CN109816160A - 一种基于遗传算法优化的混合型定日镜场布置方法 - Google Patents

Abstract

本发明属于塔式太阳能热发电系统的镜场优化技术领域。尤其涉及一种基于遗传算法优化的混合型定日镜场布置方法。本发明通过对近场区定日镜进行排布计算、对远场区定日镜排布计算、确定镜场组合需要的参数、对整场布设进行优化计算和整体镜场排布五个步骤，根据定日镜场中不同区域中各分项效率的分布，选择不同的布置方法，并在标准环形布置基础上进行调整，在满足镜场正常运行边界条件的同时，使近场区尽可能多的进行定日镜布置。本发明在远场区选用仿生型布置方法，再通过参数调整，使得该部分的排布更加均匀并取得更好的排布效果。本发明采用遗传算法对内场外场的布置参数以及两个区域之间的分界线等多个参数进行优化，取得较优的镜场排布方案。

Description

一种基于遗传算法优化的混合型定日镜场布置方法

技术领域

本发明属于塔式太阳能热发电系统的镜场优化技术领域。尤其涉及一种基于遗传算法优化的混合型定日镜场布置方法。

背景技术

太阳能热利用技术是当前可再生能源技术领域商业化程度较高、推广应用较为普遍的技术之一，塔式太阳能热发电系统是太阳能热利用的重要方向。在塔式太阳能热发电系统中，不同区域的定日镜由于与吸热器以及太阳的相对位置不同，具有不同的分项效率分布情况，整场的综合效率较低，且整体投资较高。

发明内容

本发明的目的是提供一种基于遗传算法优化的混合型定日镜场布置方法，该方法能够尽量提高整场的综合效率，进而减少整体投资，提高集热量产出。

为实现上述目的，本发明采用的技术方案是：

一种基于遗传算法优化的混合型定日镜场布置方法，包括如下步骤

步骤一，对近场区定日镜进行排布计算

采用环形布置法对近场区定日镜进行排布计算；

步骤二，对远场区定日镜排布计算

采用仿生型排布法对远场区定日镜进行排布计算；

步骤三，确定镜场组合需要的参数

根据确定采用的排布方法，确定镜场组合需要的参数；

步骤四，对整场布设进行优化计算

利用步骤四所确定的参数，使用遗传算法对整场布设进行优化计算；满足跳出条件进入步骤五，否则重新进行优化计算；

步骤五，整体镜场排布

根据步骤四计算生成的最优染色体编码进行最终的镜场排布。

所述的步骤一中采用改进的环形布置法包括如下步骤

第一步，确定定日镜布置对应圆环的半径

当初始半径为R₀，则后续圆环半径为：R₀，R₀+DM，R₀+2*DM，R₀+3*DM，…

其中，DM是镜场布置所需要的最小间距；

第二步，对于给的R和DM，计算对应的角度θ，θ为布设的相邻两日镜与圆心连线之间的夹角；

第三步，根据第二步计算的θ，计算每一圈布置的最大定日镜数量，再根据最大定日镜数量进行平均分配，取得每一圈的间距和定日镜排布方案；

第四步，每一圈设定起始位置参数，以此为起点，最终取得每一圈的排布方式。

所述的步骤二中的仿生型排布法是

当螺线确定后，确定日镜的位置主要基于黄金分割数τ：

和定日镜编号n确定：

θ_n＝n·2πτ²

其中：θ_n—为第n号定日镜对应的布置角度；

使用该角度值，再配合参数a，b可以取得对应定日镜的坐标：

式中a，b为定日镜位置调整系数；X_n、y_n是第n个定日镜的坐标；

所述的步骤四中的遗传算法包括如下步骤

第一步：将需要优化的参数个数，作为遗传算法染色体的长度，并确定种群数量，确定参数与镜场的对应关系；

第二步：初始化种群，根据参数与镜场的对应关系来确定对应的镜场排布；

第三步：根据对应的镜场排布计算效率作为对应的适应度函数，并根据结果进行交叉和变异；

第四步：如果陷入局部最优，重新开始随机，回到第2步。

第五步：判断是否达到跳出条件，根据最优染色体编码，生成最终的镜场排布。

所述的第五步的跳出条件包括两个，条件一是循环寻优次数达到设定值，条件二是达到预定的效率值。

本发明有益效果：

1、结合大规模商业化镜场的要求，根据定日镜场中不同区域中各分项效率的分布，选择合适的布置方法，并进行有针对性的调整，满足了工程实际的需求。

2、在标准环形布置的基础上进行调整，在满足镜场正常运行边界条件的同时，使得近场区尽可能多的进行了定日镜布置。

3、在远场区选用阴影效率较优的仿生型布置方法作为基本布置方法，再通过参数调整，使得该部分的排布更加均匀，能够在确定区域内，取得更好的排布效果。

4、采用遗传算法对内场外场的布置参数以及两个区域之间的分界线等多个参数进行优化，最终取得较优的镜场排布方案。

上述说明仅是本发明技术方案的概述，为了能够更清楚的了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明组合镜场排布流程图；

