CN110955970A - 光伏电站布局方法和装置 - Google Patents
光伏电站布局方法和装置 Download PDFInfo
- Publication number
- CN110955970A CN110955970A CN201911182567.4A CN201911182567A CN110955970A CN 110955970 A CN110955970 A CN 110955970A CN 201911182567 A CN201911182567 A CN 201911182567A CN 110955970 A CN110955970 A CN 110955970A
- Authority
- CN
- China
- Prior art keywords
- bridge
- points
- position point
- individual
- point
- 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.)
- Granted
Links
Images
Classifications
-
- 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
Abstract
本发明实施例公开了一种光伏电站布局方法和装置。该光伏电站布局方法包括：获取光伏方阵内各配备组件的位置点集，根据位置点集确定初始种群，基于初始种族，采用预设算法确定各配备组件的位置点。本实施例的技术方案，缓解了现有光伏电站布局方法效率低下，无法根据布设需求对布局方案进行有效优化的技术问题，对光伏电站布局优化问题进行了数学建模，实现了针对光伏电站配备组件的离散位置点变量进行自适应算法寻优，扩大了全局搜索能力，得到了优化的配备组件位置信息，提升了布局效率，节约了布局成本。
Description
技术领域
本发明实施例涉及光伏发电技术领域，尤其涉及一种光伏电站布局方法和装置。
背景技术
在光伏电站的布局设计中，大部分工作是由人工布设或根据CAD图纸结合经验布置，这种布局方法效率较低，缺少布局优化过程。
市场中协助光伏电站布局设计的工具主要基于遍历算法，应用于大面积的配备设备自动布局时，布局方案数量和设计时长会呈指数增长，降低了布局效率。并且，光伏电站配备设备的布设位置为离散变量，现有技术方案中缺乏针对光伏电站布局进行的数据建模和算法设计，降低了设计人员的工作效率，无法根据电缆布设需求对布局方案进行有效优化。
发明内容
本发明实施例提供一种光伏电站布局方法和装置，以针对光伏电站配备组件的离散位置点变量进行自适应算法寻优，扩大全局搜索能力，得到优化的配备组件位置信息，提升布局效率，节约布局成本。
第一方面，本发明实施例提供了一种光伏电站布局方法，该方法包括：
获取光伏方阵内各配备组件的位置点集，其中，所述光伏方阵内的配备组件包括汇流箱、电能变换器和桥架，所述位置点集包括各所述汇流箱可布置的汇流箱位置点集合、所述电能变换器可布置的电能变换器位置点集合以及所述桥架可布置的桥架散点集合，桥架散点为所述桥架上连接至所述汇流箱的位置点；
根据所述位置点集确定初始种群，其中，所述初始种群包括多个个体，所述多个个体由所述汇流箱位置点集合中与各所述汇流箱对应的m个汇流箱位置点、所述电能变换器位置点集合中的电能变换器位置点以及所述桥架散点集合中的m个桥架散点组合而成，m为汇流箱的个数；
基于所述初始种族，采用预设算法确定各所述配备组件的位置点。
可选地，获取光伏方阵内各配备组件的位置点集，包括：
读取所述光伏方阵的配置信息，其中所述配置信息包括光伏组件的排布信息和配备组件信息；
根据所述配置信息确定各配备组件可布置的位置点，并将全部所述配备组件可布置的位置点作为所述位置点集；
其中，所述汇流箱位置点集合表示为：
A＝{A1(x1,y1),A1(x2,y2),A1(x3,y3)...A1(xk,yk),
A2(x1,y1),A2(x2,y2),A2(x3,y3)...A3(xk,yk),
.
.
.
Am(x1,y1),Am(x2,y2),Am(x3,y3)...Am(xk,yk)}；
其中，A为所述汇流箱位置点集合，
A1(x1,y1),A1(x2,y2),A1(x3,y3)...A1(xk,yk)为第一个汇流箱可布置的k个位置点，A2(x1,y1),A2(x2,y2),A2(x3,y3)...A3(xk,yk)为第二个汇流箱可布置的k个位置点，Am(x1,y1),Am(x2,y2),Am(x3,y3)...Am(xk,yk)为第m个汇流箱可布置k个位置点；
所述桥架散点集合表示为：
B＝{B1(x,y),B2(x,y),...,Bn(x,y)}；
其中，B为所述桥架散点集合，B1(x,y),B2(x,y),...,Bn(x,y)为桥架散点可布置的n个位置点，n>＝m；
所述电能变换器位置点集合表示为：
C＝{C1(x,y),C2(x,y),...,Co(x,y)}；
其中，C为所述电能变换器位置点集合，C1(x,y),C2(x,y),...,Co(x,y)为所述电能变换器可布置的o个位置点。
可选地，根据所述位置点集确定初始种群，包括：
从各所述汇流箱对应的汇流箱位置点集合中分别选出一个汇流箱位置点，从所述电能变换器位置点集合中选出一个电能变换器位置点，并从所述桥架散点集合中选出m个桥架散点；
基于所述汇流箱、所述电能变换器和所述桥架之间的连接关系，对选出的汇流箱位置点、电能变换器位置点和桥架散点进行组合，组合成多个个体。
可选地，基于所述初始种族，采用预设算法确定各所述配备组件的位置点，包括：
计算各所述个体的适应度，确定所述个体中满足目标适应度的第一个体集；
基于所述第一个体集，采用遗传算法确定适应度最高的最优个体。
可选地，计算各所述个体的适应度，确定所述个体中满足目标适应度的第一个体集，包括：
计算各所述个体的路径成本，选择所述路径成本小于或等于预设成本的个体构成所述第一个体集；其中，所述个体的路径成本由以下公式计算得到：
L＝P1*o(Am,Bm)+P2*o(Bm,C1)；
其中，o(Am,Bm)为各所述汇流箱到对应的桥架散点的距离之和，o(Bm,C1)为各所述桥架散点到所述电能变换器的距离之和，P1为连接所述汇流箱和所述桥架散点的电缆单价，P2为连接所述桥架散点和所述电能变换器的电缆单价。
可选地，基于所述第一个体集，采用遗传算法确定适应度最高的最优个体，包括：
对所述第一个体集中的个体进行交叉和/或变异处理，形成多个交叉和/或变异个体；
更新所述初始种群，所述第一个体集中的个体和所述交叉和/或变异个体构成新的初始种群；
