【技術實現步驟摘要】
基于改進的模擬退火算法的風電機組最佳參數選擇方法
[0001]本公開涉及風電機組的輪轂高度、轉子直徑和額定功率最佳選擇方法，具體地，本公開根據風力渦輪機位置和風切變系數等已知風力統計數據找到最佳風電機組設計，涉及基于改進的模擬退火算法的風電機組最佳參數選擇方法。
技術介紹
[0002]風能被視為未來的主要電力來源之一。因此，在新風電廠(風電場)建設的這種動態條件下，未來的設計應側重于風電場優化，以提高整體效率并降低成本。
[0003]風電機組優化問題通常是復雜的風電場優化問題的一部分，應該考慮大量的變量。此外，其中一些是相互依賴的。現有技術中有大量論文涉及風電機組的優化問題，例如，對風電機組優化領域的研究主要集中在風電機組的選址、設計、性能和控制策略。此外，現有技術中已經開發了幾種用于風電機組設計問題的優化模型和算法，例如，遺傳算法，貪心算法，粒子群優化算法，二進制算法，模式搜索算法，極大極小優化算法，是一些用于尋找最佳風電機組設計的方法。
[0004]風電場項目的目標是最大限度地減少投資成本和運營成本，并最大限度地提高年能源產量。換句話說，目標是在投資成本、運營成本和年能源產量的函數中最小化電力成本。輪轂高度、轉子直徑和額定功率對年能源產量和風電機組成本有顯著影響，從而決定了電力成本。風電機組設計應以通過將能源生產量和初始資本成本轉換為適當的公共單位來實現最小電力成本的方式進行優化。
[0005]風電組件的優化選擇是一項重要的規劃任務，需要在項目規劃的早期階段完成。當確定了發展風電場項目的地...
【技術保護點】
【技術特征摘要】
1.基于改進的模擬退火算法的風電機組最佳參數選擇方法，其特征在于，所述方法包括：S100：根據風電機組的輪轂高度、轉子直徑和額定功率構建風電機組的能源的平準化成本模型；S200：構建所述能源的平準化成本模型的優化模型；S300：使用結合遺傳算法的模擬退火算法獲取所述優化模型的最優解，得到所述風電機組的輪轂高度、轉子直徑和額定功率的最佳設計參數。2.根據權利要求1所述的基于改進的模擬退火算法的風電機組最佳參數選擇方法，其特征在于，所述步驟S300中使用結合遺傳算法的模擬退火算法獲取所述優化模型的最優解，得到所述風電機組的輪轂高度、轉子直徑和額定功率的最佳設計參數，包括：S310：初始化控制參數，所述控制參數包括：種群個體大小sizepop，最大進化次數MAXGEN，溫度冷卻系數k，退火初始溫度T0，終止溫度T
end
；S320：隨機初始化種群，所述種群代表所述風電機組的輪轂高度、轉子直徑和額定功率的設計參數，計算每個所述種群個體的目標函數f
i
，其中，i＝1，2，
…
，sizepop；S330：設循環計數變量gen＝0；S340：對所述種群實施至少一種遺傳操作，根據模擬退火算法對所述種群個體進行選擇操作；S350：若gen＜MAXGEN，則gen＝gen+1，轉至步驟S340；否則，轉至步驟S360；S360：若T
i
<T
end
，其中，i＝0,1,2，
…
，sizepop，則算法成功結束，返回全局最優解；否則，執行降溫操作T
i+1
＝kT
i
，其中，其中，i＝0,1,2，
…
，sizepop，轉至步驟S330。3.根據權利要求2所述的基于改進的模擬退火算法的風電機組最佳參數選擇方法，其特征在于，所述步驟S340中根據模擬退火算法對所述種群個體進行選擇操作，包括：計算每一個所述種群個體的目標函數值f
i
′
；若f
i
′
>f
i
，則以模擬退火算法生成新個體替換舊個體；否則，以概率P＝exp((f
i
?
f
i
′
)T
i
)接受新個體，舍棄舊個體，其中，T
i
為模擬退火算法生成新個體后的i狀態下的溫度。4.根據權利要求2或3所述的基于改進的模擬退火算法的風電機組最佳參數選擇方法，其特征在于，所述步驟S310中控制參數還包括交叉概率P
c
，變異概率P
m
，所述步驟S340中遺傳操作包括選擇、交叉和變異，所述對所述種群實施遺傳操作包括：根據選擇算子采用隨機遍歷抽樣對所述種群實施交叉遺傳操作；根據所述交叉概率P
c
對...
【專利技術屬性】
技術研發人員：曹乃虹，李志杰，楊振勇，嚴亮，楊繼明，吳華，徐文海，王自強，徐明壽，
申請(專利權)人：北京華能新銳控制技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。