The invention particularly relates to an optimization method and a system for arranging and selecting a wind power generator. The method comprises the following steps: obtaining at least one fan arrangement, and each fan arrangement as a genetic algorithm; clustering based on particle swarm optimization, adaptive optimal fan selection scheme to generate each chromosome corresponding to the fan selection scheme and the optimal correspondence, and fitness as chromosomes. Fitness; according to the fitness of all chromosomes, the first global optimal genetic algorithm fitness, and obtain the first global best fitness of the corresponding target chromosomes, then chromosomes fan output target corresponding layout scheme as the target scheme, the optimal selection of fan output corresponding to the target chromosome as the target selection scheme. The invention fully considers the global characteristics of the selection algorithm, can effectively avoid the type selection optimization, falls into the local optimum, has better global performance, better performance indexes, more accurate selection schemes, and stronger practicability.
【技术实现步骤摘要】
一种风力发电机排布选型的优化方法和系统
本专利技术涉及风力发电机微观选址领域,特别涉及一种风力发电机排布选型的优化方法和系统。
技术介绍
风能是一种无污染、可再生的新能源,在能源紧缺和传统能源对环境污染严重的现代社会,风电产业成为大力发展的新能源产业之一。风电场微观选址是风电产业合理规划的必要步骤。建设风电场前的风电场微观选址可以有效提高风能利用效率,提高风机使用寿命,降低风电场运维成本和风力发电成本,从而实现风电产业的合理决策与科学发展。风电场选址包括宏观选址和微观选址,宏观选址旨在选择风电场场址,而微观选址重点在于风机选型和安装位置。对当地风资源的长期记录和分析是风电场选址的大前提,微观选址在宏观选址完成之后,安装测风塔,对场址处风况进行一年以上的检测和记录,结合当地长期气象记录等,综合进行风资源分析和评估。在风资源评估、场址地形地貌综合分析的基础上,选择风机数量和型号,确定风机安装位置,以达到风电场预期年产量最大或预期风力发电度电成本最低,令该风电场在社会、经济和环境指标满足的条件下,达到经济效益最大化。风电场微观选址优化是一种非线性强耦合问题,需综合考虑当地气象地形、环境指标、土地价格、道路分布和建设可行性等因素,涉及流体、气象、机电等多方面因素,无法使用传统最优化方法得出最优解。因此,目前在世界范围内,该方向的研究成果大多都是使用基于搜索的启发式算法对具体问题进行优化决策计算。优化的主要方法为遗传算法、随机算法、粒子群优化算法等。由于风速分布随海拔高度增加而增加,各型号风机在不同的风能分布情况下各有优势和劣势。在风电场微观选址中,把多种型号、高度 ...
【技术保护点】
一种风力发电机排布选型的优化方法,其特征在于,包括以下步骤:步骤1,获取至少一个风机排布方案,并将每个风机排布方案作为遗传算法的一个染色体;步骤2,根据预设的分群式粒子群算法,生成每个染色体对应的最优风机选型方案和所述最优风机选型方案对应的适应度,并将适应度作为所述染色体的适应度;步骤3,根据所述遗传算法和所有染色体的适应度,计算遗传算法的第一全局最优适应度,并获取所述第一全局最优适应度对应的目标染色体,然后输出所述目标染色体对应的风机排布方案作为目标排布方案,输出所述目标染色体对应的最优风机选型方案作为目标选型方案。
【技术特征摘要】
1.一种风力发电机排布选型的优化方法,其特征在于,包括以下步骤:步骤1,获取至少一个风机排布方案,并将每个风机排布方案作为遗传算法的一个染色体;步骤2,根据预设的分群式粒子群算法,生成每个染色体对应的最优风机选型方案和所述最优风机选型方案对应的适应度,并将适应度作为所述染色体的适应度;步骤3,根据所述遗传算法和所有染色体的适应度,计算遗传算法的第一全局最优适应度,并获取所述第一全局最优适应度对应的目标染色体,然后输出所述目标染色体对应的风机排布方案作为目标排布方案,输出所述目标染色体对应的最优风机选型方案作为目标选型方案。2.根据权利要求1所述的风力发电机排布选型的优化方法,其特征在于,所述步骤1具体为:S101,获取风电场区域的横纵坐标范围和至少一个风机排布方案;S102,根据风机排布方案和横纵坐标范围生成所述风电场区域内风机的初始位置矩阵;S103,对所述初始位置矩阵的每一行进行二进制编码,并将所述初始位置矩阵中每行的编码结果作为遗传算法的一个染色体;所述初始位置矩阵的每行代表一个风机排布方案。3.根据权利要求2所述的风力发电机排布选型的优化方法,其特征在于,所述步骤2具体为:S201,获取风机的初始选型结果;S202,根据所述初始选型结果确定分群式粒子群算法的搜索空间,并将所述搜索空间划分为至少一个独立的子空间;S203,根据所述初始选型结果预测所述初始位置矩阵中所述染色体对应的至少一个风机选型方案,并将所述风机选型方案作为所述染色体的粒子分配到对应的子空间中,一个所述粒子表示一个风机选型方案;S204,对所述子空间内粒子的速度和粒子在子空间的位置进行随机初始化,然后根据预设的适应度计算函数计算每个粒子采用对应的风机排布方案且在子空间的当前位置的适应度,并获取每个粒子的个体最优适应度和子空间内所有粒子的第二全局最优适应度,将所述第二全局最优适应度对应的粒子位置作为所述子空间的当前群体最优位置;S205,根据所述个体最优适应度、所述第二全局最优适应度和预设进化规则,对子空间内每个粒子的速度和位置进行不断进化,以优化所述当前群体最优位置,直到达到预设的进化终止条件,然后执行S206;S206,比较所有子空间的当前群体最优位置,并从所有的当前群体最优位置中获取所述染色体在所述搜索空间的目标最优位置,并将所述目标最优位置对应的适应度作为所述染色体的适应度,所述目标最优位置即为所述染色体对应的最优风机选型方案。4.根据权利要求3所述的风力发电机排布选型的优化方法,其特征在于,所述步骤3具体为:S301,获取所述初始位置矩阵中所有染色体的适应度和目标最优位置;S302,根据所有染色体的适应度计算所述遗传算法的第一全局最优适应度,并获取遗传算法的迭代次数和所述遗传算法的第一全局最优适应度对应的目标染色体;S303,判断迭代次数是否达到预设的迭代次数阈值,若是,则输出所述目标染色体对应的风机排布方案作为目标排布方案,并输出所述目标染色体对应的目标最优位置作为目标选型方案,若否,则执行S304;S304,将步骤1生成的所有染色体作为父代染色体群,并进行交叉和变异操作后生成子代染色体,然后根据所述子代染色体对所述初始位置矩阵进行更新,并返回至步骤S203。5.根据权利要求3所述的风力发电机排布选型的优化方法,其特征在于,步骤S203中,根据风机型号和风机安装的机舱高度预测风机选型方案,并将风机型号相同且机舱高度不同、风机型号不同且机舱高度相同和风机型号不同且机舱高度不同的方案均认定为不同的风机选型方案。6.根据权利要求3~5任一所述的风力发电机排布选型的优化方法,其特征在于,步骤S204中,所述适应度为所述粒子采用对应的风机排布方案和选型方案计算出的度电成本的倒数,所...
【专利技术属性】
技术研发人员:叶毅,杨秦敏,唐晓宇,李思亮,申云,
申请(专利权)人:风脉能源武汉股份有限公司,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。