機(jī)優(yōu)化排布方法，包括以下步驟：1)根據(jù)風(fēng)機(jī)直徑將風(fēng)電場區(qū)域劃分成大小相等的正方形網(wǎng)格，隨機(jī)生成相同行列的整數(shù)矩陣作為算法的初始解；2)計(jì)算當(dāng)前代的個(gè)體適應(yīng)度值；3)通過均勻隨機(jī)選擇算子選擇參與交叉的父代個(gè)體，再利用改進(jìn)的交叉變異算子生成子代個(gè)體；4)對種群中的個(gè)體引入修復(fù)算子；5)對種群當(dāng)前代最優(yōu)解引入Tabu算子，將該最優(yōu)解作為Tabu算法的初始解，搜索最優(yōu)解的鄰域解；6)判斷是否達(dá)到最大的迭代次數(shù)，若為是，則完成多型號風(fēng)機(jī)優(yōu)化排布，否則返回步驟2)。與現(xiàn)有技術(shù)相比，本發(fā)明具有編碼方式直觀、性能指標(biāo)好、局部搜索能力強(qiáng)、擴(kuò)展性高、實(shí)用性強(qiáng)等優(yōu)點(diǎn)。
【專利說明】一種基于遺傳算法的風(fēng)電場多型號風(fēng)機(jī)優(yōu)化排布方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種風(fēng)電場多型號風(fēng)機(jī)優(yōu)化排布方法，尤其是涉及一種基于遺傳算法的風(fēng)電場多型號風(fēng)機(jī)優(yōu)化排布方法。
【背景技術(shù)】
[0002]風(fēng)電場微觀選址技術(shù)是風(fēng)電產(chǎn)業(yè)合理規(guī)劃的關(guān)鍵科學(xué)問題，可以從根本上杜絕風(fēng)機(jī)選型、選址的失誤，排布優(yōu)化方法是提高風(fēng)電場風(fēng)能資源利用率和功率輸出的關(guān)鍵方法，有助于實(shí)現(xiàn)風(fēng)電場建設(shè)的合理決策與科學(xué)發(fā)展。然而如何充分利用風(fēng)電場不同高度的風(fēng)能資源，進(jìn)一步提高風(fēng)電場的經(jīng)濟(jì)效益仍然是微觀選址領(lǐng)域的難題之一。
[0003]實(shí)際風(fēng)電場的選址主要包括宏觀選址和微觀選址兩部分。風(fēng)電場宏觀選址是風(fēng)電場場址選擇，即在一個(gè)較大的地區(qū)內(nèi)，通過對若干場址的風(fēng)能資源和其它建設(shè)條件的分析比較，確定風(fēng)電場的建設(shè)地點(diǎn)、開發(fā)價(jià)值、開發(fā)策略和開發(fā)步驟的過程，對項(xiàng)目經(jīng)濟(jì)可行性起重要作用。風(fēng)電場微觀選址是在宏觀選址的基礎(chǔ)上根據(jù)給定風(fēng)電場的風(fēng)向、風(fēng)速、地形、地貌等特征以及風(fēng)機(jī)特性，確定風(fēng)機(jī)安裝數(shù)量和位置，從而使整個(gè)風(fēng)電場產(chǎn)能最優(yōu)，具有較好的經(jīng)濟(jì)效益，同時(shí)滿足其他經(jīng)濟(jì)、社會、環(huán)境指標(biāo)的要求。
[0004]由于風(fēng)電場微觀選址優(yōu)化是一種非線性、強(qiáng)耦合問題，涉及地理、氣象、流體、機(jī)電等因素，無法通過傳統(tǒng)的最優(yōu)控制方法獲得確切的解，因而必須運(yùn)用先進(jìn)控制理論進(jìn)行優(yōu)化決策。目前，國內(nèi)外就該研究方向已有一些指導(dǎo)性的研究成果，所采用的優(yōu)化方法主要包括遺傳算法、粒子群優(yōu)化算法、蒙特卡洛模擬法等，研究對象大多為單一型號風(fēng)機(jī)組成的風(fēng)電場。選擇這樣的研究對象雖然降低了算法設(shè)計(jì)和實(shí)際風(fēng)電場建設(shè)難度，然而在近地層中，由于風(fēng)切變效應(yīng)使得風(fēng)速隨高度顯著變化，具體表現(xiàn)為風(fēng)速隨高度的升高而增加，因此僅包含單一型號風(fēng)機(jī)的風(fēng)電場會在一定程度上影響風(fēng)電場功率輸出和風(fēng)能資源利用率，從而降低整個(gè)風(fēng)電場的產(chǎn)能效率和經(jīng)濟(jì)指標(biāo)。
