[發明專利]基于退火模擬和遺傳算法的風機排布方法及裝置

在審

• 申請號: 202011021053.3
• 申請日: 2020-09-25
• 公開（公告）號: CN112131795A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 董健;尹鐵男;李潤祥;裘新;牟金磊
• 申請（專利權）人: 國電聯合動力技術有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/10;G06F111/06;G06F113/06
• 代理公司: 北京方韜法業專利代理事務所(普通合伙) 11303
• 代理人: 黨小林

本發明提供了一種基于退火模擬和遺傳算法的風機排布方法及裝置。該方法包括：選擇風電機組可能的排布位置，將可能的排布位置作為染色體，并將各個排布位置的發電量作為各染色體的適值函數，計算選擇概率和累計概率；用賭輪法選擇新的染色體構造新種群；對新種群部分染色體進行交叉、變異，及模擬退火；重復上述操作，直至達到設定的迭代次數；以最終的種群所代表的風電機組的排布位置作為最終的風電機組排布位置。本發明提供的基于退火模擬和遺傳算法的風機排布方法及裝置能夠解決原有風機排布方式中的局部收斂問題。

技術領域

本發明涉及風力發電技術領域，特別是涉及一種基于退火模擬和遺傳算法的風機排布方法及裝置。

背景技術

隨著風電行業的發展，提高收益降低成本的需求越來越迫切，以往風機排布中人為主觀判斷居多，難以實現機位排布真正最優化。將智能算法引入到風機排布中，自動搜索最優風機布局，能夠更加充分利用風電場資源，提高經濟效益。

智能優化算法，尤其是遺傳算法在各行業得到了較廣泛的應用。尤其是在大數據比較熱門的今天，各個領域內都對觀測手段進行了加強，所能獲取的數據日益增大。如何能從大數據中獲取有用的信息需要依賴人工智能算法進行輔助。隨著風電場信息化的加強，風電場地理信息越來越精細，為實現人工智能輔助布機提供了較好的條件。傳統的布機由人工完成，難以避免主觀判斷的誤差。而遺傳算法能夠實現在風電場地圖內自動搜索，將最優方案更為準確地選擇出來。

遺傳算法容易陷入局部收斂，例如在風電場內某個高點密集區域算法自動搜索到了幾個發電量較高的布機位置，并經過與周圍位置的比較發現這個排布方案是最優的便停止搜索。殊不知，在間隔一定距離以外還有更好的位置，這就是所謂的局部收斂。

發明內容

本發明要解決的技術問題是提供一種基于退火模擬和遺傳算法的風機排布方法及裝置，能夠解決原有風機排布方式中的局部收斂問題。

為解決上述技術問題，本發明提供了一種基于退火模擬和遺傳算法的風機排布方法，所述方法包括：選擇風電機組可能的排布位置，將可能的排布位置作為染色體，并將各個排布位置的發電量作為各染色體的適值函數，計算選擇概率和累計概率；用賭輪法選擇新的染色體構造新種群；對新種群部分染色體進行交叉、變異，及模擬退火；重復上述操作，直至達到設定的迭代次數；以最終的種群所代表的風電機組的排布位置作為最終的風電機組排布位置。

在一些實施方式中，還包括：在選擇風電機組可能的排布位置，將可能的排布位置作為染色體，并將各個排布位置的發電量作為各染色體的適值函數，計算選擇概率和累計概率之前，建立機位位置的數據矩陣，矩陣內存儲各網格位置、該位置是否適合進行機位排布。

在一些實施方式中，選擇風電機組可能的排布位置，將可能的排布位置作為染色體，并將各個排布位置的發電量作為各染色體的適值函數，計算選擇概率和累計概率，包括：將選擇的可能的排布位置，作為初始種群；計算各個排布位置所對應的發電量；將計算得到的發電量作為適值函數；根據適值函數，計算選擇概率及累計概率。

在一些實施方式中，計算各個排布位置所對應的發電量，包括：判斷該機位是否處在其它機位下風向5倍風機直徑距離內；如果該機位處于其他機位下風向5倍距離內，用尾流模型計算該機位處的實際風速，并以實際風速計算發電量；如果該機位處于其他機位下風向5倍距離外，采用風資源數據計算發電量。

在一些實施方式中，根據適值函數，計算選擇概率，包括：根據如下公式，計算選擇概率：

其中，f(k_i)i＝1,2,…,N為第i個機位的適值函數，P_k為計算得到的選擇概率。

在一些實施方式中，根據適值函數，計算累計概率，包括：根據如下公式，計算累計概率：