[發(fā)明專利]風(fēng)電場的優(yōu)化設(shè)計方法、系統(tǒng)、電子設(shè)備和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010176942.0
• 申請日: 2020-03-13
• 公開（公告）號: CN111339713B
• 公開（公告）日: 2023-09-26
• 發(fā)明（設(shè)計）人: 許夢瑩;蔣勇;許移慶
• 申請（專利權(quán)）人: 上海電氣風(fēng)電集團股份有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/126
• 代理公司: 上海弼興律師事務(wù)所 31283
• 代理人: 薛琦;林嵩

本發(fā)明公開了一種風(fēng)電場的優(yōu)化設(shè)計方法、系統(tǒng)、電子設(shè)備和存儲介質(zhì)，所述優(yōu)化設(shè)計方法包括：獲取風(fēng)電場對應(yīng)的n個優(yōu)化目標(biāo)；確定每個優(yōu)化目標(biāo)對應(yīng)的目標(biāo)函數(shù)和設(shè)計變量信息；采用智能優(yōu)化算法獲取多個優(yōu)化目標(biāo)對應(yīng)的帕累托最優(yōu)解集；根據(jù)預(yù)設(shè)條件從帕累托最優(yōu)解集中選取目標(biāo)帕累托解；獲取目標(biāo)帕累托解對應(yīng)的目標(biāo)設(shè)計變量值；根據(jù)目標(biāo)設(shè)計變量值對風(fēng)電場進(jìn)行優(yōu)化布局。本發(fā)明中通過多目標(biāo)優(yōu)化算法求解出一組各子目標(biāo)盡可能最優(yōu)的方案集合Pareto最優(yōu)解集，用戶可以根據(jù)自身偏好選擇最終的優(yōu)化設(shè)計方案，從而實現(xiàn)對風(fēng)電場的優(yōu)化布局設(shè)計，同時也提高了優(yōu)化設(shè)計效率。

技術(shù)領(lǐng)域

本發(fā)明涉及風(fēng)電場設(shè)計技術(shù)領(lǐng)域，特別涉及一種風(fēng)電場的優(yōu)化設(shè)計方法、系統(tǒng)、電子設(shè)備和存儲介質(zhì)。

背景技術(shù)

風(fēng)電場設(shè)計所包含的設(shè)計參數(shù)很多，如機組布局、機型選擇、輪轂高度選擇等。目前研究較多的是機組的布局優(yōu)化，而且通常以單目標(biāo)優(yōu)化的方式進(jìn)行，優(yōu)化目標(biāo)可以為年發(fā)電量最大、度電成本最低、凈現(xiàn)值最大等，同時考慮場區(qū)邊界、尾流影響、環(huán)境影響等設(shè)計約束條件。單目標(biāo)設(shè)計的方案往往由于追求單一目標(biāo)的最優(yōu)化而導(dǎo)致其他方面惡化，如選擇年發(fā)電量為目標(biāo)時，為了追求發(fā)電量的最大化，可能將機組布置在施工成本很大的位置，從而導(dǎo)致風(fēng)電場投資成本陡增、度電成本增加等。

隨著業(yè)界對風(fēng)電場精細(xì)化設(shè)計的重視程度越來越高，考慮單一目標(biāo)的設(shè)計方法已不能滿足市場需求，需要綜合考慮發(fā)電量、成本、環(huán)境影響等多個目標(biāo)以獲得各目標(biāo)均衡的全局最優(yōu)解，從而達(dá)到全生命周期的綜合效用最大化。目前，風(fēng)電場多目標(biāo)優(yōu)化設(shè)計主要通過賦予權(quán)重的方式將多目標(biāo)優(yōu)化問題轉(zhuǎn)化為單目標(biāo)問題，但是，這種依賴于權(quán)重的方法效果好壞主要取決于專家的主觀判斷，因此無法做到相對客觀的平衡各優(yōu)化目標(biāo)，從而無法滿足實際優(yōu)化設(shè)計需求。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是為了克服現(xiàn)有技術(shù)中風(fēng)電場的優(yōu)化設(shè)計方法存在主要依賴于專家的主觀判斷、無法做到相對客觀的平衡各優(yōu)化目標(biāo)，無法滿足實際優(yōu)化設(shè)計需求的缺陷，目的在于提供一種風(fēng)電場的優(yōu)化設(shè)計方法、系統(tǒng)、電子設(shè)備和存儲介質(zhì)。

本發(fā)明是通過下述技術(shù)方案來解決上述技術(shù)問題：

本發(fā)明提供一種風(fēng)電場的優(yōu)化設(shè)計方法，所述優(yōu)化設(shè)計方法包括：

獲取風(fēng)電場對應(yīng)的n個優(yōu)化目標(biāo)；其中，n≥2且取整數(shù)；

確定每個所述優(yōu)化目標(biāo)對應(yīng)的目標(biāo)函數(shù)和設(shè)計變量信息；

采用智能優(yōu)化算法基于所述目標(biāo)函數(shù)和所述設(shè)計變量信息進(jìn)行處理，獲取多個所述優(yōu)化目標(biāo)對應(yīng)的帕累托最優(yōu)解集；

其中，所述帕累托最優(yōu)解集中不同的帕累托解對應(yīng)不同的設(shè)計變量值；

根據(jù)預(yù)設(shè)條件從所述帕累托最優(yōu)解集中選取目標(biāo)帕累托解；

獲取所述目標(biāo)帕累托解對應(yīng)的目標(biāo)設(shè)計變量值；

根據(jù)所述目標(biāo)設(shè)計變量值對所述風(fēng)電場進(jìn)行優(yōu)化布局。

較佳地，所述設(shè)計變量信息包括設(shè)計變量、所述設(shè)計變量的取值類型、取值范圍以及約束條件。

較佳地，所述智能優(yōu)化算法包括目標(biāo)遺傳算法、基于群智能的多目標(biāo)優(yōu)化算法或快速非支配排序遺傳算法。

較佳地，所述智能優(yōu)化算法為所述快速非支配排序遺傳算法時，所述采用智能優(yōu)化算法基于所述目標(biāo)函數(shù)和所述設(shè)計變量信息進(jìn)行處理，獲取多個所述優(yōu)化目標(biāo)對應(yīng)的帕累托最優(yōu)解集的步驟包括：

設(shè)置染色體數(shù)包括所述設(shè)計變量中的機組數(shù)量，以及設(shè)置染色體的基因包括所述設(shè)計變量中除所述機組數(shù)量之外的信息并獲取對應(yīng)的設(shè)置信息；

采用所述快速非支配排序遺傳算法根據(jù)所述設(shè)置信息進(jìn)行交叉和/或變異處理以獲取多個所述優(yōu)化目標(biāo)對應(yīng)的所述帕累托最優(yōu)解集。