[0005]與本發(fā)明相關(guān)的文獻(xiàn)和專利中，文獻(xiàn)J.Castro Mora, J.M.Calero Baron,J.M.Riquelme Santos,and M.Burgos Payan," An evolutive algorithm for wind farmoptimal design, " Neurocomputing, pp.2651-2658, 2007 提出了多型號風(fēng)機(jī)優(yōu)化排布問題的解決方法，但文獻(xiàn)中的優(yōu)化結(jié)果中風(fēng)機(jī)臺數(shù)較少且并未考慮尾流影響，不符合實(shí)際風(fēng)電場建設(shè)要求；專利《一種基于實(shí)數(shù)編碼遺傳算法的風(fēng)電場微觀選址優(yōu)化方法》(申請公布號為CN102142103A)提出了使用實(shí)數(shù)編碼方式的遺傳算法解決風(fēng)電場微觀選址優(yōu)化，但其研究對象為單一型號組成的風(fēng)電場，并未考慮多型號風(fēng)機(jī)的優(yōu)化排布，不能充分利用不同高度的風(fēng)能資源。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種編碼方式直觀、性能指標(biāo)好、局部搜索能力強(qiáng)、擴(kuò)展性高、實(shí)用性強(qiáng)的基于遺傳算法的風(fēng)電場多型號風(fēng)機(jī)優(yōu)化排布方法。[0007]本發(fā)明的目的可以通過以下技術(shù)方案來實(shí)現(xiàn):
[0008]一種基于遺傳算法的風(fēng)電場多型號風(fēng)機(jī)優(yōu)化排布方法，其特征在于，包括以下步驟:
[0009]1)根據(jù)風(fēng)機(jī)直徑將風(fēng)電場區(qū)域劃分成大小相等的正方形網(wǎng)格，隨機(jī)生成相同行列的整數(shù)矩陣作為算法的初始解，矩陣中元素的數(shù)值代表對應(yīng)網(wǎng)格中風(fēng)機(jī)的信息；
[0010]2)計(jì)算當(dāng)前代的個(gè)體適應(yīng)度值；
[0011]3)根據(jù)計(jì)算出的個(gè)體適應(yīng)度值，通過均勻隨機(jī)選擇算子選擇參與交叉的父代個(gè)體，再利用改進(jìn)的交叉變異算子生成子代個(gè)體；
[0012]4)對種群中的個(gè)體引入修復(fù)算子，將不滿足風(fēng)機(jī)最小約束距離的排布方式修復(fù)為合理可行的排布；
[0013]5)對種群當(dāng)前代最優(yōu)解引入Tabu算子，將該最優(yōu)解作為Tabu算法的初始解，搜索最優(yōu)解的鄰域解；
[0014]6)判斷是否達(dá)到最大的迭代次數(shù)，若為是，則完成多型號風(fēng)機(jī)優(yōu)化排布，否則返回步驟2)。
[0015]所述的網(wǎng)格中風(fēng)機(jī)的信息包括網(wǎng)格中是否放置風(fēng)機(jī)以及放置風(fēng)機(jī)的具體型號。
[0016]所述的個(gè)體適應(yīng)度值計(jì)算如下:
