一种基于网格化海域的潮流能水轮机阵列优化方法技术

本发明专利技术提供了一种基于网格化海域的潮流能水轮机阵列优化方法，首先，确定海域布置范围以及布置区域内潮流平均流速，布置水轮机数量、确定水轮机的性能系数；然后，根据水轮机参数网格化海域；确定算法参数，包括交叉子代数量、变异率和迭代步数；生成初始种群；种群中个体交叉，产生子代，加入种群中；选择一定数量的种群个体变异，产生新个体，加入种群；求种群中所有个体的目标值；其次，判断算法是否结束，若未结束，回到种群交叉步骤，若结束，选择目标值最大的个体作为优化结果。本发明专利技术将拟布置海域进行离散，考虑了水轮机降低后方流场流速的影响以及水轮机推力系数与潮流流速的相关性，耗费计算资源少，能为潮流能发电机场初步设计提供参考。

A Tidal Current Energy Turbine Array Optimization Method Based on Grid Sea Area

The invention provides an optimization method of tidal current energy turbine array based on grid sea area. Firstly, the layout range of sea area and the average tidal current velocity in the layout area are determined, the number of turbines is arranged, and the performance coefficient of turbines is determined; then, the grid sea area is determined according to the parameters of turbines; and the algorithm parameters are determined, including cross-subalgebraic quantity, variation rate and iteration step number. Initial population; Individual crossover in the population, generation generation, join in the population; Select a certain number of individual variation in the population, generate new individuals, join the population; Find the target value of all individuals in the population; Secondly, judge whether the algorithm is over, if not, return to the step of population crossover, if it is over, select the individual with the largest target value as the optimization result. The proposed offshore area is discretized, considering the effect of reducing the flow velocity of the rear flow field by the turbine and the correlation between the thrust coefficient of the turbine and the flow velocity of the tidal current, which consumes less computing resources and can provide reference for the preliminary design of the tidal power generator field.

