1.一种基于自适应差分进化的风电场布局优化方法,其特征在于,包括步骤:S1、获取风电场风能数据、风电场和风机参数,建立风电场布局优化模型;
S2、随机生成预设数量满足约束条件的风电场布局方案,构成初始种群;
S3、将初始种群随机划分为几组子种群,再进行子种群搜索,得到变异向量;
S4、对变异向量进行局部差分获得候选布局解,基于候选布局解,对目标向量进行自适应替换操作得到试验向量;
S5、对试验变量进行修复替换操作,得到修复后的试验向量,再在目标向量与修复后的试验向量之间进行选择,得到合适的个体;
S6、继续对种群执行步骤S3-S5过程,直到达到设定的最大评估次数,最终得到最优的风电场布局解;
在步骤S4中,对变异向量进行局部差分获得候选布局解的具体过程为:对变异向量进行重新编码,将一个风电场布局方案作为一个种群Q,其中一个个体为一个风机的坐标,对种群Q局部差分,再对差分后的子代种群进行一次重新编码,获得候选布局解;
在步骤S4中,基于候选布局解对目标向量进行自适应替换操作得到试验向量的具体过程为:当评估次数小于自适应替换操作的学习周期时,将候选布局解的第一个风机的坐标用来随机替换目标向量中的一个坐标,被替换的坐标索引为r,得到试验向量;
当评估次数达到或大于自适应替换操作的学习周期时,采用自适应替换得到试验向量;
自适应替换的过程为:
计算各个风机坐标索引的成功率,根据成功率信息采用随机遍历抽样选择个体中被替换坐标的索引k,将候选布局解的第一个风机的坐标用来替换目标向量中索引k对应的坐标,得到试验向量。
2.根据权利要求1所述的基于自适应差分进化的风电场布局优化方法,其特征在于,步骤S1的具体过程为:S11、获取风电场风能数据、风电场和风机参数并进行预处理,建立风速概率分布模型、尾流模型和风机功率曲线模型;
S12、基于风速概率分布模型、尾流模型和风机功率曲线模型来建立各风机的功率输出期望函数,进而得到风电场优化模型。
3.根据权利要求2所述的基于自适应差分进化的风电场布局优化方法,其特征在于,在步骤S11中,采用两参数的威布尔分布来表示风速概率分布模型;采用Jensen模型建立尾流模型;采用Gaussian函数来表示风机功率曲线模型,公式如下:其中为风机i的功率,为风机的额定功率;为风速,、和分别为风机的切入风速、额定风速和切出风速,a、b和c分别为Gaussian函数拟合风机功率曲线数据得到的参数。
4.根据权利要求3所述的基于自适应差分进化的风电场布局优化方法,其特征在于,在步骤S12中,功率输出期望函数的公式如下:其中为风机i的功率输出期望,为风机的额定功率,为考虑尾流效应的缩放参数,为形状参数,为风向各个区间的概率,为划分的风向各个区间的中位数,n= 1,… , g;为划分的风速各个区间的中位数;将[, 平均划分为s个区间,每个区间为[, ,j = 1, … , s;g为将风向角度平均划分的区间数;
其中风电场布局优化模型的变量为各个风机的二维坐标,表示为[xi1, xi2],i = 1, …, N; N为风电场的风机数量;
风电场布局优化模型的目标函数表示为下式:
风电场布局优化模型的边界约束条件为:风机在预设范围内;
风电场布局优化模型的距离约束条件为:两个风机之间的安全距离为m倍风机转子直径。
5.根据权利要求1所述的基于自适应差分进化的风电场布局优化方法,其特征在于,计算各个风机坐标索引的成功率的公式如下:其中表示目前的评估次数,为自适应替换操作的学习周期,Nsci,g和Nfci,g表示进行替换操作后的试验向量是否满足约束条件的状态,Nsei,g和Nfei,g表示进行选择后的试验向量是否优于目标向量的状态,;为常数;N为风电场的风机数量。
6.根据权利要求5所述的基于自适应差分进化的风电场布局优化方法,其特征在于,在步骤S5中,对试验变量进行修复替换操作,得到修复后的试验向量的具体过程为:找到试验向量中违反约束条件的坐标,并用候选布局解中的下一个坐标来替换掉该坐标,重复此过程直到替换到第p个坐标,得到修复后的试验向量;p=N/2。
7.一种基于自适应差分进化的风电场布局优化系统,包括相互连接的存储器和处理器,所述存储器上存储有计算机程序,其特征在于,所述计算机程序在被处理器运行时执行如权利要求1-6中任意一项所述方法的步骤。