【技术实现步骤摘要】
基于遗传算法的风电机组基础尺寸优化方法
本专利技术涉及一种基于遗传算法的风电机组基础尺寸优化研究方法。
技术介绍
风能作为一种清洁的可再生能源，具有大规模开发利用的前景，受到了全世界越来越多的关注。塔架支撑整机的重量，为风轮提供高度，是风力发电机组的重要组成部分。而塔架基础作为整个塔筒的承载部位，其设计、制造水平将直接影响整个机组的安全和性能，其安全性和经济性尤为重要。为了满足现代能源发展的需要，获取更多的风能，需要搭建更高的支撑塔架，导致塔架的直径和钢板厚度越来越大，因此对基础的承载力、稳定性和抗疲劳能力都有更高的要求。
技术实现思路
本专利技术的目的，在于提供一种基于遗传算法的风电机组基础尺寸优化研究方法，其可在保证工程要求的情况下，降低塔架基础的原材料造价。为了达成上述目的，本专利技术的解决方案是：一种基于遗传算法的风电机组基础尺寸优化方法，包括如下步骤：步骤1，确定编码规则、变量目标函数及约束条件；步骤2，根据所选塔架基础尺寸取值范围，随机生成初始种群，设置遗传算法所需的初始参数：种群规模N、最大进化代数Mmax、交叉变异概率；步骤3，将塔架基础的受力性能、变...
【技术保护点】
1.一种基于遗传算法的风电机组基础尺寸优化方法，其特征在于包括如下步骤：步骤1，确定编码规则、变量目标函数及约束条件；步骤2，根据所选塔架基础尺寸取值范围，随机生成初始种群，设置遗传算法所需的初始参数：种群规模N、最大进化代数Mmax、交叉变异概率；步骤3，将塔架基础的受力性能、变形量、稳定性作为约束条件，将遗传算法的目标函数定为塔架基础原材料的造价，计算个体的适应度值；步骤4，采用轮盘赌机制选择和保留最优个体，并进行交叉、变异和倒位组成新的个体，形成一代新种群；步骤5，重复步骤3～4，将最大适应度值所对应的参数作为最后优化结果。
【技术特征摘要】
1.一种基于遗传算法的风电机组基础尺寸优化方法，其特征在于包括如下步骤：步骤1，确定编码规则、变量目标函数及约束条件；步骤2，根据所选塔架基础尺寸取值范围，随机生成初始种群，设置遗传算法所需的初始参数：种群规模N、最大进化代数Mmax、交叉变异概率；步骤3，将塔架基础的受力性能、变形量、稳定性作为约束条件，将遗传算法的目标函数定为塔架基础原材料的造价，计算个体的适应度值；步骤4，采用轮盘赌机制选择和保留最优个体，并进行交叉、变异和倒位组成新的个体，形成一代新种群；步骤5，重复步骤3～4，将最大适应度值所对应的参数作为最后优化结果。2.如权利要求1所述的基于遗传算法的风电机组基础尺寸优化方法，其特征在于：所述步骤5中，以塔架混凝土基础原材料造价为优化目标函数：式中，F2为混凝土塔筒基础材料价格；C1、C2分别为普通钢筋混凝土、C30混凝土的市场平均价格；r1为塔架基础最大环半径，r2为基础高台环半径，r3为塔架承台外半径，r4为塔架承台内半径；t为混凝土塔筒壁厚；ρ1,ρs分别是普通钢筋混凝土材料密度和混凝土塔架基础材料密度；h1为基础最大环的高度，h2为基础台阶高度，h3为承台高度。3.如权利要求1所述的基于遗传算法的风电机组基础尺寸优化方法，其特征在于：所述步骤3中，受力性能的约束条件包含如下内容：第一，压应力Pk：式中，Nk—荷载效应标准组合下，上部结构传至扩展基础顶面竖向力修正标准值；Gk—荷载效应标准组合下，扩展基础自重和扩展基础上覆土重标准值；A—扩展基础底面积；第二，压应力当承受轴心荷载时，应满足下式的要求：Pk≤fa式中，Pk—荷载效应标准组合下，扩展基础底面处平均压力；fa—修正后地基承载力特征值；当承受偏心荷载时，除满足上式的要求，还要满足下式的要求：Pkmax≤1.2fa式中，Pkmax—荷载效应标准组合下，扩展基础底面边缘最大压力值。4.如权利要求3所述的基于遗传算法的风电机组基础尺寸优化方法，其特征在于：Nk的计算公式是：Nk＝k0Fzk，其中，k0为考虑风电机组荷载不确定性和荷载模型偏差的荷载修正安全系数，Fzk为竖向力。5.如权利要求1所述的基于遗传算法的风电机组基础尺寸优化方法，其特征在于：所述步骤3中，变形量的约束条件包含如下内容：第一，沉降值式中，s—地基最终沉降值；s′—按分层总和法计算出的地基沉降值；φs—沉降计算经验系数；n—地基沉降计算深度范围内所划分的土层数；p0k—荷载效应标准组合下，扩展基础底面处的...
【专利技术属性】
技术研发人员：张翔，孙铁雷，许千寿，朱静，邓艾东，邓敏强，王明春，
申请(专利权)人：深能南京能源控股有限公司，南京东振测控技术有限公司，
类型：发明
国别省市：江苏,32
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。