返回执行计算各所述个体的适应度，确定所述个体中满足目标适应度的第一个体集，直至对初始种群的更新次数达到预设更新次数；
在对初始种群的更新次数达到预设更新次数时，从最新的初始种群中确定适应度最高的个体。
可选地，在基于所述第一个体集，采用遗传算法确定适应度最高的最优个体之后，还包括：
获取所述最优个体中的桥架散点；
基于点到线距离最短原则，根据所述最优个体中的桥架散点从预设直线方程中确定桥架直线方程；
其中，所述预设直线方程为ax+by+c＝0，光伏电站中任意位置点到桥架直线的距离为：
其中，d为光伏电站中任意位置点到桥架直线的距离，a，b，c为所述预设直线方程的系数，(X0，Y0)为光伏电站中任意位置点的坐标。
可选地，基于点到线距离最短原则，根据所述最优个体中的桥架散点从预设直线方程中确定所述桥架所对应的直线方程，包括：
计算所述最优个体中的各桥架散点到所述预设直线方程对应直线的距离；
通过线性规划确定各桥架散点到所述预设直线方程对应直线的距离之和最短时所对应的直线方程并作为桥架直线方程。
可选地，在基于点到线距离最短原则，根据所述最优个体中的桥架散点从预设直线方程中确定桥架直线方程之后，还包括：
将所述最优个体中的汇流箱位置点与所述桥架直线方程对应直线的垂直交点，以及所述最优个体中的电能变换器位置点与所述桥架直线方程对应直线的垂直交点作为所述汇流箱、所述电能变换器和所述桥架之间的电缆的连接点；
其中，优化后的最终电缆走线总距离P表示为：
其中，d1i为最优个体中的各汇流箱位置点到桥架直线的最短距离，d2i为电能变换器位置点到桥架直线的最短距离，d3i为各汇流箱位置点与桥架直线的垂直交点的坐标f1和电能变换器位置点与桥架直线的垂直交点的坐标f2间的距离。
第二方面，本发明实施例还提供了一种光伏电站布局装置，该装置包括：
位置点集获取模块，用于获取光伏方阵内各配备组件的位置点集，其中，所述光伏方阵内的配备组件包括汇流箱、电能变换器和桥架，所述位置点集包括各所述汇流箱可布置的汇流箱位置点集合、所述电能变换器可布置的电能变换器位置点集合以及所述桥架可布置的桥架散点集合，桥架散点为所述桥架上连接至所述汇流箱的位置点；
初始种群确定模块，用于根据所述位置点集确定初始种群，其中，所述初始种群包括多个个体，所述多个个体由所述汇流箱位置点集合中与各所述汇流箱对应的m个汇流箱位置点、所述电能变换器位置点集合中的一个电能变换器位置点以及所述桥架散点集合中的m个桥架散点组合而成，m为汇流箱的个数；
位置点确定模块，用于基于所述初始种族，采用预设算法确定各所述配备组件的位置点。
本发明实施例提供了一种光伏电站布局方法和装置，该光伏电站布局方法包括：获取光伏方阵内各配备组件的位置点集，根据位置点集确定初始种群，基于初始种族，采用预设算法确定各配备组件的位置点。本实施例的技术方案，能够自动获取各配备组件位置点的离散化变量，并根据离散化变量建立初始种群模型，通过预设算法在初始种群中自动进行路径寻优，根据最优路径对应的配备组件位置点确定最优光伏电站布局方案，缓解了现有光伏电站布局方法效率低下，无法根据布设需求对布局方案进行有效优化的技术问题，对光伏电站布局优化问题进行了数学建模，实现了针对光伏电站配备组件的离散位置点变量进行自适应算法寻优，扩大了全局搜索能力，得到了优化的配备组件位置信息，提升了布局效率，节约了布局成本。
附图说明
图1是本发明实施例提供的一种光伏电站布局方法的流程示意图；
图2是本发明实施例提供的另一种光伏电站布局方法的流程示意图；
图3是本发明实施例提供的另一种光伏电站布局方法的流程示意图；
图4是本发明实施例提供的另一种光伏电站布局方法的流程示意图；
图5是本发明实施例提供的一种光伏电站布局装置的结构示意图；
图6是本发明实施例提供的一种终端的结构示意图。
具体实施方式
下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
图1是本发明实施例提供的一种光伏电站布局方法的流程示意图。本实施例可适用于对光伏电站中光伏方阵对应的配备设备进行布局的情况，该方法可以由光伏电站布局装置执行，该装置可以采用软件和/或硬件的方式实现，该装置可配置于电子设备中，例如服务器或终端设备，典型的终端设备包括电脑或平板电脑等。如图1所示，该方法具体可以包括：
S110、获取光伏方阵内各配备组件的位置点集。
其中，光伏方阵内的配备组件包括汇流箱、电能变换器和桥架，位置点集包括各汇流箱可布置的汇流箱位置点集合、电能变换器可布置的电能变换器位置点集合以及桥架可布置的桥架散点集合，桥架散点为桥架上连接至汇流箱的位置点。本实施例以汇流箱的个数为多个，电能变换器和桥架的个数均为一个为例进行说明。
具体地，光伏电站可以包括多个光伏方阵，每个光伏方阵中的光伏组件与支架的排布信息都已确定，各光伏方阵中的配备组件可以包括连接光伏组件的多个汇流箱、一个电能变换器以及用于连接汇流箱和电能变换器的桥架，其中电能变换器可以包括逆变器或变压器。可以在桥架上预设多个桥架散点，以使连接每个汇流箱的电缆都可通过对应的桥架散点汇入桥架，并从桥架引出连接至电能变换器。
示例性地，可以通过读取光伏电站CAD图纸中各个光伏方阵的光伏组件与支架排布信息以及配备组件，并结合光伏电站布局经验自动获取各光伏方阵中每个汇流箱可布置的位置点集合、逆变器或变压器可布置的位置点集合以及桥架可布置的桥架散点的位置点集合。
S120、根据位置点集确定初始种群。
其中，初始种群包括多个个体，多个个体由汇流箱位置点集合中与各汇流箱对应的m个汇流箱位置点、电能变换器位置点集合中的电能变换器位置点以及桥架散点集合中的m个桥架散点组合而成，m为汇流箱的个数。本实施例以电能变换器位置点集合中的一个电能变换器位置点确定电能变换器位置，桥架散点集合中的m个桥架散点确定一个桥架位置为例进行说明。
示例性地，初始种群可以包括各光伏方阵的多组汇流箱、电能变换器和桥架散点的布局方案，每组汇流箱、电能变换器和桥架散点的布局方案可对应为初始种群中的一个个体，每个个体均可包括随机选取的m个汇流箱位置点和m个桥架散点的对应关系，以及一个电能变换器的位置点，不同个体间m个汇流箱位置点和m个桥架散点的对应关系不同。
S130、基于初始种族，采用预设算法确定各配备组件的位置点。
其中，预设算法可以是遗传算法、神经网络算法、模拟退火算法、蚁群算法等自动寻优算法。初始种群中各个体对应的布局方案能够构成不同配备组件位置和对应关系的离散化变量合集，可以通过预设算法来针对初始种群中各个体对应的离散化变量的位置点进行电缆敷设路径的自动化寻优，从所有布局方案中搜索出电缆走线间距最短，或电缆敷设成本最低的电缆敷设路径对应的个体中的各配备组件的位置点作为最优布置点，以此确定光伏电站布局中各配备组件的位置信息和相应的电缆敷设路径。