图2是本发明内区镜场布置方法示意图；

图3是本发明采用的内区镜场布置图；

图4是本发明外区镜场布置方法示意图；

图5是本发明外场镜场布置示意图；

图6是本发明所采用的组合镜场布置图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一：

根据图1-6所示的一种基于遗传算法优化的混合型定日镜场布置方法，包括如下步骤

步骤一，对近场区定日镜进行排布计算

采用改进的环形布置法对近场区定日镜进行排布计算；

步骤二，对远场区定日镜排布计算

采用仿生型排布法对远场区定日镜进行排布计算；

步骤三，确定镜场组合需要的参数

根据确定采用的排布方法，确定镜场组合需要的参数；根据不同的排布方法参数不同。

在实际使用时，根据不同的排布方法所确定的参数是不同的。包括径向间距、周相间距、重新分环相关的参数，不同排布方法的分隔半径、间距等。

步骤四，对整场布设进行优化计算

利用步骤四所确定的参数，使用遗传算法对整场布设进行优化计算；满足跳出条件进入步骤五，否则重新进行优化计算；

步骤五，整体镜场排布

根据步骤四计算生成的最优染色体编码进行最终的镜场排布。

优选的是所述的步骤一中采用改进的环形布置法包括如下步骤

镜场布置所需要的最小间距为DM，

第一步，确定定日镜布置对应圆环的半径

当初始半径为R₀，则后续圆环半径为：R₀，R₀+DM，R₀+2*DM，R₀+3*DM，…

其中，DM是镜场布置所需要的最小间距；

第二步，对于给的R和DM，计算对应的角度θ，θ为布设的相邻两日镜与圆心连线之间的夹角；

第三步，根据第二步计算的θ，计算每一圈布置的最大定日镜数量，再根据最大定日镜数量进行平均分配，取得每一圈的间距和定日镜排布方案；

第四步，每一圈设定起始位置参数，以此为起点，最终取得每一圈的排布方式。

优选的是所述的步骤二中的仿生型排布法是

当螺线确定后，确定日镜的位置主要基于黄金分割数τ：

和定日镜编号n确定：

θ_n＝n·2πτ²

其中：θ_n—为第n号定日镜对应的布置角度；

使用该角度值，再配合参数a，b可以取得对应定日镜的坐标：

式中a，b为定日镜位置调整系数；X_n、y_n是第n个定日镜的坐标；

a，b定日镜位置调整系数确定，则螺线即为确定螺线。

优选的是所述的步骤四中的遗传算法包括如下步骤

第一步：将需要优化的参数个数，作为遗传算法染色体的长度，并确定种群数量，确定参数与镜场的对应关系；

第二步：初始化种群，根据参数与镜场的对应关系来确定对应的镜场排布；

第三步：根据对应的镜场排布计算效率作为对应的适应度函数，并根据结果进行交叉和变异；

第四步：如果陷入局部最优，重新开始随机，回到第2步。

第五步：判断是否达到跳出条件，根据最优染色体编码，生成最终的镜场排布。

优选的是所述的第五步的跳出条件包括两个，条件一是循环寻优次数达到设定值，条件二是达到预定的效率值。

本发明以环形布置和仿生型布置两种现有技术中应用较多的布置方法为基础进行组合镜场的布置。由于环形布置定日镜之间的间距可控性更强，在近场区通过参数的调整尽可能的使这部分高效区域的定日镜数量达到最高。在远场区使用仿生型镜场，尽可能保证外围镜场的阴影遮挡效率。

如图1所示流程所示，通过群体智能算法进行整体的参数优化，可以取得对应的镜场排布方法。

A、近场区定日镜排布方法

在整个镜场的内部区域，由于其姿态和距离的原因，效率显著高于外部区域，因此该区域定日镜排布的主要目标是在满足镜场正常运行所需的间隔要求的前提下，尽可能的排布较多的定日镜。

较为常用的环形布置，一般采用同心圆排布，而相邻圆环之间在半径方向上进行交错排布。由于交错型排布的限制，则此类标准方法同一区域内每一圈的定日镜数量相等。这样的布置方式会导致半径越大时，定日镜间的周向间距越大。这样的布置方法显然不适应于近场区域定日镜排布尽量密集的需求。

