【技术实现步骤摘要】
基于遗传算法的分布式光伏布线多目标优化方法及装置
[0001]本专利技术涉及分布式光伏布线的优化
，特别是涉及一种基于遗传算法的分布式光伏布线多目标优化方法及装置。
技术介绍
[0002]近年来，世界主要国家均把清洁能源作为未来的发展战国略，提出了清洁能源战略，构建多元的清洁能源体系。
[0003]在分布式光伏电站设计过程中，首先要根据布置区域规划光伏阵列中光伏组件的排布，然后根据光伏组件的型号、数量选择合适的逆变器数量及安装位置，最后再根据光伏阵列和选择的逆变器的布置规划出合理的电缆分布方案。其中电缆的分布更是影响整个分布式光伏发电系统发电效率和经济效益的重要因素之一。
[0004]目前，虽然对光伏电站的电缆布置有一定的规范要求，但缺乏严格的优化设计，在实际工程应用中造成资源的浪费和光伏发电成本的增加。部分学者也有尝试将分布式光伏布线规划问题转换为模拟退火算法，通过对光伏安装区域中的组件进行最优分组来实现电缆成本的最优，这种方式耗时且由于模拟退火算法的直接性和简单化，在不同具体问题中需要对冷却参数经过...
【技术保护点】
【技术特征摘要】
1.一种基于遗传算法的分布式光伏布线多目标优化方法，其特征在于，包括：基于分布式光伏布线的影响因素建立分布式光伏布线的多目标优化模型，并定义各目标因子影响参数的约束条件；建立分布式光伏布线的多目标优化模型适应度函数，选择性状优良的个体作为父代，并根据该个体的优良程度定义其遗传强度；基于父代种群重复执行多次进化操作，达到预定进化代数后，以进化操作中具有最大适应度的个体作为最优解输出，终止并完成进化操作。2.根据权利要求1所述的一种基于遗传算法的分布式光伏布线多目标优化方法，其特征在于，所述影响因素至少包括分布式光伏电站布置区域的场地环境、用户需求、施工难度、负载压力、电缆用量、建设成本、运行与维护费用；将各影响因素量化为目标因子，同时获取目标因子的影响参数，为各目标因子统合设置权重系数；所述分布式光伏布线的所述多目标优化模型以全生命周期费用最优为优化总目标，生成总目标函数。3.根据权利要求2所述的一种基于遗传算法的分布式光伏布线多目标优化方法，其特征在于，还包括初始种群的产生：对各目标因子的影响参数进行编码，每组影响参数组成一条染色体，即为一个个体；随机对多组参数进行编码，建立多目标优化模型的初始种群，包括有限个个体。4.根据权利要求3所述的一种基于遗传算法的分布式光伏布线多目标优化方法，其特征在于，建立分布式光伏布线的多目标优化模型适应度函数具体包括：获取用户需求，量化为实际需求参数，并建立用户需求权函数；所述多目标优化模型适应度函数等于所述用户需求权函数与所述总目标函数之和的倒数；所述用户需求权函数用以根据用户实际需求，调节个体遗传至下一代的概率；当所述总目标函数越小时，种群中各个体的适应度就越大，则个体的基因性状越优良。5.根据权利要求4所述的一种基于遗传算法的分布式光伏布线多目标优化方法，其特征在于，根据多目标模型适应度的计算结果，将遗传算法的选择算子作用于各个体上，通过轮盘赌选择法，将当前种群中选取具备优良基因的父代遗传到...
【专利技术属性】
技术研发人员：周观根，陈伟刚，周逸铖，周丽娜，宣章炎，周雄亮，
申请(专利权)人：浙江东南网架股份有限公司，
类型：发明
国别省市：
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。