[发明专利]基于遗传算法的分布式光伏布线多目标优化方法及装置

说明书

本发明公开一种基于遗传算法的分布式光伏布线多目标优化方法及装置，包括基于分布式光伏布线的影响因素建立分布式光伏布线的多目标优化模型，并定义各目标因子影响参数的约束条件；建立分布式光伏布线的多目标优化模型适应度函数，选择性状优良的个体作为父代，并根据该个体的优良程度定义其遗传强度；基于父代种群重复执行多次进化操作，达到预定进化代数后，以进化操作中具有最大适应度的个体作为最优解输出，终止并完成进化操作。本发明基于遗传算法，实现对分布式光伏进行多目标多参数下的布线优化，降低了分布式光伏的建造成本、运营与维护成本，减少设计人员的工作量，为分布式光伏电站的布线设计提供合理和有效的解决方案。

技术领域

本发明涉及分布式光伏布线的优化技术领域，特别是涉及一种基于遗传算法的分布式光伏布线多目标优化方法及装置。

背景技术

近年来，世界主要国家均把清洁能源作为未来的发展战国略，提出了清洁能源战略，构建多元的清洁能源体系。

在分布式光伏电站设计过程中，首先要根据布置区域规划光伏阵列中光伏组件的排布，然后根据光伏组件的型号、数量选择合适的逆变器数量及安装位置，最后再根据光伏阵列和选择的逆变器的布置规划出合理的电缆分布方案。其中电缆的分布更是影响整个分布式光伏发电系统发电效率和经济效益的重要因素之一。

目前，虽然对光伏电站的电缆布置有一定的规范要求，但缺乏严格的优化设计，在实际工程应用中造成资源的浪费和光伏发电成本的增加。部分学者也有尝试将分布式光伏布线规划问题转换为模拟退火算法，通过对光伏安装区域中的组件进行最优分组来实现电缆成本的最优，这种方式耗时且由于模拟退火算法的直接性和简单化，在不同具体问题中需要对冷却参数经过多次修改才可以得到相对较好的优化结果，且极其依赖于工程师的经验，同时也无法满足分布式光伏布线规划中多目标多参数的复杂要求。

发明内容

本发明的目的是提供一种基于遗传算法的分布式光伏布线多目标优化方法及装置，为分布式光伏的布线提供快速高效的优化解决方案，更加经济高效。

根据本发明的第一方面，提出一种基于遗传算法的分布式光伏布线多目标优化方法，包括：

基于分布式光伏布线的影响因素建立分布式光伏布线的多目标优化模型，并定义各目标因子影响参数的约束条件；

建立分布式光伏布线的多目标优化模型适应度函数，选择性状优良的个体作为父代，并根据该个体的优良程度定义其遗传强度；

基于父代种群重复执行多次进化操作，达到预定进化代数后，以进化操作中具有最大适应度的个体作为最优解输出，终止并完成进化操作。

进一步的，所述影响因素至少包括分布式光伏电站布置区域的场地环境、用户需求、施工难度、负载压力、电缆用量、建设成本、运行与维护费用；

将各影响因素量化为目标因子，同时获取目标因子的影响参数，为各目标因子统合设置权重系数；

所述分布式光伏布线的所述多目标优化模型以全生命周期费用最优为优化总目标，生成总目标函数。

进一步的，还包括初始种群的产生：

对各目标因子的影响参数进行编码，每组影响参数组成一条染色体，即为一个个体；

随机对多组参数进行编码，建立多目标优化模型的初始种群，包括有限个个体。

进一步的，建立分布式光伏布线的多目标优化模型适应度函数具体包括：

获取用户需求，量化为实际需求参数，并建立用户需求权函数；

所述多目标优化模型适应度函数等于所述用户需求权函数与所述总目标函数之和的倒数；

所述用户需求权函数用以根据用户实际需求，调节个体遗传至下一代的概率；

当所述总目标函数越小时，种群中各个体的适应度就越大，则个体的基因性状越优良。