本发明对基本的定日镜环形布置方法进行了改进，当镜场布置所需要的最小间距为DM，则近场区定日镜排布方式的主要步骤如下：

(1)确定定日镜布置对应圆环的半径，当初始半径为R₀，则后续圆环半径为：R₀，R₀+DM，R₀+2*DM，R₀+3*DM，…

(2)通过步骤1保证了不同环定日镜之间的距离大于DM，然后应保证在同一环内计算最小的定日镜距离间隔不小于DM。如图2所示，对于特定的R和DM可以计算出对应的角度θ，可以看出，对于对应的R，当定日镜环形半径确定时，只要同一环中相邻定日镜之间的夹角大于θ，就可满足最密排布间距的要求。

(3)基于对应的θ，计算每一圈布置的最大定日镜数量。再根据最大定日镜数量进行平均分配，取得每一圈的间距和定日镜排布方案。

(4)每一圈设定起始位置参数(此处起点坐标为后续优化参数之一)，以此为起点，最终取得每一圈的排布方式。

B、远场区定日镜排布方法

定日镜所处的区域不同，各种形式的效率所占的比重也不尽相同。近场区定日镜余弦和阴影遮挡效率起到主要作用，本发明在近场区主要考虑的是尽可能多的放入更多的定日镜，而不将阴影和遮挡作为主要的参考条件。而在远场区，余弦的变化速率变缓，阴影遮挡成为了主要考虑的因素。在此区域，通过比较，本发明选择当前阴影遮挡效率较高的仿生型镜场作为基础镜场，并进行改进以适应本发明方法的总体要求。

仿生型镜场排布的思路来源于植物叶片的生长和发育情况，如图4所示，采用仿生型镜场，定日镜对应的位置，就是一根藤蔓上叶片所处的位置，而藤蔓的位置，在此类方法中，被称为仿生螺线。当螺线确定后，定日镜的位置主要基于黄金分割数τ：

和定日镜编号n确定：

θ_n＝n·2πτ²

其中：θ_n—为第n号定日镜对应的布置角度。

使用该角度值，再配合a,b参数可以取得对应定日镜的坐标：

从上述公式可以清楚看出，参数a，b将最终决定螺线的走势和定日镜的具体坐标即当a、b常数确定后，仿生螺线也就确定了。仿生型镜场的螺线走势将直接控制定日镜的疏密，从而影响阴影和遮挡的发生情况，导致不同的全场效率。为了能够在外围进一步保证镜场的效率，本发明在不同区域采用不同的对应参数，并将在下一步进行整体的参数选择和优化，最终取得的该区域布置如图5所示。

C、整场优化方法

在上述排布方法中存在众多的优化量，如内圈的初始位置参数，外圈的螺线选择参数，以及整体的分界和换圈参数等。为了取得较优的镜场结果，本发明通过使用遗传算法来进行各类参数的优化。

整体算法在外部使用遗传算法来进行参数的选择，在内部采用效率计算算法来评价参数的优劣，通过不断的循环，最后取得较优的镜场排布结果。具体计算流程如图1所示，步骤如下：

第一步：将需要优化的参数个数，作为遗传算法染色体的长度，并确定种群数量，确定参数与镜场的对应关系；

其中的种群数量是一个经验值，可以采用现有技术中的种群数量应用到本发明的遗传算法中；遗传算法中，每一个染色体的一个位点，对应镜场设计的一个参数，即需要多少个参数，染色体就有多少位。

第二步：初始化种群，根据参数与镜场的对应关系来确定对应的镜场排布；

在实际使用时，根据染色体中各个位点代表的信息来作为镜场的输入条件。每一个染色体就是一组参数选择方案，包括a，b、径向间距、周相间距、重新分环相关的参数及不同排布方法的分隔半径、间距等参数。

