CN109670219A - 一种基于网格化海域的潮流能水轮机阵列优化方法 - Google Patents

一种基于网格化海域的潮流能水轮机阵列优化方法 Download PDF

Info

Publication number
CN109670219A
CN109670219A CN201811471761.XA CN201811471761A CN109670219A CN 109670219 A CN109670219 A CN 109670219A CN 201811471761 A CN201811471761 A CN 201811471761A CN 109670219 A CN109670219 A CN 109670219A
Authority
CN
China
Prior art keywords
population
sea area
tidal current
individual
turbine
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN201811471761.XA
Other languages
English (en)
Inventor
林祥峰
张继生
张婧
汪国辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN201811471761.XA priority Critical patent/CN109670219A/zh
Publication of CN109670219A publication Critical patent/CN109670219A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03B—MACHINES OR ENGINES FOR LIQUIDS
    • F03B13/00—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates
    • F03B13/12—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates characterised by using wave or tide energy
    • F03B13/26—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates characterised by using wave or tide energy using tide energy
    • F03B13/264—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates characterised by using wave or tide energy using tide energy using the horizontal flow of water resulting from tide movement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/30—Energy from the sea, e.g. using wave energy or salinity gradient
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Oceanography (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Other Liquid Machine Or Engine Such As Wave Power Use (AREA)

Abstract

本发明提供了一种基于网格化海域的潮流能水轮机阵列优化方法，首先，确定海域布置范围以及布置区域内潮流平均流速，布置水轮机数量、确定水轮机的性能系数；然后，根据水轮机参数网格化海域；确定算法参数，包括交叉子代数量、变异率和迭代步数；生成初始种群；种群中个体交叉，产生子代，加入种群中；选择一定数量的种群个体变异，产生新个体，加入种群；求种群中所有个体的目标值；其次，判断算法是否结束，若未结束，回到种群交叉步骤，若结束，选择目标值最大的个体作为优化结果。本发明将拟布置海域进行离散，考虑了水轮机降低后方流场流速的影响以及水轮机推力系数与潮流流速的相关性，耗费计算资源少，能为潮流能发电机场初步设计提供参考。