可选地，配备组件除汇流箱、电能变换器和桥架外，也可以包括其他光伏电站的常用设备，例如蓄电池控制器等，可以通过本实施例的光伏电站布局方法，对光伏电站的各配备组件进行位置和电缆敷设路径优化。
本发明实施例提供的光伏电站布局方法包括：获取光伏方阵内各配备组件的位置点集，根据位置点集确定初始种群，基于初始种族，采用预设算法确定各配备组件的位置点。本实施例的技术方案，能够自动获取各配备组件位置点的离散化变量，并根据离散化变量建立初始种群模型，通过预设算法在初始种群中自动进行路径寻优，根据最优路径对应的配备组件位置点确定最优光伏电站布局方案，缓解了现有光伏电站布局方法效率低下，无法根据布设需求对布局方案进行有效优化的技术问题，对光伏电站布局优化问题进行了数学建模，实现了针对光伏电站配备组件的离散位置点变量进行自适应算法寻优，扩大了全局搜索能力，得到了优化的配备组件位置信息，提升了布局效率，节约了布局成本。
图2是本发明实施例提供的另一种光伏电站布局方法的流程示意图。本实施例在上述实施例的基础上，进一步优化了上述光伏电站布局方法。相应的，如图2所示，本实施例的方法具体包括：
S210、读取光伏方阵的配置信息，其中配置信息包括光伏组件的排布信息和配备组件信息。
具体地，通过读取光伏电站CAD图纸来获取光伏方阵的配置信息，光伏组件的排布信息包括各光伏方阵中光伏组件和支架的数量和位置信息，配备组件信息包括各光伏方阵配备的汇流箱、逆变器或变压器的数量信息。
S220、根据配置信息确定各配备组件可布置的位置点，并将全部配备组件可布置的位置点作为位置点集。
示例性地，可以根据光伏组件的排布信息和配备组件信息自动获取各配备组件的可布置的位置点，以光伏电站CAD图纸上的光伏方阵为单位建立该区域的坐标系，自动识别光伏方阵单元内各汇流箱可布置的位置点集A、桥架可布置的桥架散点的位置点集B和逆变器/变压器可布置的位置点集C(逆变器和变压器同位置布设，一个方阵只布置一个逆变器/变压器)对应的坐标。一个光伏方阵单元内需要布置m个汇流箱，1组逆变器/变压器和1条桥架，为便于现场施工，桥架设置为一条直线的形式，桥架散点为根据m个汇流箱设置的各汇流箱连接到桥架的位置点。
其中A：
A＝{A1(x1,y1),A1(x2,y2),A1(x3,y3)...A1(xk,yk),
A2(x1,y1),A2(x2,y2),A2(x3,y3)...A3(xk,yk),
.
.
.
Am(x1,y1),Am(x2,y2),Am(x3,y3)...Am(xk,yk)}；
A1(x1,y1),A1(x2,y2),A1(x3,y3)...A1(xk,yk)为第一个汇流箱可布置的k个位置点，A2(x1,y1),A2(x2,y2),A2(x3,y3)...A3(xk,yk)为第二个汇流箱可布置的k个位置点，Am(x1,y1),Am(x2,y2),Am(x3,y3)...Am(xk,yk)为第m个汇流箱可布置k个位置点，k的数值，可以结合实际布局情况进行选取。
B：B＝{B1(x,y),B2(x,y),...,Bn(x,y)}，其中n>＝m；
其中，B1(x,y),B2(x,y),...,Bn(x,y)为桥架散点可布置的n个位置点，由于每个汇流箱都可对应一个桥架散点，因而需要获取至少m个桥架散点的位置点。
C：C＝{C1(x,y),C2(x,y),...,Co(x,y)}。
其中，C1(x,y),C2(x,y),...,Co(x,y)为逆变器/变压器可布置的o个位置点，o的数值，可以结合实际布局情况进行选取。
S230、从各汇流箱对应的汇流箱位置点集合中分别选出一个汇流箱位置点，从电能变换器位置点集合中选出一个电能变换器位置点，并从桥架散点集合中选出m个桥架散点。
示例性地，可以在汇流箱位置点集合A的A1点集中选取一个位置点作为第一个汇流箱的位置点，在A2点集中选取一个位置点作为第二个汇流箱的位置点，……，在Am点集中选取一个位置点作为第m个汇流箱的位置点；在桥架散点集合B集合中选取m个位置点作为各汇流箱和桥架的连接点；在电能变换器位置点集合C中选取一个点为逆变器/变压器的位置点。
S240、基于汇流箱、电能变换器和桥架之间的连接关系，对选出的汇流箱位置点、电能变换器位置点和桥架散点进行组合，组合成多个个体。
具体地，连接每个汇流箱的电缆都可通过对应的桥架散点汇入桥架，并从桥架引出连接至电能变换器，在S230选出的各位置点中，由于每个汇流箱位置点都可以对应至少一个相同的桥架散点，或每个汇流箱位置点可以对应不同的桥架散点，因而根据汇流箱位置点和桥架散点之间不同的对应关系，能够组成多个个体，每个个体包括一种汇流箱位置点、电能变换器位置点和桥架散点的布设方案。
S250、计算各个体的适应度，确定个体中满足目标适应度的第一个体集。
可以设置适应度为满足布设需求的程度，例如，布设需求可以是电缆敷设成本越低越好，则适应度可以和电缆敷设成本呈反比，电缆敷设成本越低适应度越高。可以分别计算上述每个个体对应的布局方案中的电缆敷设长度以确定适应度，并确定满足目标适应度的至少一个个体组成第一个体集，第一个体集可以包括电缆敷设长度最短的至少一个个体。
S260、基于第一个体集，采用遗传算法确定适应度最高的最优个体。
具体地，最优个体可以是基于第一个体集采用遗传算法确定的其中适应度最高的一个个体；也可以是根据遗传算法对第一个体集进行设定次数的选择、交叉和/或变异的种群更新迭代得到各遗传后代个体集，遗传后代个体集可以是由不同于第一个体集中的配备组件的位置点构成的个体集，或不同于第一个体集中的配备组件的位置点对应关系的个体集，从各遗传后代个体集中选出的适应度最高的一个个体作为最优个体。
现有的光伏电站设计方法中，未针对光伏电站的配备组件进行数据建模和算法设计，且遗传算法一般用于连续变量的计算和寻优，针对离散变量的遗传算法路径寻优却没有相关解决方案。本实施例的技术方案，能够针对离散的光伏电站配备组件位置变量进行数据建模，并通过遗传算法对离散变量进行自动寻优，确定所有布局方案中布设需求的适应度最高的个体为最终布局方案，优化了光伏电站的布局方案，提升了布局效率，节约了布局成本。
图3是本发明实施例提供的另一种光伏电站布局方法的流程示意图。本实施例在上述实施例的基础上，进一步优化了上述基于遗传算法的光伏电站布局方法。相应的，如图3所示，本实施例的方法具体包括：
S310、获取光伏方阵内各配备组件的位置点集。
