专利汇可以提供一种基于二进制粒子群算法的风机优化布置方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及一种基于二进制离散 粒子群优化 算法 (Binary Particle Swarm Optimization,简写为BPSO)的 风 机优化布置方法,可以解决非规则形状风场的风机优化布置问题。所述方法包括:获取待优化的风场的气象和地理条件以及待选的风机参数;确定优化目标及优化约束;划分矩形区域的网格;对应于网格和风场区域的形状,编写有效 位置 数组矩阵,所述有效位置数组矩阵中,每个元素取值为“1”或“0”,“1”代表可以布置风机的位置,“0”代表不能布置风机的位置,不能布置风机的位置对应于风场区域中地理条件不适合布置风机的地方,及风场区域以外的地方;以待优化的设计变量构造解空间,运用二进制离散粒子群 优化算法 在解空间中按照目标函数寻找最优风机布置方案,优化后得到最优风机布置方案。,下面是一种基于二进制粒子群算法的风机优化布置方法专利的具体信息内容。
1.一种基于二进制粒子群算法的风机优化布置方法,其特征在于,所述风机优化布置方法包括如下步骤:
1)获取待优化的风场的气象和地理条件,以及待选的风机参数;
2)确定至少一个优化目标及至少一个优化约束;
3)以风场区域最大的南北向距离和最大的东西向距离为边长来构造矩形区域,将矩形区域划分为若干个网格,假设风机只能位于每个网格的正中央;
4)对应于矩形区域的网格和风场区域的形状,编写有效位置数组矩阵,所述有效位置数组矩阵中,每个元素取值为“1”或“0”,“1”代表可以布置风机的位置,“0”代表不能布置风机的位置,不能布置风机的位置对应于风场区域中地理条件不适合布置风机的地方,及风场区域以外的地方;
5)以待优化的设计变量构造解空间,运用二进制离散粒子群优化算法在解空间中按照目标函数寻找最优风机布置方案,优化后得到最优风机布置方案;
所述二进制离散粒子群优化算法包括以下子步骤,
(a)种群内设有若干个粒子,每个粒子代表一种风机布置方案;每个粒子都有一个位置矢量和速度矢量,并含若干个维度,维度数与有效位置数组矩阵中所有元素的个数相同,每个维度的取值为1或0,分别对应可以安放与不可以安放风机的位置;
(b)随机产生种群中各粒子的初始位置与初始速度,限定任意时刻粒子的最大速度,设定迭代终止条件;
(c)记录当前迭代步数,计算当前迭代步数下各粒子的目标函数值,更新各粒子的历史最优值,更新当前迭代步数下的全局最优值;
(d)依次判断所述有效位置数组矩阵各元素是否为0:若为0,则强制更新与该元素相对应的粒子维度的值为0;若不为0,则根据式1更新粒子的速度,根据式2更新粒子的位置:
new old old old
v id=w·v id+c1·r1·(pid-x id)+c2·r2·(pgd-x id) (式1)
(式2)
(式3)
new new old old
其中:v 、x ,更新后的粒子速度、位置;v 、x ,上一迭代步数中粒子的速度、位置;
i,粒子编号;d,粒子维度;w,惯性权重;c1、c2,学习因子;r1、r2、ρ,介于0与1之间的随机数;pid,编号i的粒子的d维度的历史最佳取值;pgd,当前迭代步数下全体粒子的d维度的最佳取值;
每次迭代时,按照式4动态调整式1中的惯性权重w值:
(式4)
其中:wmax、wmin,最大、最小惯性权重限定值;Ncur,当前迭代步数;N,最大迭代步数;
(e)重新评价各粒子的目标函数值,并据此更新各粒子的历史最优值及粒子群的全局最优值;
(f)判断程序是否收敛,当已达到最大迭代步数或已满足收敛条件时算法迭代结束,否则转向第(d)步。
2.根据权利要求1所述的基于二进制粒子群算法的风机优化布置方法,其特征在于:
所述待优化的风场的气象和地理条件包括风场的大小与形状、地表粗糙度z0、风玫瑰图和风速风频分布。
3.根据权利要求1所述的基于二进制粒子群算法的风机优化布置方法,其特征在于:
所述风机参数包括轮毂直径D0、轮毂高度h和功率-速度曲线。
4.根据权利要求1所述的基于二进制粒子群算法的风机优化布置方法,其特征在于:
所述至少一个优化目标选自由最小度电成本、最大总发电量、最大容量因数、最小尾流损失、最大内部收益率、最大开发商费、最大净现值及其组合所组成的组。
5.根据权利要求1所述的基于二进制粒子群算法的风机优化布置方法,其特征在于:
