[发明专利]基于退火模拟和遗传算法的风机排布方法及装置

权利要求书

1.一种基于退火模拟和遗传算法的风机排布方法，其特征在于，包括：

选择风电机组可能的排布位置，将可能的排布位置作为染色体，并将各个排布位置的发电量作为各染色体的适值函数，计算选择概率和累计概率；

用赌轮法选择新的染色体构造新种群；

对新种群部分染色体进行交叉、变异，及模拟退火；

重复上述操作，直至达到设定的迭代次数；

以最终的种群所代表的风电机组的排布位置作为最终的风电机组排布位置。

2.根据权利要求1所述的基于退火模拟和遗传算法的风机排布方法，其特征在于，还包括：

在选择风电机组可能的排布位置，将可能的排布位置作为染色体，并将各个排布位置的发电量作为各染色体的适值函数，计算选择概率和累计概率之前，建立机位位置的数据矩阵，矩阵内存储各网格位置、该位置是否适合进行机位排布。

3.根据权利要求1所述的基于退火模拟和遗传算法的风机排布方法，其特征在于，选择风电机组可能的排布位置，将可能的排布位置作为染色体，并将各个排布位置的发电量作为各染色体的适值函数，计算选择概率和累计概率，包括：

将选择的可能的排布位置，作为初始种群；

计算各个排布位置所对应的发电量；

将计算得到的发电量作为适值函数；

根据适值函数，计算选择概率及累计概率。

4.根据权利要求3所述的基于退火模拟和遗传算法的风机排布方法，其特征在于，计算各个排布位置所对应的发电量，包括：

判断该机位是否处在其它机位下风向5倍风机直径距离内；

如果该机位处于其他机位下风向5倍距离内，用尾流模型计算该机位处的实际风速，并以实际风速计算发电量；

如果该机位处于其他机位下风向5倍距离外，采用风资源数据计算发电量。

5.根据权利要求3所述的基于退火模拟和遗传算法的风机排布方法，其特征在于，根据适值函数，计算选择概率，包括：

根据如下公式计算选择概率：

其中，f(k_i)i＝1,2,…,N为第i个机位的适值函数，P_k为计算得到的选择概率。

6.根据权利要求3所述的基于退火模拟和遗传算法的风机排布方法，其特征在于，根据适值函数，计算累计概率，包括：

根据如下公式计算累计概率：

其中，f(k_i)i＝1,2,…,N为第i个机位的适值函数，Q_k为计算得到的选择概率。

7.根据权利要求1所述的基于退火模拟和遗传算法的风机排布方法，其特征在于，对新种群部分染色体进行模拟退火，包括：

随机选择东南西北中的一个方向，将该染色体对应的位置调整一个网格步长，得到新染色体；

计算新染色体的适值函数，进而计算新染色体的接受概率；

重复上述的步骤，如果连续重复执行n次，新的染色体没有被接受则停止退火模拟；

如果没有出现连续n次新染色体没有被接受的情况，则等待到T＜T_min时，停止退火模拟。

8.根据权利要求7所述的基于退火算法和遗传算法的风机排布方法，其特征在于，计算新染色体的接受概率，包括：

根据如下公式计算新染色体的接受概率：

其中，T为退火温度，每次迭代T＝T×0.99。

9.一种基于退火模拟和遗传算法的风机排布装置，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据权利要求1至8任意一项所述的基于退火模拟和遗传算法的风机排布方法。