【技术实现步骤摘要】
一种基于网格化海域的潮流能水轮机阵列优化方法
本专利技术属于海洋能开发和利用领域，具体涉及一种基于网格化海域的潮流能水轮机阵列优化方法。
技术介绍
随着社会经济发展，传统化石能源不可再生且对环境污染严重，无法满足日益增加的能源需求。在众多的新能源中，潮流能具有蕴藏量大、可预测、环境友好等优点。为充分提取潮流能，在海域中常布置潮流能水轮机阵列。但是，潮流能水轮机的布置会造成下游水流场流速的下降，进而影响下游水轮机对于能源的提取。因此，对于潮流能水轮机阵列的布置需要考虑优化问题，以提高潮流能水轮机阵列提取能源的水平。目前对于潮流能水轮机阵列的优化常基于人工经验或者数值模拟的方法，基于人工经验常无法得到最优布置方案，而数值模拟的方法耗时长、耗费计算资源多，均不利于潮流能发电场水轮机阵列的初步设计。
技术实现思路
专利技术目的：本专利技术提供一种基于网格化海域的潮流能水轮机阵列优化方法，能有效避免优化过程中水轮机布置过于紧密的情况，减少计算消耗。技术方案：本专利技术提供了一种基于网格化海域的潮流能水轮机阵列优化方法，包括以下步骤：(1)规划海域布置区域，确定海域内潮流参数；(2)确定海域内水轮机布置数量以及水轮机参数；(3)根据水轮机参数，将海域进行划分，确定海域内可布置潮流能水轮机的坐标信息点；(4)确定优化算法参数；(5)随机生成初始种群，种群中包括相应数量的个体，每个个体中包含海域内水轮机的位置参数；(6)种群中个体交叉，产生新个体，加入种群中；(7)在步骤(6)形成的种群中，根据确定的算法参数，选择部分个体发生变异，产生新个体，加入种群中；(8)确定种群中，每个个体的目标值，根据目标值选择相应数量的个体组成新种群，若未达到算法结束条件，返回步骤(5)；(9)算法结束后，选择种群中目标值最大的个体作为优化结果。步骤(1)所述的海域布置区域为长方形区域。步骤(2)中所述的水轮机参数包括水轮机叶轮直径、实际水轮机功率系数及推力系数。步骤(4)中所述的优化算法为遗传算法；所述参数主要包括初始种群数量、交叉后代数量、变异率和迭代步数。步骤(5)所述的个体由相应布置数量的水轮机的坐标信息点组成。步骤(8)所述的目标值为潮流能水轮机阵列总发电量，其计算公式为：其中，N为潮流能水轮机阵列中水轮机数量，ui为水轮机布置处当地潮流流速，Cp为当地潮流流速为ui时的水轮机功率系数，ρ为水流密度，D为水轮机直径。有益效果：与现有技术相比，本专利技术的有益效果；1、考虑潮流能水轮机布置对于下游水流流速的下降作用及潮流能水轮机在不同潮流流速下性能参数的变化，符合实际情况；2、对于布置海域进行网格化，将水轮机布置在离散的网格点上，有效避免优化过程中水轮机布置过于紧密的情况，减少计算消耗；3、引入智能优化算法，思路清晰，优化速度快，节省计算资源，能为潮流能水轮机发电场的初步设计提供参考。附图说明图1为本专利技术流程图；图2为本专利技术功率系数与潮流流速相关图；图3为拟布置区域离散网格图；图4为发电量随迭代步数变化图；图5为优化前的水轮机阵列布置图；图6为优化后的水轮机阵列布置图。具体实施方式下面结合附图对本专利技术作进一步详细说明，如图1所示，具体步骤如下：(1)根据实际海域情况，规划海域布置区域，确定海域内潮流参数；本实施例计算在长500米宽200米的矩形区域内布置潮流能水轮机阵列；布置区域内潮流平均流速取3米/秒。(2)根据实施情况，确定海域内水轮机布置数量和潮流能水轮机参数，包括水轮机直径、水轮机推力系数与功率系数；本实施例计划在上述区域内布置25台潮流能水轮机，水轮机直径20米，推力系数取0.75；如图2所示，水轮机功率系数与当地潮流流速相关，若当地潮流流速≤1米/秒，功率系数为0；若当地潮流流速≥2.5米/秒，功率系数为0.35。(3)根据水轮机参数，将海域进行网格化；从而确定海域内可布置潮流能水轮机的坐标信息点，如图3所示，本实施例中水轮机直径20米，拟布置区域长500米宽200米，故将区域离散为25×10的网格区域，网格交点处可布置潮流能水轮机；如此可有效避免优化过程中，水轮机布置点过于紧密实际中无法实现的问题。(4)确定遗传算法相关参数，包括初始种群数量、交叉后代数量、变异率和迭代步数。本实施例中初始种群数量为50、交叉后代数量为250、变异率为5％、迭代步数为1000。(5)随机生成初始种群，种群中包括相应数量的个体，每个个体中包含海域内水轮机的位置参数；本实施例中随机产生50个个体，每个个体中包含25台水轮机坐标信息。(6)种群中个体交叉，产生新个体，加入种群中；随机选择种群的两个个体，分别为父个体和母个体，在母个体中随机选取一定数量的坐标信息点替换父个体中的坐标信息点，且替换的坐标信息点与未替换的坐标信息点不重复。本实施例中根据交叉后代数量为250确定初始种群中每个个体作为父个体与其余随机5个个体作为母个体交叉，产生5个子个体，共产生250个子个体，加入原种群中，形成个体数量为300的新种群。在每次交叉中，将父个体中随机数量的水轮机坐标点替换为母个体中的坐标点，母个体中坐标点的选择与父个体中保留下的水轮机坐标点不同，形成子个体。(7)在种群中，根据确定的算法参数，选择部分个体发生变异，产生新个体，加入种群中；根据确定的变异率，在种群中选择相应数量的个体，将每个个体中随机数量的坐标信息点进行变换，生成新个体。本实施例中，根据确定的变异率5％，选择15个个体进行变异，变异过程中，选择每个个体随机数量的坐标信息点进行变换，形成新个体，加入种群中，形成个体数量为315的种群。(8)确定种群中，每个个体的目标值，根据目标值选择相应数量的个体组成新种群，若未达到算法结束条件，回到第(6)步；本实施例中将潮流能水轮机阵列总发电量作为目标值，其计算公式为：式中，N为潮流能水轮机阵列中水轮机数量，N为50个，ui为水轮机布置处当地潮流流速，Cp为当地潮流流速为ui时的水轮机功率系数，ρ为水流密度，p取1000千克/立方米，D为水轮机直径，D为20米。目标值与潮流能水轮机布置处当地潮流流速相关，其中当地潮流流速包含了潮流能水轮机尾流场对潮流流速的减小作用。当地潮流流速ui按如下计算：(a)若水轮机i位于水轮机j下游时，水轮机j在水轮机i的布置处形成的水流流速为：式中，ui，j为水轮机j在水轮机i处形成的潮流流速，r为水轮机i与水轮机j在宽度上的距离，x为水轮机i与水轮机j在长度上的距离，u。。为布置区域内的平均潮流流速，此处取3米/秒，Ct为潮流能水轮机的推力系数，此处取0.75。(b)若水轮机i位于水轮机j上游时，水轮机j在水轮机i的布置处形成的水流流速为：ui，j＝u∞阵列布置中，水轮机i会受到不同水轮机的影响，可根据下式得到水轮机i布置处的当地潮流流速：算法结束条件为达到理论最大发电量或者迭代步数达到最大值1000时，结束迭代，否则选取目标值最大的50个个体组成新种群，回到第(6)步。(9)算法结束后，选择种群中目标值最大的个体作为优化结果。如图4所示，经过1000步迭代后，潮流能水轮机阵列发电量由提高29.5kW到36.9kW。如图5所示，为优化前的水轮机阵列布置图，图6为优化后的水轮机阵列布置图，水轮机布点位置发生相应变化。本具体实施案例只是本文档来自技高网...