[0017]個(gè)體適應(yīng)度值通過計(jì)算個(gè)體的凈現(xiàn)值NPV來表示，適應(yīng)度值最高的個(gè)體即NPV值最大的個(gè)體，NPV的計(jì)算公式為:
[0018]
【權(quán)利要求】
1.一種基于遺傳算法的風(fēng)電場多型號風(fēng)機(jī)優(yōu)化排布方法，其特征在于，包括以下步驟: 1)根據(jù)風(fēng)機(jī)直徑將風(fēng)電場區(qū)域劃分成大小相等的正方形網(wǎng)格，隨機(jī)生成相同行列的整數(shù)矩陣作為算法的初始解，矩陣中元素的數(shù)值代表對應(yīng)網(wǎng)格中風(fēng)機(jī)的信息； 2)計(jì)算當(dāng)前代的個(gè)體適應(yīng)度值； 3)根據(jù)計(jì)算出的個(gè)體適應(yīng)度值，通過均勻隨機(jī)選擇算子選擇參與交叉的父代個(gè)體，再利用改進(jìn)的交叉變異算子生成子代個(gè)體； 4)對種群中的個(gè)體引入修復(fù)算子，將不滿足風(fēng)機(jī)最小約束距離的排布方式修復(fù)為合理可行的排布； 5)對種群當(dāng)前代最優(yōu)解引入Tabu算子，將該最優(yōu)解作為Tabu算法的初始解，搜索最優(yōu)解的鄰域解； 6)判斷是否達(dá)到最大的迭代次數(shù)，若為是，則完成多型號風(fēng)機(jī)優(yōu)化排布，否則返回步驟2)。
2.根據(jù)權(quán)利要求1所述的一種基于遺傳算法的風(fēng)電場多型號風(fēng)機(jī)優(yōu)化排布方法，其特征在于，所述的網(wǎng)格中風(fēng)機(jī)的信息包括網(wǎng)格中是否放置風(fēng)機(jī)以及放置風(fēng)機(jī)的具體型號。
3.根據(jù)權(quán)利要求1所述的一種基于遺傳算法的風(fēng)電場多型號風(fēng)機(jī)優(yōu)化排布方法，其特征在于，所述的個(gè)體適應(yīng)度值計(jì)算如下: 個(gè)體適應(yīng)度值通過計(jì)算個(gè)體的凈現(xiàn)值NPV來表示，適應(yīng)度值最高的個(gè)體即NPV值最大的個(gè)體，NPV的計(jì)算公式為:
4.根據(jù)權(quán)利要求1所述的一種基于遺傳算法的風(fēng)電場多型號風(fēng)機(jī)優(yōu)化排布方法，其特征在于，所述的搜索最優(yōu)解的鄰域解具體為: 對于當(dāng)前最優(yōu)排布結(jié)果，在可移動的網(wǎng)格鄰域內(nèi)對風(fēng)機(jī)位置進(jìn)行微調(diào)，通過比較調(diào)整前后排布結(jié)果的適應(yīng)度值大小得出種群中最優(yōu)解。
5.根據(jù)權(quán)利要求1所述的一種基于遺傳算法的風(fēng)電場多型號風(fēng)機(jī)優(yōu)化排布方法，其特征在于，所述的修復(fù)算子具體為: 由于多型號風(fēng)機(jī)間高度和直徑的差別，所劃分的網(wǎng)格長寬以直徑較小風(fēng)機(jī)最小約束距離為準(zhǔn)，而直徑較大的風(fēng)機(jī)的最小安全距離需要保證風(fēng)機(jī)間距大于兩個(gè)網(wǎng)格的長度，修復(fù)算子以逆時(shí)針的順序輪詢每個(gè)網(wǎng)格中，若網(wǎng)格中放置直徑較大的風(fēng)機(jī)，則其周圍不能放置任何風(fēng)機(jī)，從而確保風(fēng)機(jī)的排布能夠滿足各自的最小約束距離。
【文檔編號】G06F17/50GK103793566SQ201410041331
【公開日】2014年5月14日 申請日期:2014年1月28日 優(yōu)先權(quán)日:2014年1月28日
【發(fā)明者】王峻, 段彬 申請人:同濟(jì)大學(xué)