Description

一种基于网格化海域的潮流能水轮机阵列优化方法
技术领域
本发明属于海洋能开发和利用领域，具体涉及一种基于网格化海域的潮流能水轮机阵列优化方法。
背景技术
随着社会经济发展，传统化石能源不可再生且对环境污染严重，无法满足日益增加的能源需求。在众多的新能源中，潮流能具有蕴藏量大、可预测、环境友好等优点。为充分提取潮流能，在海域中常布置潮流能水轮机阵列。但是，潮流能水轮机的布置会造成下游水流场流速的下降，进而影响下游水轮机对于能源的提取。因此，对于潮流能水轮机阵列的布置需要考虑优化问题，以提高潮流能水轮机阵列提取能源的水平。
目前对于潮流能水轮机阵列的优化常基于人工经验或者数值模拟的方法，基于人工经验常无法得到最优布置方案，而数值模拟的方法耗时长、耗费计算资源多，均不利于潮流能发电场水轮机阵列的初步设计。
发明内容
发明目的：本发明提供一种基于网格化海域的潮流能水轮机阵列优化方法，能有效避免优化过程中水轮机布置过于紧密的情况，减少计算消耗。
技术方案：本发明提供了一种基于网格化海域的潮流能水轮机阵列优化方法，包括以下步骤：
(1)规划海域布置区域，确定海域内潮流参数；
(2)确定海域内水轮机布置数量以及水轮机参数；
(3)根据水轮机参数，将海域进行划分，确定海域内可布置潮流能水轮机的坐标信息点；
(4)确定优化算法参数；
(5)随机生成初始种群，种群中包括相应数量的个体，每个个体中包含海域内水轮机的位置参数；
(6)种群中个体交叉，产生新个体，加入种群中；
(7)在步骤(6)形成的种群中，根据确定的算法参数，选择部分个体发生变异，产生新个体，加入种群中；
(8)确定种群中，每个个体的目标值，根据目标值选择相应数量的个体组成新种群，若未达到算法结束条件，返回步骤(5)；
(9)算法结束后，选择种群中目标值最大的个体作为优化结果。
步骤(1)所述的海域布置区域为长方形区域。
步骤(2)中所述的水轮机参数包括水轮机叶轮直径、实际水轮机功率系数及推力系数。
步骤(4)中所述的优化算法为遗传算法；所述参数主要包括初始种群数量、交叉后代数量、变异率和迭代步数。
步骤(5)所述的个体由相应布置数量的水轮机的坐标信息点组成。
步骤(8)所述的目标值为潮流能水轮机阵列总发电量，其计算公式为：
其中，N为潮流能水轮机阵列中水轮机数量，ui为水轮机布置处当地潮流流速，Cp为当地潮流流速为ui时的水轮机功率系数，ρ为水流密度，D为水轮机直径。
有益效果：与现有技术相比，本发明的有益效果；1、考虑潮流能水轮机布置对于下游水流流速的下降作用及潮流能水轮机在不同潮流流速下性能参数的变化，符合实际情况；2、对于布置海域进行网格化，将水轮机布置在离散的网格点上，有效避免优化过程中水轮机布置过于紧密的情况，减少计算消耗；3、引入智能优化算法，思路清晰，优化速度快，节省计算资源，能为潮流能水轮机发电场的初步设计提供参考。
附图说明
图1为本发明流程图；
图2为本发明功率系数与潮流流速相关图；
图3为拟布置区域离散网格图；
图4为发电量随迭代步数变化图；
图5为优化前的水轮机阵列布置图；
图6为优化后的水轮机阵列布置图。
具体实施方式
下面结合附图对本发明作进一步详细说明，如图1所示，具体步骤如下：
(1)根据实际海域情况，规划海域布置区域，确定海域内潮流参数；本实施例计算在长500米宽200米的矩形区域内布置潮流能水轮机阵列；布置区域内潮流平均流速取3米/秒。
(2)根据实施情况，确定海域内水轮机布置数量和潮流能水轮机参数，包括水轮机直径、水轮机推力系数与功率系数；本实施例计划在上述区域内布置25台潮流能水轮机，水轮机直径20米，推力系数取0.75；如图2所示，水轮机功率系数与当地潮流流速相关，若当地潮流流速≤1米/秒，功率系数为0；若当地潮流流速≥2.5米/秒，功率系数为0.35。
(3)根据水轮机参数，将海域进行网格化；从而确定海域内可布置潮流能水轮机的坐标信息点，如图3所示，本实施例中水轮机直径20米，拟布置区域长500米宽200米，故将区域离散为25×10的网格区域，网格交点处可布置潮流能水轮机；如此可有效避免优化过程中，水轮机布置点过于紧密实际中无法实现的问题。
(4)确定遗传算法相关参数，包括初始种群数量、交叉后代数量、变异率和迭代步数。本实施例中初始种群数量为50、交叉后代数量为250、变异率为5％、迭代步数为1000。
(5)随机生成初始种群，种群中包括相应数量的个体，每个个体中包含海域内水轮机的位置参数；本实施例中随机产生50个个体，每个个体中包含25台水轮机坐标信息。
(6)种群中个体交叉，产生新个体，加入种群中；随机选择种群的两个个体，分别为父个体和母个体，在母个体中随机选取一定数量的坐标信息点替换父个体中的坐标信息点，且替换的坐标信息点与未替换的坐标信息点不重复。本实施例中根据交叉后代数量为250确定初始种群中每个个体作为父个体与其余随机5个个体作为母个体交叉，产生5个子个体，共产生250个子个体，加入原种群中，形成个体数量为300的新种群。在每次交叉中，将父个体中随机数量的水轮机坐标点替换为母个体中的坐标点，母个体中坐标点的选择与父个体中保留下的水轮机坐标点不同，形成子个体。
(7)在种群中，根据确定的算法参数，选择部分个体发生变异，产生新个体，加入种群中；根据确定的变异率，在种群中选择相应数量的个体，将每个个体中随机数量的坐标信息点进行变换，生成新个体。本实施例中，根据确定的变异率5％，选择15个个体进行变异，变异过程中，选择每个个体随机数量的坐标信息点进行变换，形成新个体，加入种群中，形成个体数量为315的种群。
(8)确定种群中，每个个体的目标值，根据目标值选择相应数量的个体组成新种群，若未达到算法结束条件，回到第(6)步；本实施例中将潮流能水轮机阵列总发电量作为目标值，其计算公式为：
式中，N为潮流能水轮机阵列中水轮机数量，N为50个，ui为水轮机布置处当地潮流流速，Cp为当地潮流流速为ui时的水轮机功率系数，ρ为水流密度，p取1000千克/立方米，D为水轮机直径，D为20米。目标值与潮流能水轮机布置处当地潮流流速相关，其中当地潮流流速包含了潮流能水轮机尾流场对潮流流速的减小作用。
当地潮流流速ui按如下计算：
(a)若水轮机i位于水轮机j下游时，水轮机j在水轮机i的布置处形成的水流流速为：
式中，ui，j为水轮机j在水轮机i处形成的潮流流速，r为水轮机i与水轮机j在宽度上的距离，x为水轮机i与水轮机j在长度上的距离，u。。为布置区域内的平均潮流流速，此处取3米/秒，Ct为潮流能水轮机的推力系数，此处取0.75。
(b)若水轮机i位于水轮机j上游时，水轮机j在水轮机i的布置处形成的水流流速为：
ui，j＝u∞
阵列布置中，水轮机i会受到不同水轮机的影响，可根据下式得到水轮机i布置处的当地潮流流速：
算法结束条件为达到理论最大发电量或者迭代步数达到最大值1000时，结束迭代，否则选取目标值最大的50个个体组成新种群，回到第(6)步。
(9)算法结束后，选择种群中目标值最大的个体作为优化结果。如图4所示，经过1000步迭代后，潮流能水轮机阵列发电量由提高29.5kW到36.9kW。如图5所示，为优化前的水轮机阵列布置图，图6为优化后的水轮机阵列布置图，水轮机布点位置发生相应变化。
本具体实施案例只是本发明涉及的一种潮流能水轮机阵列优化方法的一个具体案例，但本发明不应受此案例限制，任何符合本发明权利要求中所涉及的内容和原则，均应在本发明的保护范围内。