可选地，以光伏电站中的光伏方阵为单位建立该区域的坐标系，坐标系中各配备组件可布置的位置点进行二进制编码，例如，从坐标原点开始，每个配备组件可布置的位置点(x1,y1),(x2,y2),……,(xn,yn)的二进制编码可以是000，001，……，111。
S320、根据位置点集确定初始种群。
示例性地，从各配备组件的位置点集中选择m个汇流箱的位置点、m个桥架散点和1个逆变器/变压器位置点作为初始种群，例如，初始种群T可表示为：
T＝{A(A1,A2,...,Am),B(B1,B2,...,Bm),C1}
初始种群T中可以包括由初始种群点集中的配备组件的位置点构成的不同的配备组件对应关系的多个个体，例如，第一个个体T1中，汇流箱A1对应的桥架散点为B1，汇流箱A2对应的桥架散点为B2，……，汇流箱Am对应的桥架散点为Bm，T1＝A1,A2,…,Am,B1,B2,….Bm,C1，第二个个体T2中，汇流箱A1对应的桥架散点为B2，汇流箱A2对应的桥架散点为B3，……，汇流箱Am对应的桥架散点为B1，T2＝A1,A2,…,Am,B2,B3,…,Bm,B1,C1，第三个个体中，汇流箱A1对应的桥架散点为B1，汇流箱A2对应的桥架散点为B1，……，汇流箱Am对应的桥架散点为B1，T3＝A1,A2,…,Am,B1,B1,…,B1,C1。各汇流箱可对应至少一个相同的桥架散点，或各自对应不同的桥架散点，初始种群T的不同个体之间汇流箱和桥架散点的对应关系不同，从而配备组件之间的电缆敷设路径也不同。
每个个体根据其汇流箱和桥架散点的对应关系不同，可对应一组由各配备组件位置点的二进制编码构成的整体编码，例如，每个配备组件位置点对应一个二进制编码，则一个个中的m个汇流箱、m个桥架散点和1个逆变器/变压器可对应一组整体的二进制编码，可以根据上述T1,T2和T3中各位置点的顺序确定其对应的整体编码。
S330、计算各个体的路径成本，选择路径成本小于或等于预设成本的个体构成第一个体集。
其中，个体的路径成本由以下公式计算得到：
L＝P1*o(Am,Bm)+P2*o(Bm,C1)；
其中，o(Am,Bm)为各汇流箱到对应的桥架散点的距离之和，o(Bm,C1)为各桥架散点到电能变换器的距离之和，P1为连接汇流箱和桥架散点的电缆单价，P2为连接桥架散点和电能变换器的电缆单价。
示例性地，可以将个体的路径成本L作为目标函数，计算初始种群中，每个个体对应的电缆敷设路径成本，具体可以是m个汇流箱的位置点坐标到各自对应的桥架散点的坐标的欧式距离长度的电缆乘以电缆单价，以及各桥架散点坐标到逆变器/变压器的位置点坐标的欧式距离长度的电缆乘以电缆单价之和。连接汇流箱和桥架散点的电缆单价P1，和连接桥架散点和电能变换器的电缆单价P2的值，可以结合每个区域敷设的电缆的实际单价进行确定，例如，P1和P2可以均设置成1，此时个体的路径成本取决于电缆敷设路径的长度，各汇流箱到到对应的桥架散点的距离之和以及各桥架散点到电能变换器的距离之和的总和越小，个体的路径成本越低。可以计算各个体的路径成本L，选择路径成本小于或等于预设成本的至少一个个体构成第一个体集，预设成本的值可以结合实际布局需求进行设置。
S340、判断初始种群的更新次数是否达到预设更新次数。
若判断初始种群的更新次数未达到预设更新次数，则执行S350；若初始种群的更新次数达到预设更新次数，则执行S370。
S350、对第一个体集中的个体进行交叉和/或变异处理，形成多个交叉和/或变异个体。
具体地，交叉处理，可以是交换第一个体集中各个体的设定数目的配备组件，得到新的交叉个体。例如，第一个体集包括两个个体，可以交换这两个个体中的第一个汇流箱的位置点，或交换两个个体的前两个散点的位置点，或交换两个个体中前两个汇流箱的位置点和第三个散点的位置点，从而得到新的交叉个体。交叉处理中，交换的具体配备组件种类和数量，可以结合实际设计情况进行设置。
变异处理，可以是将第一个体集中各个体的设定数目的配备组件的位置点替换成除初始种群配备组件的位置点之外的其他配备组件可能布置的位置点。例如，可以将第一个体集中各个体的逆变器/变压器位置点C1替换成C2，或将第一个汇流箱A1(x1,y1)的位置点替换成A1(x2,y2)，从而得到新的变异个体。变异处理中，替换的具体配备组件种类和数量，可以结合实际设计情况进行设置。
对个体进行交叉和/或变异处理后，交叉和/或变异个体的整体编码也发生变化，可以根据发生交叉或变异的配备组件的位置点的编码确定交叉和/或变异个体的新的整体编码。
通过对所有个体进行编码区分，可以将基于遗传算法的光伏电站布局方法运用在实际算法编程中，通过编码代表不同的个体，进行后续优化和运算，根据算法优化得出的最优编码确定最优个体。
S360、更新初始种群，第一个体集中的个体和交叉和/或变异个体构成新的初始种群。
具体地，更新的初始种群包括：由原始初始种群中选择的路径成本小于或等于预设成本的第一个体集中的个体、对第一个体集进行交叉和/或变异处理得到的交叉和/或变异个体，上述对原始初始种群进行选择、交叉和/或变异处理的流程为一次更新流程。
可选地，在S350后，可以返回S330，执行计算各个体的适应度，确定个体中满足目标适应度的第一个体集，直至对初始种群的更新次数达到预设更新次数。
可选地，可以将路径成本L作为目标函数，根据目标函数确定适应度函数，适应度函数值与目标函数值成反比，即个体的路径成本L越低，适应度越高。
示例性地，可以返回执行S330，根据更新的初始种群确定满足目标适应度的第一个体集，对第一个体集进行交叉和/或变异处理，更新初始种群，直至对初始种群的更新次数达到预设更新次数，预设更新次数的大小，可以结合实际情况进行确定。这样通过对初始种群的多次更新，能够得到多种不同的配置组件位置点集，从而确定多种配置组件布置方案和对应的电缆敷设方案。
S370、从当前初始种群中确定适应度最高的个体。
示例性地，当更新次数设置为0时，可直接从原始初始种群中确定适应度最高的个体，作为最终的光伏电站布局方案；当更新次数设置为大于1时，可以在达到预设更新次数时，从最新的初始种群包括的第一个体集及其交叉和/或变异处理得到的所有个体中确定适应度最高的个体，作为最终的光伏电站布局方案。
本实施例的技术方案，能够通过遗传算法对光伏方阵配备设备的离散化变量进行处理，对配备设备及电缆敷设路径进行全局自动化寻优，按照目标适应度选取配备设备对应的电缆敷设成本最低的方案作为最优光伏电站布局方案，简化了路径寻优的复杂度，优化了设备位置的摆放并给出优化的设备间走线距离，节约了投资成本。
图4是本发明实施例提供的另一种光伏电站布局方法的流程示意图。本实施例在上述实施例的基础上，进一步优化了上述光伏电站布局方法。相应的，如图4所示，本实施例的方法具体包括：
S410、获取光伏方阵内各配备组件的位置点集。
