[发明专利]基于遗传算法的风电机组基础尺寸优化方法

说明书

本发明公开一种基于遗传算法的风电机组基础尺寸优化方法，包括如下步骤：步骤1，确定编码规则、变量目标函数及约束条件；步骤2，根据所选塔架基础尺寸取值范围，随机生成初始种群，设置遗传算法所需的初始参数：种群规模N、最大进化代数Msubgt;max/subgt;、交叉变异概率；步骤3，将塔架基础的受力性能、变形量、稳定性作为约束条件，将遗传算法的目标函数定为塔架基础原材料的造价，计算个体的适应度值；步骤4，采用轮盘赌机制选择和保留最优个体，并进行交叉、变异和倒位组成新的个体，形成一代新种群；步骤5，重复步骤3～4，将最大适应度值所对应的参数作为最后优化结果。此种方法可在保证工程要求的情况下，降低塔架基础的原材料造价。

技术领域

本发明涉及一种基于遗传算法的风电机组基础尺寸优化研究方法。

背景技术

风能作为一种清洁的可再生能源，具有大规模开发利用的前景，受到了全世界越来越多的关注。塔架支撑整机的重量，为风轮提供高度，是风力发电机组的重要组成部分。而塔架基础作为整个塔筒的承载部位，其设计、制造水平将直接影响整个机组的安全和性能，其安全性和经济性尤为重要。为了满足现代能源发展的需要，获取更多的风能，需要搭建更高的支撑塔架，导致塔架的直径和钢板厚度越来越大，因此对基础的承载力、稳定性和抗疲劳能力都有更高的要求。

发明内容

本发明的目的，在于提供一种基于遗传算法的风电机组基础尺寸优化研究方法，其可在保证工程要求的情况下，降低塔架基础的原材料造价。

为了达成上述目的，本发明的解决方案是：

一种基于遗传算法的风电机组基础尺寸优化方法，包括如下步骤：

步骤1，确定编码规则、变量目标函数及约束条件；

步骤2，根据所选塔架基础尺寸取值范围，随机生成初始种群，设置遗传算法所需的初始参数：种群规模N、最大进化代数M_max、交叉变异概率；

步骤3，将塔架基础的受力性能、变形量、稳定性作为约束条件，将遗传算法的目标函数定为塔架基础原材料的造价，计算个体的适应度值；

步骤4，采用轮盘赌机制选择和保留最优个体，并进行交叉、变异和倒位组成新的个体，形成一代新种群；

步骤5，重复步骤3～4，将最大适应度值所对应的参数作为最后优化结果。

采用上述方案后，本发明以西北某地区1.5MW风力发电机组塔架基础作为研究对象，以塔架基础原材料造价作为目标函数，以混凝土基础的强度、刚度、稳定性、疲劳等作为约束条件，利用改进的遗传算法对混凝土基础的各段截面尺寸和高度进行优化。在满足各项约束条件的前提下，优化后的混凝土塔架基础原材料造价得到较大幅度的降低。

附图说明

图1是本发明的遗传算法的流程图；

图2是本发明圆形基础尺寸图；

图3是另一角度的圆形基础尺寸图；

图4是遗传算法对基础原材料造价的优化过程。

具体实施方式

以下将结合附图，对本发明的技术方案及有益效果进行详细说明。

风电机组基础型式主要有扩展基础、桩基础和岩石锚杆基础，本实施例仅针对扩展基础，以强度、刚度、稳定性、疲劳性为约束条件，以造价为目标函数，对混凝土基础部分的尺寸采用遗传算法进行优化；配合图1所示，本发明提供一种基于遗传算法的风电机组基础尺寸优化方法，包括如下步骤：

步骤1，确定编码规则、变量目标函数及约束条件；

步骤2，根据所选塔架基础尺寸取值范围，随机生成初始种群，设置遗传算法所需的初始参数：种群规模N、最大进化代数M_max、交叉变异概率；