Claims (6)

1.一种基于网格化海域的潮流能水轮机阵列优化方法，其特征在于：包括以下步骤：
(1)规划海域布置区域，确定海域内潮流参数；
(2)确定海域内水轮机布置数量以及水轮机参数；
(3)根据水轮机参数，将海域进行划分，确定海域内可布置潮流能水轮机的坐标信息点；
(4)确定优化算法参数；
(5)随机生成初始种群，种群中包括相应数量的个体，每个个体中包含海域内水轮机的位置参数；
(6)种群中个体交叉，产生新个体，加入种群中；
(7)在步骤(6)形成的种群中，根据确定的算法参数，选择部分个体发生变异，产生新个体，加入种群中；
(8)确定种群中，每个个体的目标值，根据目标值选择相应数量的个体组成新种群，若未达到算法结束条件，返回步骤(5)；
(9)算法结束后，选择种群中目标值最大的个体作为优化结果。
2.根据权利要求1所述的一种基于网格化海域的潮流能水轮机阵列优化方法，其特征在于：步骤(1)所述的海域布置区域为长方形区域。
3.根据权利要求1所述的一种基于网格化海域的潮流能水轮机阵列优化方法，其特征在于：步骤(2)中所述的水轮机参数包括水轮机叶轮直径、实际水轮机功率系数及推力系数。
4.根据权利要求1所述的一种基于网格化海域的潮流能水轮机阵列优化方法，其特征在于，步骤(4)中所述的优化算法为遗传算法；所述参数主要包括初始种群数量、交叉后代数量、变异率和迭代步数。
5.根据权利要求1所述的一种基于网格化海域的潮流能水轮机阵列优化方法，其特征在于，步骤(5)所述的个体由相应布置数量的水轮机的坐标信息点组成。
6.根据权利要求1所述的一种基于网格化海域的潮流能水轮机阵列优化方法，其特征在于，步骤(8)所述的目标值为潮流能水轮机阵列总发电量，其计算公式为：
其中，N为潮流能水轮机阵列中水轮机数量，ui为水轮机布置处当地潮流流速，Cp为当地潮流流速为ui时的水轮机功率系数，ρ为水流密度，D为水轮机直径。
CN201811471761.XA 2018-12-04 2018-12-04 一种基于网格化海域的潮流能水轮机阵列优化方法 Withdrawn CN109670219A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811471761.XA CN109670219A (zh) 2018-12-04 2018-12-04 一种基于网格化海域的潮流能水轮机阵列优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811471761.XA CN109670219A (zh) 2018-12-04 2018-12-04 一种基于网格化海域的潮流能水轮机阵列优化方法

