[发明专利]一种基于改进NSGA-Ⅲ的风电机组布局优化方法

权利要求书

1.一种基于改进NSGA-Ⅲ的风电机组布局优化方法，其特征在于：包括如下步骤：

步骤1：构建出风电场的风电机组布局优化模型；

Obj1：maxf₁(X)＝P_AEP

Obj2：minf₂(X)＝C_total

Obj3：minf₃(X)＝L_noise           (1)

X＝[x_i，y_i]i＝1，2，...，N_wt

风电场风电机组的最佳布局，以最大化风电场N_wt台风电机组的年发电量，最小化风电场总投资成本以及风电场噪声为优化目标，每台风力机的微观地址以坐标(x_i，y_i)表示，风电场的年发电量以P_AEP表示，风电场总投资成本以C_total表示，风电场噪声以L_noise表示；前两个约束条件使风机位于风电场限制区域范围内，x_min,x_max,y_min和y_max分别是风电场规划区域的下限和上限；第三个约束保证风电机组之间的距离不小于十倍的风机半径r_r；

步骤2：初始化三个种群为P₁[x₁…x_n],P₂[y₁…y_n],P₃[z₁…z_n]；设置种群最大迭代数G_max；每个种群中的个体就是一个风电机组布局；

步骤3：在多个种群中找出满足步骤1中约束的所有个体的集合X＝{X₁，X₂，X₃，...}；每个X_n∈X包含WT坐标(x,y)；

步骤4：评估多个种群中每个X_n∈X的风电机组布局优化模型{P_AEP C_total L_noise}中的三个目标，计算三个目标的适应度值；

步骤5：在多个种群中同时根据{P_AEP C_total L_noise}将Ⅹ映射到帕累托(Pareto)前沿，通过非支配排序方法生成各种群中的Pareto最优解集

步骤6：将各种群所得出的帕累托最优集进行非支配排序得到的最终解集作为风电机组布局方案，在达到G_max前跳转执行步骤3至步骤6。