【技术实现步骤摘要】
本专利技术涉及基于蚁群算法的海上风电场排布优化仿真方法和系统，属于海上风电场。
技术介绍
1、在风电场场址范围内，考虑由环境引发的自然风的变化及由风机自身引发的风扰动(即尾流因素)，如何排列布置风机组，使整个风电场年发电量最大，从而降低能源的生产成本以获得较好的经济效益是风电场设计关注的重要问题。
2、对于范围一定的风电场，如果不考虑风经过风机受到的影响，理论上风场内布置的风机数量越多，平均的单位度电投资越低，风电场的经济性越好。但是当风经过风机后，风轮不仅转化了部分风能，同时对风形成了扰动，导致空气湍流增大，因此在风机下游侧的风速比上游侧会有一定程度的突变减小。经过风机后，随着距离的增加，风速逐渐恢复，其恢复程度与上下游风机的间距有关。如果风机布置过密，风机间的间距太小，经过上游风机影响后的风速来不及恢复，将造成到达下游风机的风速较低，从而导致单位电量效益较小、单位电量投资成本较大，经济性较差。而如果风机布置过于稀疏，同等范围下风电场的总装机容量就会过小，同时道路、集电线路等投资成本和运行维护费用均因距离的增加而增高，风电场经济性较差。
3、进一步，现有技术中公开了一种基于粒子群算法的海上风电场优化布置方法，将每种风机的排布方案视为一个粒子，多种风机排布方案构成一个种群。在每种布置方案中，每台机组的横、纵坐标视为粒子的维度，若布置方案中有n台机组，则粒子的维度值为2n。在寻优过程中，以度电成本为目标函数，通过更新粒子的速度对方案变化的快慢进行控制；通过更新粒子的位置变换方案中风机的机位；搜寻度电成本更低
4、但粒子群算法有聚拢特性，当一个粒子搜寻到风机布置较优方案时，下一次迭代时其他粒子会聚集在该粒子周围，即其他布置方案也会相邻较优方案中的风机位置进行风机布置，从而使得风机布置过密，导致风机间的间距太小，影响了单位电量效益，因此粒子群算法很难适用于海上风电场的优化布置。
技术实现思路
1、针对上述问题或上述问题之一，本专利技术的目的一在于提供一种通过仿真上游风机对下游风机的尾流影响，确定尾流的演变过程，使得风机的发电量计算更加准确；并利用蚁群算法，基于路径点的信息素浓度，对选择的路径点进行优化，从而可以有效实现海上风电场的排布优化，进而可以有效减小风机之间的相互影响，可以提高整个风电场的总发电量的基于蚁群算法的海上风电场排布优化仿真方法和系统。
2、针对上述问题或上述问题之一，本专利技术的目的二在于提供一种可以对尾流效应进行仿真计算，并基于改进的蚁群算法对海上风电场进行排布优化，具有效率高、准确度高、优化效果好等优点，能够使得风电场更具经济效益，进而降低每单位电力的生产成本，特别适用于海上风电场的排布优化的基于蚁群算法的海上风电场排布优化仿真方法和系统。
3、为实现上述目的之一，本专利技术的第一种技术方案为：
4、基于蚁群算法的海上风电场排布优化仿真方法，
5、包括以下步骤：
6、第一步，根据海上风电场的布置区域，初始化蚁群，得到多个蚂蚁所选择的路径点，以形成蚂蚁的行进路线；
7、第二步，根据蚂蚁选择的路径点，确定风机排布位置；
8、第三步，基于风机排布位置，仿真上游风机对下游风机的尾流影响，确定尾流的演变过程，得到若干风机的发电量以及风电场总发电量；
9、第四步，对若干风机的发电量以及风电场总发电量进行计算，得到风机在风电场中的发电占比；
10、第五步，基于风机在风电场中的发电占比，确定路径点的信息素浓度；
11、第六步，根据信息素浓度，对选择的路径点进行优化，得到新的风机排布位置，实现海上风电场的排布优化。
12、本专利技术通过仿真上游风机对下游风机的尾流影响，确定尾流的演变过程，使得风机的发电量计算更加准确；并利用蚁群算法，基于路径点的信息素浓度，对选择的路径点进行优化，有效避免优化方案的聚拢效应，从而可以有效实现海上风电场的排布优化，进而可以有效减小风机之间的相互影响，特别是尾流效应，因而可以提高整个风电场的总发电量，方案科学合理，切实可行。
