[发明专利]一种基于二进制粒子群算法的风机优化布置方法

说明书

技术领域

本发明涉及机械行业风力发电技术领域，具体涉及一种基于二进制离散粒子群优化算法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。

背景技术

随着能源需求的不断增大和风电开发风潮的不断升温，风电场的前期规划与开发得到了越来越多的重视。风机的优化布置是风电场前期规划中的关键环节，直接影响了风资源的利用率、土地资源的利用率以及风电场的经济性水平。对于一个总占地面积给定的风电场，若不考虑各风机尾流的相互影响，则布置风机数量越多，总发电量就越大，经济性就越好。但实际情况中，由于尾流效应，上游的风机会对下游风机造成影响——轮毂处风速减小，湍流度增大，所以一个面积固定的风场所能安置的风机数量是有限的，存在一最佳值，使得风场的经济性最好。因此，根据风电场场址处的风能资源情况，在选定风机型号后，合理地确定风机布置数量及位置，对于提高风电场的经济性是非常重要的。

目前工程领域中广泛使用商业软件(如GH Windfamer和WindPro等软件)来解决风电场的规划问题。商业软件具有自动布机方案的功能，即设计人员输入风场装机容量、风机台数、风机间间距等参数后，软件会自动生成布机方案，设计人员往往过分依赖此功能。此自动布机方案的原理是软件首先搜索风电场中发电量最好的第一个机位，搜索到并固定此机位后，软件开始搜索第二个发电量最大的机位，搜索到并固定此机位后，软件继续搜索第三个机位……以此类推，最终生成整个风电场的布局方案。然而此方案局限在了某些风机的单机发电量，没有考虑到整个风场的综合发电量，因此，此布机方法并不属于优化方法，最终得到的布机方案并不是最佳方案。

风机优化布置需考虑的因素多，优化变量(风机布置方案)的维数高且不连续(不可微)，种种特点均导致无法用经典的解析方法求解该优化问题，只能求助于优化算法。

目前已有学者发表了应用基本粒子群算法(basic Particle Swarm Optimization，简写为bPSO，也称经典粒子群算法)解决风机优化布置问题的文章。考虑到风机优化布置问题是一个离散组合优化问题，所以必须将离散问题空间映射到连续粒子运动空间(如图1：各行的二进制数组分别对应一个十进制数，一个十进制数即为PSO中优化变量的一个维度，本例中各维度的可行解空间为0至1023)，因而各维度的可行解空间必须连续，即不能出现“空洞”(即不能出现不能放置风机的位置)，且各维度的数据长度必须完全一致，因此基本粒子群算法只能求解矩形形状风场的优化布置问题。

发明内容

针对传统风场规划软件中风机布置环节的不足，以及现有的基本粒子群算法(bPSO)只能求解矩形形状风场的优化布置问题的不足，为了寻找最优的排布方案，本发明将二进制粒子群优化算法(Binary Particle Swarm Optimization，简写为BPSO)引入了风机优化布置问题中，将每个可布置风机的位置(下文中统称为“有效位置”)均单独视为粒子的一个维度，直接对各有效位置进行优化。二进制粒子群优化算法将PSO算法映射到离散空间，直接在离散空间中计算和求解，如此，便可解决非规则形状风场的风机优化布置问题。

本发明解决其技术问题所采用的技术方案是：

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：

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。

优选地，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。

优选地，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。

优选地，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。