【技术实现步骤摘要】
一种用于清洁能源基地宏观选址的蚁群选址方法及装置
本申请涉及资源环境管理
，尤其涉及一种用于清洁能源基地宏观选址的蚁群选址方法及装置。
技术介绍
选址问题，是在资源环境的管理、规划和利用过程中，通过分析、优化、决策，在空间上实现对各项资源的最优化配置，以产生最大的效益值。如物流中心选址、酒店选址、电动汽车充电桩选址等。清洁能源基地选址，是在考虑气候环境、地形地貌、土地利用类型、基础设施条件等众多影响因素下，选取综合发电能力最优的区域作为清洁能源场站基地。目前，清洁能源基地宏观选址主要基于多准则决策模型和层次分析模型等，将气象、遥感数据、社会经济数据转化为同尺度数据图层，将各图层重要性折算为权重值，加权求和获得选址适宜性评价图层，选取评分较高的区域作为优先开发地区。因此，现有技术在清洁能源基地选址是在一定的空间范围内，选取最合适资源开发利用的地块，建设满足规划装机容量(电源机组的额定功率总和)的清洁能源场站。现有宏观选址模型是对层次分析法等合成的建场适宜性评估图层进行区域划分，如“优先开发区域”、“适宜开...
【技术保护点】
1.一种用于清洁能源基地宏观选址的蚁群选址方法，其特征在于，包括：/n选择清洁能源待选址基地，将每个清洁能源待选址基地的技术开发量作为像元构造栅格图层矩阵；/n初始化栅格图层矩阵中每个像元的信息素浓度和蚁群中每个蚂蚁的起始像元；/n根据总装机需求和优化目标，从蚁群中每个蚂蚁的起始像元出发，利用蚁群算法查找蚂蚁路径的出力能力之和满足所述总装机需求和优化目标的精英蚂蚁；/n更新栅格图层矩阵每个像元的信息素浓度，并循环查找精英蚂蚁，将循环次数达到预定最大次数时精英蚂蚁路径作为最优选址结果。/n
【技术特征摘要】
1.一种用于清洁能源基地宏观选址的蚁群选址方法，其特征在于，包括：
选择清洁能源待选址基地，将每个清洁能源待选址基地的技术开发量作为像元构造栅格图层矩阵；
初始化栅格图层矩阵中每个像元的信息素浓度和蚁群中每个蚂蚁的起始像元；
根据总装机需求和优化目标，从蚁群中每个蚂蚁的起始像元出发，利用蚁群算法查找蚂蚁路径的出力能力之和满足所述总装机需求和优化目标的精英蚂蚁；
更新栅格图层矩阵每个像元的信息素浓度，并循环查找精英蚂蚁，将循环次数达到预定最大次数时精英蚂蚁路径作为最优选址结果。
2.如权利要求1所述的用于清洁能源基地宏观选址的蚁群选址方法，其特征在于，初始化栅格图层矩阵中每个像元的信息素浓度和蚁群中每个蚂蚁的起始像元，具体为：初始将栅格图层矩阵中每个像元的信息素浓度设为一初始值，并且为蚁群中的每只蚂蚁安排一个像元作为起始像元。
3.如权利要求1所述的用于清洁能源基地宏观选址的蚁群选址方法，其特征在于，查找精英蚂蚁，具体包括如下子步骤：
在路径选择过程中，蚁群中的每只蚂蚁根据设定的信息素浓度从起始像元出发，每只蚂蚁根据周围环境的信息素浓度，通过路径选择概率函数(与信息素浓度相关的函数)，按概率选取相邻像元作为前进方向；
循环查找某只蚂蚁走过路径的出力之和满足规定的总装机需求且满足占地面积最小的优化目标，将该只蚂蚁作为精英蚂蚁；
将本次循环的最优结果与全局最优结果进行比较，更新全局最优结果。
4.如权利要求1所述的用于清洁能源基地宏观选址的蚁群选址方法，其特征在于，更新栅格图层矩阵每个像元的信息素浓度，具体为将所有的像元按照衰减系数进行信息素浓度衰减，并增加全局最优结果路径上像元的信息素浓度。
5.如权利要求4所述的用于清洁能源基地宏观选址的蚁群选址方法，其特征在于，信息素更新公式为：
其中，Δτij*表示精英蚂蚁所走路径(i，j)上信息素的额外增量；
将迭代次数引入信息素增量公式中，得到：
其中，Q表示蚂蚁在经过的路径上所释放的信息素常量，ttotal表示算法总迭代次数，t表示当前迭代次数，σ表示精英蚂蚁的数量。
6.一种用于清洁能源基地宏观...
【专利技术属性】
技术研发人员：肖晋宇，赵星源，阎平，吴佳玮，李鹏，孙蔚，侯金鸣，陈昉，赵丹，金晨，张瑾轩，
申请(专利权)人：全球能源互联网集团有限公司，北京洛斯达科技发展有限公司，国家电网有限公司，
类型：发明
国别省市：北京;11
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。