Publications (1)

Publication Number Publication Date
CN109670219A true CN109670219A (zh) 2019-04-23

Family

ID=66144260

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811471761.XA Withdrawn CN109670219A (zh) 2018-12-04 2018-12-04 一种基于网格化海域的潮流能水轮机阵列优化方法

Country Status (1)

Country Link
CN (1) CN109670219A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111476680A (zh) * 2020-04-14 2020-07-31 国家海洋技术中心 基于通量守恒的潮汐能资源评估方法及系统
CN113177351A (zh) * 2021-04-06 2021-07-27 国家海洋技术中心 一种基于量子离散粒子群算法的涡轮机阵列优化方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111476680A (zh) * 2020-04-14 2020-07-31 国家海洋技术中心 基于通量守恒的潮汐能资源评估方法及系统
CN113177351A (zh) * 2021-04-06 2021-07-27 国家海洋技术中心 一种基于量子离散粒子群算法的涡轮机阵列优化方法

Similar Documents

Publication Publication Date Title
CN108805434B (zh) 一种基于改进nsga-ⅲ的梯级水电站多目标优化调度方法
CN106712076B (zh) 一种海上风电场集群规模下的输电系统优化方法
CN109670650B (zh) 基于多目标优化算法的梯级水库群调度模型的求解方法
CN105243438A (zh) 一种考虑径流不确定性的多年调节水库优化调度方法
CN104408260A (zh) 一种潮流能水轮机叶片翼型设计方法
CN107563538B (zh) 大电网平台下的面向关键水位控制的多目标水库群调度优化方法
CN107681655B (zh) 一种潮汐流能发电场协调规划方法
Yong An improved artificial fish swarm algorithm for optimal operation of cascade reservoirs
CN108428017A (zh) 基于核极限学习机分位数回归的风电功率区间预测方法
CN111079086B (zh) 一种基于多元联合分布的水资源系统多重风险评估方法
CN106208046A (zh) 一种考虑发电环境成本的潮汐流能发电场机组布局方法
CN106886833A (zh) 一种适用于复杂约束条件的风力发电机选址选型优化方法
Beşkirli et al. Optimal placement of wind turbines using novel binary invasive weed optimization
Hashem et al. Metamodeling-based parametric optimization of a bio-inspired Savonius-type hydrokinetic turbine
CN109670219A (zh) 一种基于网格化海域的潮流能水轮机阵列优化方法
CN106897793A (zh) 一种可保证安全距离的基于遗传算法的风电场风力发电机排布优化方法
CN107704965A (zh) 一种兼顾生态保护需求的水库兴利调度图优化方法
CN108667077A (zh) 一种风蓄联合系统优化调度方法
CN109255361B (zh) 一种考虑不可行区域的潮汐流能发电场机组布局方法
CN108736472B (zh) 一种考虑礁石影响的潮汐流能发电场规划方法
CN110084430A (zh) 一种考虑时空特性设计分布式光伏出力预测模型的方法
CN116378897B (zh) 一种风电场偏航角控制方法及装置
CN110188912B (zh) 基于改进花粉算法的地表水和地下水联合调度优化方法
CN107480805A (zh) 一种基于遗传算法的潮流能水轮机阵列优化方法
CN116796990A (zh) 不确定电价条件下梯级水库汛前水位消落控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20190423

WW01 Invention patent application withdrawn after publication