S420、根据位置点集确定初始种群。
S430、计算各个体的适应度，确定个体中满足目标适应度的第一个体集。
S440、基于第一个体集，采用遗传算法确定适应度最高的最优个体。
S450、获取最优个体中的桥架散点。
具体地，采用遗传算法确定适应度最高的最优个体后，可直接根据编程计算出的最优编码对应的桥架散点坐标确定桥架散点位置，桥架散点集合S＝{S1(x,y),S2(x,y),…，Sm(x,y)}，其中，桥架散点集合S中的m个桥架散点坐标可以是相同的，也可以是不同的。
S460、基于点到线距离最短原则，根据最优个体中的桥架散点从预设直线方程中确定桥架直线方程。
其中，桥架可以以直线的形式铺设，桥架直线方程可以是桥架所在直线对应的直线方程，可以根据最优个体中的桥架散点，确定到各桥架散点的垂直距离之和最短的直线对应的方程为桥架直线方程。
可选地，基于点到线距离最短原则，根据最优个体中的桥架散点从预设直线方程中确定桥架直线方程包括：
计算最优个体中的各桥架散点到预设直线方程对应直线的距离；
通过线性规划确定各桥架散点到预设直线方程对应直线的距离之和最短时所对应的直线方程并作为桥架直线方程。
示例性地，可以预设桥架直线方程为ax+by+c＝0，则任意点到桥架直线的距离可计算为：
可以将最优个体中的桥架散点S＝{S1(x,y),S2(x,y),…，Sm(x,y)}带入上式，分别计算各桥架散点到该桥架直线的距离，则各桥架散点到预设直线方程对应直线的距离之和可的目标函数可表示为：
目标函数object的最小值即为各桥架散点到预设直线方程的最短距离，可以利用线性规划求解min(object)，得出桥架直线方程，具体地，根据目标函数object可以得到关于桥架直线方程的系数a、b、c的函数，可以通过线性规划法用直线进行拟合，根据各拟合直线的系数a、b、c即可确定目标函数object的函数值，可以确定目标函数object的函数值最小的一组系数a、b、c对应的直线方程为最优的桥架直线方程。
可选地，S460之后，还包括：
S470、将最优个体中的汇流箱位置点与桥架直线方程对应直线的垂直交点，以及最优个体中的电能变换器位置点与桥架直线方程对应直线的垂直交点作为汇流箱、电能变换器和桥架之间的电缆的连接点。
示例性地，可以根据桥架直线方程确定桥架所在直线，并根据最优个体中的汇流箱位置点和电能变换器位置点，确定各汇流箱位置点和桥架直线的垂直交点，以及电能变换器位置点和桥架直线的垂直交点，作为桥架上的电缆连接点，以使连接各汇流箱的电缆可以从对应的连接点汇入桥架，并从电能变换器对应的连接点引出桥架，连接至电能变换器。
可以计算最优个体中的各汇流箱位置点到桥架直线的最短距离d1i，电能变换器位置点点到桥架直线的最短距离d2i，各汇流箱位置点与桥架直线的垂直交点的坐标f1和电能变换器位置点与桥架直线的垂直交点的坐标f2间的距离d3i，则光伏方阵中的优化电缆走线的总距离P可表示为；
本实施例的技术方案，能够对桥架所在的直线进行寻优处理，在获得桥架散点坐标信息的基础上，基于点到直线距离最短原则，进行桥架直线的确定，进而在光伏电站布局中，确定电缆敷设成本最低的设备间走线距离。
本发明实施例还提供了一种光伏电站布局装置，图5是本发明实施例提供的一种光伏电站布局装置的结构示意图。本实施例可适用于对光伏电站中光伏方阵对应的配备设备进行布局的情况，本发明实施例所提供的光伏电站布局装置可执行本发明任意实施例所提供的光伏电站布局方法，具备执行方法相应的功能模块和有益效果。该装置具体包括：
位置点集获取模块510，用于获取光伏方阵内各配备组件的位置点集，其中，光伏方阵内的配备组件包括汇流箱、电能变换器和桥架，位置点集包括各汇流箱可布置的汇流箱位置点集合、电能变换器可布置的电能变换器位置点集合以及桥架可布置的桥架散点集合，桥架散点为桥架上连接至汇流箱的位置点；
初始种群确定模块520，用于根据位置点集确定初始种群，其中，初始种群包括多个个体，多个个体由汇流箱位置点集合中与各汇流箱对应的m个汇流箱位置点、电能变换器位置点集合中的电能变换器位置点以及桥架散点集合中的m个桥架散点组合而成，m为汇流箱的个数；
位置点确定模块530，用于基于初始种族，采用预设算法确定各配备组件的位置点。
本发明实施例所提供的光伏电站布局装置可执行本发明任意实施例所提供的光伏电站布局方法，具备执行方法相应的功能模块和有益效果。
可选地，位置点集获取模块510还用于：读取光伏方阵的配置信息，其中配置信息包括光伏组件的排布信息和配备组件信息；根据配置信息确定各配备组件可布置的位置点，并将全部配备组件可布置的位置点作为位置点集。
可选地，初始种群确定模块520还用于：从各汇流箱对应的汇流箱位置点集合中分别选出一个汇流箱位置点，从电能变换器位置点集合中选出一个电能变换器位置点，并从桥架散点集合中选出m个桥架散点；基于汇流箱、电能变换器和桥架之间的连接关系，对选出的汇流箱位置点、电能变换器位置点和桥架散点进行组合，组合成多个个体。
可选地，位置点确定模块530还用于：计算各个体的适应度，确定个体中满足目标适应度的第一个体集；基于第一个体集，采用遗传算法确定适应度最高的最优个体。
可选地，计算各个体的适应度，确定个体中满足目标适应度的第一个体集，包括：计算各个体的路径成本，选择路径成本小于或等于预设成本的个体构成第一个体集；其中，个体的路径成本由以下公式计算得到：
L＝P1*o(Am,Bm)+P2*o(Bm,C1)；
其中，o(Am,Bm)为各汇流箱到对应的桥架散点的距离之和，o(Bm,C1)为各桥架散点到电能变换器的距离之和，P1为连接汇流箱和桥架散点的电缆单价，P2为连接桥架散点和电能变换器的电缆单价。
可选地，基于第一个体集，采用遗传算法确定适应度最高的最优个体，包括：对第一个体集中的个体进行交叉和/或变异处理，形成多个交叉和/或变异个体；更新初始种群，第一个体集中的个体和交叉和/或变异个体构成新的初始种群；返回执行计算各个体的适应度，确定个体中满足目标适应度的第一个体集，直至对初始种群的更新次数达到预设更新次数；在对初始种群的更新次数达到预设更新次数时，从最新的初始种群中确定适应度最高的个体。
可选地，该光伏电站布局装置还包括：
桥架直线方程确定模块，用于获取最优个体中的桥架散点；基于点到线距离最短原则，根据最优个体中的桥架散点从预设直线方程中确定桥架直线方程。
可选地，桥架直线方程确定模块还用于：
计算最优个体中的各桥架散点到预设直线方程对应直线的距离；通过线性规划确定各桥架散点到预设直线方程对应直线的距离之和最短时所对应的直线方程并作为桥架直线方程。
可选地，该光伏电站布局装置还包括：
