[發明專利]一種基于遺傳算法求解風機功率曲線參數模型的改進方法

有效

• 申請號: 201510424007.0
• 申請日: 2015-07-20
• 公開（公告）號: CN105069192B
• 公開（公告）日: 2018-02-27
• 發明（設計）人: 劉寧;張家安;李志剛;王華君;楊彥杰;孟心怡;高艷紅;李軒;趙凡
• 申請（專利權）人: 河北工業大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 北京科億知識產權代理事務所(普通合伙)11350
• 代理人: 湯東鳳

技術領域

本發明屬于風力發電技術領域，尤其是涉及一種基于遺傳算法求解風機功率曲線參數模型的改進方法。

背景技術

目前，隨著國家新能源發展戰略的提出和實施，我國風電產業進入跨越式發展的階段。風力發電技術在我國的快速發展，致使風電在我國發電總量中比重逐年增加，風力發電占供電比重迅速增長，風電裝機容量也逐年攀升。

其中，風電機組功率特性曲線是考核機組性能、評估機組發電能力和預測年發電量的一項重要指標。風電機組功率特性曲線描述了風電組輸出有功功率與風速之間的關系，本質上反映了風電機組的性能；不僅如此，風力發電機組的功率曲線在風場經濟性分析活動中也具有重要作用，它不僅能驗證風機運行狀況是否在廠家標稱值以內，還能對比各風機橫向數據，早期發現問題，加以排查，減少電量損失。此外，基于實測數據的功率曲線建模還可以提高風電功率預測系統的精度。

風電機組功率曲線模型主要包括參數模型和非參數模型，所謂非參數模型是指系統的數學模型中非顯式地包含可估參數，該非參數模型通常以響應曲線或離散值形式表示；而參數模型指用代數方程、微分方程、微分方程組以及傳遞函數等描述的模型，建立參數模型就在于確定已知模型結構中的各個參數。相比而言，非參數模型在實時控制和適應性控制方面沒有形式簡單的參數模型使用方便。

遺傳算法是采用類似自然界生物遺傳的方法，通過模擬自然界對生物的選擇，產生適者生存、優勝劣汰的效果，進而實現優化。

自然界對生物的選擇作用與生物的適應性緊密相關，生物對自然界的適應能力的強弱決定著其在自然界中的生存機率，適應度低的個體逐漸遭到淘汰，適應度高的個體多數得以生存，經過代代繁衍，生物種群會朝向適應度高的方向發展，總體特征表現為生物體整體的適應性提高，呈現進化趨勢。生物的適應性是生物對外習性的體現，對內就體現為生物基因對生物性狀的控制。遺傳算法模擬自然界生物進化的方法，將待優化問題轉化成類似自然界的優勝劣汰的問題，模擬自然選擇，選出最優解。

遺傳算法將待優化問題中的參變量通過一定規則轉換成一組二進制基因序列，一個基因序列代表一個個體，后隨機生成多組序列，形成初始種群。通過制定適應度函數、評價函數、設立約束條件等方式來模擬自然界環境對生物的約束，對自然界適應性強弱與基因轉化成的參數帶入適應度函數所得適應度函數值呈正相關。適應度函數值決定著個體在篩選過程中被保留的機率，適應度越高，被保留機率越大。經過代代遺傳，層層篩選，適應度高的個體最終得以保留，適應度低的個體遭到淘汰，最終使得種群基因逐漸趨近最優解，從而實現對任務要求類型的最優化。

對種群基因進行的遺傳操作主要有三種：復制、交叉、變異。復制操作是指單個基因的完整保留并進入下一代，個體是否被執行復制操作的判斷依據是其適應度值，適應度函數值越高，個體對自然界環境的適應能力越強，能復制進入下一代的機率越大。交叉操作類似于自然界中的生物體交配產生新個體，交叉主體是一對個體的基因，過程是兩個個體基因的部分交換，交換根據一定原則進行。變異操作類似于自然界中的基因突變，在遺傳算法中主要體現為用于表示基因的數字串上某單點或多點數值的改變，通過這種改變來達到對基因體的改變。在遺傳算法中會制定相應的交叉算子、變異算子等。交叉算子用來指定進行交叉操作的個體，并決定個體基因序列中互換的位置；變異算子的作用是決定變異的個體，并決定變異發生在基因串上的位置。

復制、遺傳、變異等操作產生了新一代種群，之后計算新種群的適應度函數值和評價函數值，再進行復制、遺傳、變異等操作，如此循環，直至滿足優化目標。遺傳算法的迭代終止條件可以是使種群整體的適應度值滿足某個具體要求，也可以是滿足具體迭代代數，最終輸出的最優解即為優化結果。由于遺傳算法的特點，種群數目多數情況比較龐大，適應度函數和評價函數的復雜程度與計算執行時間有直接關系，種群個體數量達到一定值時，一代種群的適應度函數值和評價函數值的計算可能會可提升至秒級甚至分鐘級。這樣重復地進行幾百代甚至幾千代的函數值計算，所耗時長將會相當巨大。因此精簡計算、縮短計算時間、提高算法執行效率是十分必要的。

遺傳算法具體實現流程為：

A.根據待優化問題生成約束函數、目標函數和輸出解；

B.隨機生成一個種群；

C.計算種群的適應度值；

D.判斷是否滿足收斂條件或最大代數：是，輸出最優解；否，生成新種群返回執行C；

通過對每一代的基因選擇，在重復有限次的迭代后，生成的新個體會具有足夠高的適應度，從而達到優化目的。