第三步：根据对应的镜场排布计算效率作为对应的适应度函数，并根据结果进行交叉和变异；

在实际使用时，镜场排布计算效率可采用现有技术中的成熟软件进行计算。交叉和变异也采用的是现有技术的成熟方法。

第四步：如果陷入局部最优，重新开始随机，回到第2步。

在实际使用时，局部最优是指在数次循环后，最优适应度函数没有提高。

第五步：判断是否达到跳出条件，根据最优染色体编码，生成最终的镜场排布。

优选的是所述的第五步的跳出条件包括两个，条件一是循环寻优次数达到设定值，条件二是达到预定的效率值。

在实际使用时，循环寻优次数达到设定值和预定的效率值，需要具体项目的具体要求具体设定，例如：循环寻优次数设定值为1000次，预定的效率值为50％。

本发明通过结合大规模商业化镜场的要求，根据定日镜场中不同区域中各分项效率的分布，选择不同的布置方法，并进行有针对性的调整，满足工程实际的需求。本发明在标准环形布置的基础上进行调整，在满足镜场正常运行边界条件的同时，使得近场区尽可能多的进行定日镜布置。本发明在远场区选用阴影效率较优的仿生型布置方法作为基本布置方法，再通过参数调整，使得该部分的排布更加均匀，能够在确定区域内，取得更好的排布效果。本发明采用遗传算法对内场外场的布置参数以及两个区域之间的分界线等多个参数进行优化，最终取得较优的镜场排布方案。

实施例二：

本实施例以某50MW塔式光热电站实际情况为边界条件，采用几种主流的镜场排布方式进行了比较。表1中列出了相关实验结果和参数：

表1各个镜场参数对比表

上述实验，采用同样的实验软件，基于实际定日镜的精度和某地根据实测数据取得典型气象年数据进行仿真。最终的实验结果证明了，通过采用多种镜场的结合以及各类参数的优化，本发明可以取得较好地镜场布置方案，从而取得对应的经济效益。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

另外，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。

在不冲突的情况下，本领域的技术人员可以根据实际情况将上述各示例中相关的技术特征相互组合，以达到相应的技术效果，具体对于各种组合情况在此不一一赘述。

以上所述，近视本发明的较佳实施例而已，本发明将不会被限制于本文所示的这些实施例，二十要符合与本文所公开的原理和新颖性特点相一致的最宽的范围。依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (5)

1.一种基于遗传算法优化的混合型定日镜场布置方法，其特征在于：包括如下步骤

步骤一，对近场区定日镜进行排布计算

采用环形布置法对近场区定日镜进行排布计算；

步骤二，对远场区定日镜排布计算

采用仿生型排布法对远场区定日镜进行排布计算；

步骤三，确定镜场组合需要的参数

根据确定采用的排布方法，确定镜场组合需要的参数；

步骤四，对整场布设进行优化计算

利用步骤四所确定的参数，使用遗传算法对整场布设进行优化计算；满足跳出条件进入步骤五，否则重新进行优化计算；

步骤五，整体镜场排布

根据步骤四计算生成的最优染色体编码进行最终的镜场排布。

2.如权利要求1所述的一种基于遗传算法优化的混合型定日镜场布置方法，其特征在于：所述的步骤一中采用改进的环形布置法包括如下步骤

第一步，确定定日镜布置对应圆环的半径

当初始半径为R₀，则后续圆环半径为：R₀，R₀+DM，R₀+2*DM，R₀+3*DM，…

其中，DM是镜场布置所需要的最小间距；

第二步，对于给的R和DM，计算对应的角度θ，θ为布设的相邻两日镜与圆心连线之间的夹角；

第三步，根据第二步计算的θ，计算每一圈布置的最大定日镜数量，再根据最大定日镜数量进行平均分配，取得每一圈的间距和定日镜排布方案；

第四步，每一圈设定起始位置参数，以此为起点，最终取得每一圈的排布方式。

3.如权利要求1所述的一种基于遗传算法优化的混合型定日镜场布置方法，其特征在于：所述的步骤二中的仿生型排布法是

当螺线确定后，确定日镜的位置主要基于黄金分割数τ：

和定日镜编号n确定：

θ_n＝n·2π/τ²

其中：θ_n—为第n号定日镜对应的布置角度；

使用该角度值，再配合参数a，b可以取得对应定日镜的坐标：

式中a，b为定日镜位置调整系数；X_n、y_n是第n个定日镜的坐标。

4.如权利要求1所述的一种基于遗传算法优化的混合型定日镜场布置方法，其特征在于：所述的步骤四中的遗传算法包括如下步骤

第一步：将需要优化的参数个数，作为遗传算法染色体的长度，并确定种群数量，确定参数与镜场的对应关系；

第二步：初始化种群，根据参数与镜场的对应关系来确定对应的镜场排布；

第三步：根据对应的镜场排布计算效率作为对应的适应度函数，并根据结果进行交叉和变异；

第四步：如果陷入局部最优，重新开始随机，回到第2步；

第五步：判断是否达到跳出条件，根据最优染色体编码，生成最终的镜场排布。

5.如权利要求4所述的一种基于遗传算法优化的混合型定日镜场布置方法，其特征在于：所述的第五步的跳出条件包括两个，条件一是循环寻优次数达到设定值，条件二是达到预定的效率值。