桥架电缆连接点确定模块，用于将最优个体中的汇流箱位置点与桥架直线方程对应直线的垂直交点，以及最优个体中的电能变换器位置点与桥架直线方程对应直线的垂直交点作为汇流箱、电能变换器和桥架之间的电缆的连接点。
图6是本发明实施例提供的一种光伏电站布局设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性设备412的框图。图6显示的设备412仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，设备412以通用设备的形式表现。设备412的组件可以包括但不限于：一个或者多个处理器416，存储装置428，连接不同系统组件(包括存储装置428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种，包括存储装置总线或者存储装置控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry SubversiveAlliance，ISA)总线，微通道体系结构(Micro Channel Architecture，MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
设备412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备412访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置428可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)430和/或高速缓存存储器432。设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统434可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘，例如只读光盘(Compact Disc Read-Only Memory，CD-ROM),数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储装置428可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块442的程序/实用工具440，可以存储在例如存储装置428中，这样的程序模块442包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。
设备412也可以与一个或多个外部设备414(例如键盘、指向终端、显示器424等)通信，还可与一个或者多个使得用户能与该设备412交互的终端通信，和/或与使得该设备412能与一个或多个其它计算终端进行通信的任何终端(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且，设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网(Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图6所示，网络适配器420通过总线418与设备412的其它模块通信。应当明白，尽管图中未示出，可以结合设备412使用其它硬件和/或软件模块，包括但不限于：微代码、终端驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器416通过运行存储在存储装置428中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的光伏电站布局方法，该方法包括：
获取光伏方阵内各配备组件的位置点集，其中，光伏方阵内的配备组件包括多个汇流箱、一个电能变换器和一个桥架，位置点集包括各汇流箱可布置的汇流箱位置点集合、电能变换器可布置的电能变换器位置点集合以及桥架可布置的桥架散点集合，桥架散点为桥架上连接至汇流箱的位置点；
根据位置点集确定初始种群，其中，初始种群包括多个个体，多个个体由汇流箱位置点集合中与各汇流箱对应的m个汇流箱位置点、电能变换器位置点集合中的一个电能变换器位置点以及桥架散点集合中的m个桥架散点组合而成，m为汇流箱的个数；
基于初始种族，采用预设算法确定各配备组件的位置点。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的光伏电站布局方法，该方法包括：
获取光伏方阵内各配备组件的位置点集，其中，光伏方阵内的配备组件包括多个汇流箱、一个电能变换器和一个桥架，位置点集包括各汇流箱可布置的汇流箱位置点集合、电能变换器可布置的电能变换器位置点集合以及桥架可布置的桥架散点集合，桥架散点为桥架上连接至汇流箱的位置点；
根据位置点集确定初始种群，其中，初始种群包括多个个体，多个个体由汇流箱位置点集合中与各汇流箱对应的m个汇流箱位置点、电能变换器位置点集合中的一个电能变换器位置点以及桥架散点集合中的m个桥架散点组合而成，m为汇流箱的个数；
基于初始种族，采用预设算法确定各配备组件的位置点。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种光伏电站布局方法，其特征在于，包括：
获取光伏方阵内各配备组件的位置点集，其中，所述光伏方阵内的配备组件包括汇流箱、电能变换器和桥架，所述位置点集包括各所述汇流箱可布置的汇流箱位置点集合、所述电能变换器可布置的电能变换器位置点集合以及所述桥架可布置的桥架散点集合，桥架散点为所述桥架上连接至所述汇流箱的位置点；
根据所述位置点集确定初始种群，其中，所述初始种群包括多个个体，所述多个个体由所述汇流箱位置点集合中与各所述汇流箱对应的m个汇流箱位置点、所述电能变换器位置点集合中的电能变换器位置点以及所述桥架散点集合中的m个桥架散点组合而成，m为汇流箱的个数；
基于所述初始种族，采用预设算法确定各所述配备组件的位置点。
2.根据权利要求1所述的光伏电站布局方法，其特征在于，获取光伏方阵内各配备组件的位置点集，包括：
读取所述光伏方阵的配置信息，其中所述配置信息包括光伏组件的排布信息和配备组件信息；
根据所述配置信息确定各配备组件可布置的位置点，并将全部所述配备组件可布置的位置点作为所述位置点集；
其中，所述汇流箱位置点集合表示为：
A＝{A1(x1,y1),
A1(x2,y2),A1(x3,y3)...A1(xk,yk),
A2(x1,y1),A2(x2,y2),A2(x3,y3)...
