[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

说明书

本发明提供了一种基于退火模拟和遗传算法的风机排布方法及装置。该方法包括：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。本发明提供的基于退火模拟和遗传算法的风机排布方法及装置能够解决原有风机排布方式中的局部收敛问题。

技术领域

本发明涉及风力发电技术领域，特别是涉及一种基于退火模拟和遗传算法的风机排布方法及装置。

背景技术

随着风电行业的发展，提高收益降低成本的需求越来越迫切，以往风机排布中人为主观判断居多，难以实现机位排布真正最优化。将智能算法引入到风机排布中，自动搜索最优风机布局，能够更加充分利用风电场资源，提高经济效益。

智能优化算法，尤其是遗传算法在各行业得到了较广泛的应用。尤其是在大数据比较热门的今天，各个领域内都对观测手段进行了加强，所能获取的数据日益增大。如何能从大数据中获取有用的信息需要依赖人工智能算法进行辅助。随着风电场信息化的加强，风电场地理信息越来越精细，为实现人工智能辅助布机提供了较好的条件。传统的布机由人工完成，难以避免主观判断的误差。而遗传算法能够实现在风电场地图内自动搜索，将最优方案更为准确地选择出来。

遗传算法容易陷入局部收敛，例如在风电场内某个高点密集区域算法自动搜索到了几个发电量较高的布机位置，并经过与周围位置的比较发现这个排布方案是最优的便停止搜索。殊不知，在间隔一定距离以外还有更好的位置，这就是所谓的局部收敛。

发明内容

本发明要解决的技术问题是提供一种基于退火模拟和遗传算法的风机排布方法及装置，能够解决原有风机排布方式中的局部收敛问题。

为解决上述技术问题，本发明提供了一种基于退火模拟和遗传算法的风机排布方法，所述方法包括：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。

在一些实施方式中，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。

在一些实施方式中，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。

在一些实施方式中，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。

在一些实施方式中，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。

在一些实施方式中，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：