【技术保护点】
1.一种基于网格化海域的潮流能水轮机阵列优化方法，其特征在于：包括以下步骤：(1)规划海域布置区域，确定海域内潮流参数；(2)确定海域内水轮机布置数量以及水轮机参数；(3)根据水轮机参数，将海域进行划分，确定海域内可布置潮流能水轮机的坐标信息点；(4)确定优化算法参数；(5)随机生成初始种群，种群中包括相应数量的个体，每个个体中包含海域内水轮机的位置参数；(6)种群中个体交叉，产生新个体，加入种群中；(7)在步骤(6)形成的种群中，根据确定的算法参数，选择部分个体发生变异，产生新个体，加入种群中；(8)确定种群中，每个个体的目标值，根据目标值选择相应数量的个体组成新种群，若未达到算法结束条件，返回步骤(5)；(9)算法结束后，选择种群中目标值最大的个体作为优化结果。

【技术特征摘要】
1.一种基于网格化海域的潮流能水轮机阵列优化方法，其特征在于：包括以下步骤：(1)规划海域布置区域，确定海域内潮流参数；(2)确定海域内水轮机布置数量以及水轮机参数；(3)根据水轮机参数，将海域进行划分，确定海域内可布置潮流能水轮机的坐标信息点；(4)确定优化算法参数；(5)随机生成初始种群，种群中包括相应数量的个体，每个个体中包含海域内水轮机的位置参数；(6)种群中个体交叉，产生新个体，加入种群中；(7)在步骤(6)形成的种群中，根据确定的算法参数，选择部分个体发生变异，产生新个体，加入种群中；(8)确定种群中，每个个体的目标值，根据目标值选择相应数量的个体组成新种群，若未达到算法结束条件，返回步骤(5)；(9)算法结束后，选择种群中目标值最大的个体作为优化结果。2.根据权利要求1所述的一种基于网格化海域的潮流能水轮机阵列优化方法，其特征在于：步骤(1)所述的海域布置区域为...

【专利技术属性】
技术研发人员：林祥峰，张继生，张婧，汪国辉，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32