A3(xk,yk),
Am(x1,y1),Am(x2,y2),Am(x3,y3)...Am(xk,yk)}；
其中，A为所述汇流箱位置点集合，A1(x1,y1),A1(x2,y2),A1(x3,y3)...A1(xk,yk)为第一个汇流箱可布置的k个位置点，A2(x1,y1),A2(x2,y2),A2(x3,y3)...A3(xk,yk)为第二个汇流箱可布置的k个位置点，Am(x1,y1),Am(x2,y2),Am(x3,y3)...Am(xk,yk)为第m个汇流箱可布置k个位置点；
所述桥架散点集合表示为：
B＝{B1(x,y),B2(x,y),...,Bn(x,y)}；
其中，B为所述桥架散点集合，B1(x,y),B2(x,y),...,Bn(x,y)为桥架散点可布置的n个位置点，n>＝m；
所述电能变换器位置点集合表示为：
C＝{C1(x,y),C2(x,y),...,Co(x,y)}；
其中，C为所述电能变换器位置点集合，C1(x,y),C2(x,y),...,Co(x,y)为所述电能变换器可布置的o个位置点。
3.根据权利要求1所述的光伏电站布局方法，其特征在于，根据所述位置点集确定初始种群，包括：
从各所述汇流箱对应的汇流箱位置点集合中分别选出一个汇流箱位置点，从所述电能变换器位置点集合中选出一个电能变换器位置点，并从所述桥架散点集合中选出m个桥架散点；
基于所述汇流箱、所述电能变换器和所述桥架之间的连接关系，对选出的汇流箱位置点、电能变换器位置点和桥架散点进行组合，组合成多个个体。
4.根据权利要求1所述的光伏电站布局方法，其特征在于，基于所述初始种族，采用预设算法确定各所述配备组件的位置点，包括：
计算各所述个体的适应度，确定所述个体中满足目标适应度的第一个体集；
基于所述第一个体集，采用遗传算法确定适应度最高的最优个体。
5.根据权利要求4所述的光伏电站布局方法，其特征在于，计算各所述个体的适应度，确定所述个体中满足目标适应度的第一个体集，包括：
计算各所述个体的路径成本，选择所述路径成本小于或等于预设成本的个体构成所述第一个体集；其中，所述个体的路径成本由以下公式计算得到：
L＝P1*o(Am,Bm)+P2*o(Bm,C1)；
其中，o(Am,Bm)为各所述汇流箱到对应的桥架散点的距离之和，o(Bm,C1)为各所述桥架散点到所述电能变换器的距离之和，P1为连接所述汇流箱和所述桥架散点的电缆单价，P2为连接所述桥架散点和所述电能变换器的电缆单价。
6.根据权利要求4所述的光伏电站布局方法，其特征在于，基于所述第一个体集，采用遗传算法确定适应度最高的最优个体，包括：
对所述第一个体集中的个体进行交叉和/或变异处理，形成多个交叉和/或变异个体；
更新所述初始种群，所述第一个体集中的个体和所述交叉和/或变异个体构成新的初始种群；
返回执行计算各所述个体的适应度，确定所述个体中满足目标适应度的第一个体集，直至对初始种群的更新次数达到预设更新次数；
在对初始种群的更新次数达到预设更新次数时，从最新的初始种群中确定适应度最高的个体。
7.根据权利要求4所述的光伏电站布局方法，其特征在于，在基于所述第一个体集，采用遗传算法确定适应度最高的最优个体之后，还包括：
获取所述最优个体中的桥架散点；
基于点到线距离最短原则，根据所述最优个体中的桥架散点从预设直线方程中确定桥架直线方程；
其中，所述预设直线方程为ax+by+c＝0，光伏电站中任意位置点到桥架直线的距离为：
其中，d为光伏电站中任意位置点到桥架直线的距离，a，b，c为所述预设直线方程的系数，(X0，Y0)为光伏电站中任意位置点的坐标。
8.根据权利要求7所述的光伏电站布局方法，其特征在于，基于点到线距离最短原则，根据所述最优个体中的桥架散点从预设直线方程中确定所述桥架所对应的直线方程，包括：
计算所述最优个体中的各桥架散点到所述预设直线方程对应直线的距离；
通过线性规划确定各桥架散点到所述预设直线方程对应直线的距离之和最短时所对应的直线方程并作为桥架直线方程。
9.根据权利要求7所述的光伏电站布局方法，其特征在于，在基于点到线距离最短原则，根据所述最优个体中的桥架散点从预设直线方程中确定桥架直线方程之后，还包括：
将所述最优个体中的汇流箱位置点与所述桥架直线方程对应直线的垂直交点，以及所述最优个体中的电能变换器位置点与所述桥架直线方程对应直线的垂直交点作为所述汇流箱、所述电能变换器和所述桥架之间的电缆的连接点；
其中，优化后的最终电缆走线总距离P表示为：
其中，d1i为最优个体中的各汇流箱位置点到桥架直线的最短距离，d2i为电能变换器位置点到桥架直线的最短距离，d3i为各汇流箱位置点与桥架直线的垂直交点的坐标f1和电能变换器位置点与桥架直线的垂直交点的坐标f2间的距离。
10.一种光伏电站布局装置，其特征在于，包括：
位置点集获取模块，用于获取光伏方阵内各配备组件的位置点集，其中，所述光伏方阵内的配备组件包括汇流箱、电能变换器和桥架，所述位置点集包括各所述汇流箱可布置的汇流箱位置点集合、所述电能变换器可布置的电能变换器位置点集合以及所述桥架可布置的桥架散点集合，桥架散点为所述桥架上连接至所述汇流箱的位置点；
初始种群确定模块，用于根据所述位置点集确定初始种群，其中，所述初始种群包括多个个体，所述多个个体由所述汇流箱位置点集合中与各所述汇流箱对应的m个汇流箱位置点、所述电能变换器位置点集合中的电能变换器位置点以及所述桥架散点集合中的m个桥架散点组合而成，m为汇流箱的个数；
位置点确定模块，用于基于所述初始种族，采用预设算法确定各所述配备组件的位置点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911182567.4A CN110955970B (zh) | 2019-11-27 | 2019-11-27 | 光伏电站布局方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911182567.4A CN110955970B (zh) | 2019-11-27 | 2019-11-27 | 光伏电站布局方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110955970A true CN110955970A (zh) | 2020-04-03 |
| CN110955970B CN110955970B (zh) | 2023-06-30 |
Family
ID=69978583
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911182567.4A Active CN110955970B (zh) | 2019-11-27 | 2019-11-27 | 光伏电站布局方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110955970B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112052517A (zh) * | 2020-08-13 | 2020-12-08 | 中国人民解放军军事科学院国防科技创新研究院 | 基于吉布斯原理的组件布局随机采样方法 |
| CN112214858A (zh) * | 2020-09-04 | 2021-01-12 | 中国电建集团河北省电力勘测设计研究院有限公司 | 基于AutoCAD的不规则场地内光伏板自动布置方法 |
| CN112270448A (zh) * | 2020-11-03 | 2021-01-26 | 合肥阳光新能源科技有限公司 | 发电设备的布局优化方法、装置及计算机可读存储介质 |
| CN112436439A (zh) * | 2020-11-11 | 2021-03-02 | 合肥阳光新能源科技有限公司 | 一种光伏电站电缆桥架布设方法及装置 |
| CN112487626A (zh) * | 2020-11-23 | 2021-03-12 | 合肥阳光新能源科技有限公司 | 光伏电站布线方法和装置 |
| CN112906985A (zh) * | 2021-03-25 | 2021-06-04 | 阳光新能源开发有限公司 | 一种光伏电站的子区域划分方法、装置及新能源发电系统 |
| CN112990538A (zh) * | 2021-02-03 | 2021-06-18 | 合肥阳光新能源科技有限公司 | 一种山地光伏电站集电线路确定方法、装置及设备 |
| CN113098054A (zh) * | 2021-03-31 | 2021-07-09 | 天津大学 | 一种光伏系统直流侧布局及路由优化方法 |
| CN113297712A (zh) * | 2021-05-28 | 2021-08-24 | 阳光新能源开发有限公司 | 光伏电站的区域划分方法及装置 |
| CN114024486A (zh) * | 2021-11-11 | 2022-02-08 | 阳光新能源开发股份有限公司 | 一种电站线缆布置方法及装置 |