所述至少一个优化约束为风机最小间距,所述风机最小间距根据风场的地形、土壤承受能力、和/或风机所承受的动载荷来确定,所述风机最小间距也可简化为m倍的风机风轮直径,m的取值在3到5之间。
6.根据权利要求1或5所述的基于二进制粒子群算法的风机优化布置方法,其特征在于:所述网格的边长等于风机最小间距。
7.根据权利要求1所述的基于二进制粒子群算法的风机优化布置方法,其特征在于:
所述待优化的设计变量包括风场中装机的总台数及每台风机的具体布置位置。
8.根据权利要求1所述的基于二进制粒子群算法的风机优化布置方法,其特征在于:
任意时刻粒子的最大速度为可行解区域的20%~40%。
9.根据权利要求1所述的基于二进制粒子群算法的风机优化布置方法,其特征在于:
所述迭代终止条件为迭代次数达到最大迭代次数。
10.根据权利要求1所述的基于二进制粒子群算法的风机优化布置方法,其特征在于:
所述风机优化布置方法适用于地形变化不大的风场。
11.根据权利要求1所述的基于二进制粒子群算法的风机优化布置方法,其特征在于:
对单风机尾流使用解析形式尾流模型来描述风机的尾流效应,对于上下游风机的直线距离大于或等于4倍的风轮直径的情形,按照式5计算风机下游x处的尾流影响区域的直径D(x),按照式6计算风机下游x处的风机轮毂处的风速U(x):
D(x)=D0+2kx (式5)
(式6)
(式7)
其中,U0是来流速度,Ct是推力系数,D0是风轮直径,k是尾流扩展系数,h是轮毂高度,z0是地表粗糙度,经验常数A取0.5。
12.根据权利要求11所述的基于二进制粒子群算法的风机优化布置方法,其特征在于:对于下游风机同时位于多个上游风机尾流区内的情况,采用速度亏损平方线性叠加的方式来处理尾流重叠区的速度计算问题,使用式8来计算下游风机轮毂处的风速:
(式8)
其中:U0为来流风速,Ui为各个上游风机轮毂处的风速, 为下游风机轮毂处的风速。
13.根据权利要求12所述的基于二进制粒子群算法的风机优化布置方法,其特征在于:风场的投资总成本Costtotal如式9所示,
(式9)
其中:Costt为单台风机的成本,Nt为风电场风机布置台数;
若在优化中仅涉及到某一种机型,则可将Costt记为单位1,将式9进一步简写为式
10:
(式10)。
14.根据权利要求13所述的基于二进制粒子群算法的风机优化布置方法,其特征在于:当采用度电成本最小为优化目标时,可定义目标函数如式11所示:
(式11)
其中,fitness为目标函数,Ptotal表示某已知的布置方案的总发电量,Cost表示发电成本,由式9或式10给出。
15.根据权利要求14所述的基于二进制粒子群算法的风机优化布置方法,其特征在于:当布置方案已知时,总发电量Ptotal按照如下步骤进行计算,
1)将该已知布置方案中的风机按照来流风向从上游到下游进行排序;
2)通过式6与式8依次计算出每台风机轮毂处的风速Ui;
3)由风机功率曲线插值求出每台风机在风速Ui下的风机功率P(Ui);
4)计算出每个风向下所有风机的总发电量Pdir,见式12:
(式12)
其中,f(U)为风速概率分布函数,Uin与Uout分别为风机的切入和切出风速;
5)依照上述步骤计算出各个风向的总发电量之后,即可计算出每种风况下的总发电量:
(式13)
式中,fdir(j)为各个风向的频率,由风玫瑰图给出,数字16表示将360°均分为16个方向。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
桃感官品质评价系统和评价方法 | 2020-05-21 | 737 |
一种基于自动气象站组网综合探测系统 | 2020-05-22 | 62 |
一种全球海洋水动力信息系统 | 2020-05-25 | 1002 |
一种以城市绿化残余物再利用为目的的能源景观运作方法 | 2020-05-14 | 455 |
调桨控制方法和装置、计算机可读存储介质 | 2020-05-25 | 118 |
一种面向岩土工程全生命周期的工程勘察数据处理方法 | 2020-05-15 | 471 |
智能制造评估服务器、管理端、客户端及系统 | 2020-05-19 | 857 |
一种基于大数据的风电机组自动对风方法及系统 | 2020-05-23 | 713 |
风力发电机组点位地形复杂度的确定方法、装置及设备 | 2020-05-11 | 948 |
一种基于BIM技术的施工三维场布建模方法 | 2020-05-18 | 16 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。