[发明专利]基于遗传算法的风储系统控制方法、装置、设备及介质

权利要求书

1.一种基于遗传算法的风储系统控制方法，其特征在于，包括：

判断当前是否满足预设遗传算法寻优条件；

如果当前满足所述预设遗传算法寻优条件，则从预设变桨速率范围和预设储能充放电倍率范围中筛选出若干变桨速率值和若干储能充放电倍率值，以得到初始数据种群；

基于遗传算法对所述初始数据种群进行运算，以得到目标数据种群；

判断所述目标数据种群是否满足预设迭代终止条件；

如果所述目标数据种群满足预设迭代终止条件，则从所述目标数据种群中确定出目标变桨速率和目标储能充放电倍率，以便所述风储系统根据所述目标变桨速率和所述目标储能充放电倍率运行。

2.根据权利要求1所述的基于遗传算法的风储系统控制方法，其特征在于，所述判断当前是否满足预设遗传算法寻优条件，包括：

判断当前转速波动是否大于预设转速波动阈值；

如果当前转速波动大于预设转速波动阈值，则判断当前湍流强度是否大于预设湍流强度阈值；

如果当前湍流强度大于预设湍流强度阈值，则判定当前满足预设遗传算法寻优条件。

3.根据权利要求1所述的基于遗传算法的风储系统控制方法，其特征在于，所述基于遗传算法对所述初始数据种群进行运算，包括：

基于遗传算法对所述初始数据种群执行预设算子运算方法；所述预设算子运算方法包括选择算子运算方法、交叉算子运算方法和变异算子运算方法。

4.根据权利要求1所述的基于遗传算法的风储系统控制方法，其特征在于，所述判断所述目标数据种群是否满足预设迭代终止条件之前，还包括：

利用预设适应度评估方法确定所述目标数据种群中的目标数据个体的适应度值；

根据所述目标数据个体的适应度值判断所述目标数据种群是否满足预设存在最优个体条件；

如果所述目标数据种群不满足所述预设存在最优个体条件，则重新跳转至所述从预设变桨速率范围和预设储能充放电倍率范围中筛选出若干变桨速率值和若干储能充放电倍率值的步骤，直到满足所述预设存在最优个体条件。

5.根据权利要求4所述的基于遗传算法的风储系统控制方法，其特征在于，所述判断所述目标数据种群是否满足预设迭代终止条件，包括：

判断所述目标数据种群的当前迭代次数是否大于预设迭代次数阈值；

如果所述当前迭代次数大于所述预设迭代次数阈值，则判定所述目标数据种群满足所述预设迭代终止条件；

或，判断所述目标数据种群是否满足预设最优个体变化条件；

如果所述目标数据种群满足所述预设最优个体变化条件，则判定所述目标数据种群满足预设迭代终止条件。

6.根据权利要求5所述的基于遗传算法的风储系统控制方法，其特征在于，所述判断所述目标数据种群是否满足预设最优个体变化条件，包括：

从所述目标数据个体的适应度值中筛选出最优个体的适应度值；

判断所述最优个体的适应度值是否满足预设最优适应度值变化条件；

如果所述最优个体的适应度值满足预设最优适应度值变化条件，则判定所述目标数据种群满足预设最优个体变化条件。

7.根据权利要求1至6任一项所述的基于遗传算法的风储系统控制方法，其特征在于，所述从预设变桨速率范围和预设储能充放电倍率范围中筛选出若干变桨速率值和若干储能充放电倍率值，以得到初始数据种群，包括：

基于预设筛选方式从预设变桨速率范围和预设储能充放电倍率范围中筛选出若干变桨速率值和若干储能充放电倍率值；

对筛选出的每个变桨速率值和每个储能充放电倍率值分别进行编码并对编码后的每个变桨速率值和编码后的每个储能充放电倍率值进行组合得到若干初始数据个体；

将所述若干初始数据个体确定为初始数据种群。