13、进一步，应用本专利技术对尾流效应进行仿真计算，并基于改进的蚁群算法对海上风电场进行排布优化，具有效率高、准确度高、优化效果好等优点，能够使得风电场更具经济效益，进而降低每单位电力的生产成本，因此本专利技术能够有效适用于海上风电场的排布优化。并且通过更有效地利用风资源，风电场可以更具竞争力，有助于满足能源需求，减少对传统能源的依赖，减少温室气体排放，促进环保和可再生能源的使用，推动清洁能源的发展。
14、作为优选技术措施：
15、所述第一步中，得到蚂蚁路径点的方法如下：
16、步骤11.获取海上风电场的布置区域，形成蚁群的搜索空间；
17、步骤12.根据布置区域，获取风电场配置信息；
18、所述配置信息包括风机数量、风机型号和风机的初始位置；
19、步骤13.根据风电场配置信息，设置蚁群中蚂蚁的数量；
20、根据风机的初始位置以及随机数，计算得到每个蚂蚁的初始路径点，作为行进路线的起点，完成蚁群的初始化；
21、步骤14.基于蚂蚁的初始路径点，在搜索空间内随机选择剩余的路径点，构成每个蚂蚁的行进路线。
22、作为优选技术措施：
23、所述第三步中，得到风机的发电量以及风电场总发电量的方法如下：
24、步骤31.根据风机排布位置，得到每个风机的坐标；
25、步骤32.基于每个风机的坐标，确定某时间段内的气象数据，气象数据包括风速、风向以及风速-风向出现频率；
26、步骤33.利用先期构建的尾流模型对气象数据进行处理，计算得到风电场的风场速度场数据；
27、步骤34.根据风场速度场数据、风机的叶片扫掠面积以及风机性能曲线，计算每个风机的发电量；
28、步骤35.将每个风机的发电量进行累积，计算得到风电场的发电量；
29、步骤36.结合某个时间段内风速-风向出现频率，计算得到某时间段的风电场总发电量。
30、作为优选技术措施：
31、尾流模型用于评估计算上游风机对下游风机的影响，其能预测尾流的演变过程，并能够计算风场在经过风机之后的风力损失，得出风场中任意一点的风速。
32、作为优选技术措施：
33、计算得到风场速度场数据的方法如下：
34、步骤331.基于风机尾流的影响范围，将风机的坐标根据风向进行相应的转换，其包括以下内容：
35、将初始坐标系的原点移动至某风机的坐标下，使得某风机的坐标为原点坐标；
36、然后将坐标系按顺时针旋转，形成新的坐标系；
37、再对剩余风机的坐标进行换算，得到剩余风机的坐标数据；
38、步骤332.基于风机的坐标数据，判断尾流影响区域，得到受尾流本文档来自技高网...
【技术保护点】
1.基于蚁群算法的海上风电场排布优化仿真方法，其特征在于：
2.如权利要求1所述的基于蚁群算法的海上风电场排布优化仿真方法，其特征在于：
3.如权利要求1所述的基于蚁群算法的海上风电场排布优化仿真方法，其特征在于：
4.如权利要求3所述的基于蚁群算法的海上风电场排布优化仿真方法，其特征在于：
5.如权利要求4所述的基于蚁群算法的海上风电场排布优化仿真方法，其特征在于：
6.如权利要求1所述的基于蚁群算法的海上风电场排布优化仿真方法，其特征在于：
7.如权利要求1所述的基于蚁群算法的海上风电场排布优化仿真方法，其特征在于：
8.如权利要求1所述的基于蚁群算法的海上风电场排布优化仿真方法，其特征在于：
9.如权利要求8所述的基于蚁群算法的海上风电场排布优化仿真方法，其特征在于：
10.一种基于蚁群算法的海上风电场排布优化仿真系统，其特征在于：
【技术特征摘要】
1.基于蚁群算法的海上风电场排布优化仿真方法，其特征在于：
2.如权利要求1所述的基于蚁群算法的海上风电场排布优化仿真方法，其特征在于：
3.如权利要求1所述的基于蚁群算法的海上风电场排布优化仿真方法，其特征在于：
4.如权利要求3所述的基于蚁群算法的海上风电场排布优化仿真方法，其特征在于：
5.如权利要求4所述的基于蚁群算法的海上风电场排布优化仿真方法，其特征在于：
<...【专利技术属性】
技术研发人员：刘杰，闵皆昇，王轲，周璐，吴健明，
申请(专利权)人：浙江远算科技有限公司，
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。