| CN116644538A (zh) * | 2023-04-11 | 2023-08-25 | 中国电建集团华东勘测设计研究院有限公司 | 光伏子阵电缆汇流路径计算方法、计算机设备和存储介质 |
| CN112990538B (zh) * | 2021-02-03 | 2024-05-17 | 阳光新能源开发股份有限公司 | 一种山地光伏电站集电线路确定方法、装置及设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003288579A (ja) * | 2001-07-27 | 2003-10-10 | National Institute Of Advanced Industrial & Technology | 最適フィッティングパラメータ決定方法および装置、並びに最適フィッティングパラメータ決定プログラム |
| CN204258715U (zh) * | 2014-10-17 | 2015-04-08 | 国网青海省电力公司经济技术研究院 | 基于改进单亲遗传算法的光伏电站汇集拓扑优化装置 |
| CN104539221A (zh) * | 2015-01-19 | 2015-04-22 | 国网四川省电力公司经济技术研究院 | 光伏发电系统控制参数全局优化方法 |
| US20150143806A1 (en) * | 2012-11-15 | 2015-05-28 | Kevin Lee Friesth | Quintuple-Effect Generation Multi-Cycle Hybrid Renewable Energy System with Integrated Energy Provisioning, Storage Facilities and Amalgamated Control System Cross-Reference to Related Applications |
| CN110266055A (zh) * | 2019-07-31 | 2019-09-20 | 合肥阳光新能源科技有限公司 | 一种光伏电站布置方法、装置及光伏电站 |
| CN110445167A (zh) * | 2019-06-26 | 2019-11-12 | 中国电力科学研究院有限公司 | 一种光伏接入配网的优化方法及系统 |
-
2019
- 2019-11-27 CN CN201911182567.4A patent/CN110955970B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003288579A (ja) * | 2001-07-27 | 2003-10-10 | National Institute Of Advanced Industrial & Technology | 最適フィッティングパラメータ決定方法および装置、並びに最適フィッティングパラメータ決定プログラム |
| US20150143806A1 (en) * | 2012-11-15 | 2015-05-28 | Kevin Lee Friesth | Quintuple-Effect Generation Multi-Cycle Hybrid Renewable Energy System with Integrated Energy Provisioning, Storage Facilities and Amalgamated Control System Cross-Reference to Related Applications |
| CN204258715U (zh) * | 2014-10-17 | 2015-04-08 | 国网青海省电力公司经济技术研究院 | 基于改进单亲遗传算法的光伏电站汇集拓扑优化装置 |
| CN104539221A (zh) * | 2015-01-19 | 2015-04-22 | 国网四川省电力公司经济技术研究院 | 光伏发电系统控制参数全局优化方法 |
| CN110445167A (zh) * | 2019-06-26 | 2019-11-12 | 中国电力科学研究院有限公司 | 一种光伏接入配网的优化方法及系统 |
| CN110266055A (zh) * | 2019-07-31 | 2019-09-20 | 合肥阳光新能源科技有限公司 | 一种光伏电站布置方法、装置及光伏电站 |
Non-Patent Citations (2)
| Title |
|---|
| 王敏;王鹤梅;蒋克勇;耿照江;许建;: "基于改进聚类算法的光伏电站电缆优化布置" * |
| 陈明月;周承军;江伟;吴云来;李建周;沈道军;: "分布式光伏电站中汇流箱布置方法及案例分析" * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112052517A (zh) * | 2020-08-13 | 2020-12-08 | 中国人民解放军军事科学院国防科技创新研究院 | 基于吉布斯原理的组件布局随机采样方法 |
| CN112052517B (zh) * | 2020-08-13 | 2021-12-03 | 中国人民解放军军事科学院国防科技创新研究院 | 基于吉布斯原理的组件布局随机采样方法 |
| CN112214858A (zh) * | 2020-09-04 | 2021-01-12 | 中国电建集团河北省电力勘测设计研究院有限公司 | 基于AutoCAD的不规则场地内光伏板自动布置方法 |
| CN112214858B (zh) * | 2020-09-04 | 2023-03-03 | 中国电建集团河北省电力勘测设计研究院有限公司 | 基于AutoCAD的不规则场地内光伏板自动布置方法 |
| CN112270448A (zh) * | 2020-11-03 | 2021-01-26 | 合肥阳光新能源科技有限公司 | 发电设备的布局优化方法、装置及计算机可读存储介质 |
| CN112436439A (zh) * | 2020-11-11 | 2021-03-02 | 合肥阳光新能源科技有限公司 | 一种光伏电站电缆桥架布设方法及装置 |
| CN112487626B (zh) * | 2020-11-23 | 2024-02-27 | 阳光新能源开发股份有限公司 | 光伏电站布线方法和装置 |
| CN112487626A (zh) * | 2020-11-23 | 2021-03-12 | 合肥阳光新能源科技有限公司 | 光伏电站布线方法和装置 |
| CN112990538A (zh) * | 2021-02-03 | 2021-06-18 | 合肥阳光新能源科技有限公司 | 一种山地光伏电站集电线路确定方法、装置及设备 |
| CN112990538B (zh) * | 2021-02-03 | 2024-05-17 | 阳光新能源开发股份有限公司 | 一种山地光伏电站集电线路确定方法、装置及设备 |
| CN112906985A (zh) * | 2021-03-25 | 2021-06-04 | 阳光新能源开发有限公司 | 一种光伏电站的子区域划分方法、装置及新能源发电系统 |
| CN113098054A (zh) * | 2021-03-31 | 2021-07-09 | 天津大学 | 一种光伏系统直流侧布局及路由优化方法 |
| CN113297712A (zh) * | 2021-05-28 | 2021-08-24 | 阳光新能源开发有限公司 | 光伏电站的区域划分方法及装置 |
| CN114024486B (zh) * | 2021-11-11 | 2024-04-02 | 阳光新能源开发股份有限公司 | 一种电站线缆布置方法及装置 |
| CN114024486A (zh) * | 2021-11-11 | 2022-02-08 | 阳光新能源开发股份有限公司 | 一种电站线缆布置方法及装置 |
| CN116644538A (zh) * | 2023-04-11 | 2023-08-25 | 中国电建集团华东勘测设计研究院有限公司 | 光伏子阵电缆汇流路径计算方法、计算机设备和存储介质 |
| CN116644538B (zh) * | 2023-04-11 | 2024-04-05 | 中国电建集团华东勘测设计研究院有限公司 | 光伏子阵电缆汇流路径计算方法、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110955970B (zh) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110955970B (zh) | 光伏电站布局方法和装置 | |
| CN111309486B (zh) | 转换方法、装置、计算机设备和存储介质 | |
| CN113111424B (zh) | 自动布线方法和装置、存储介质、电子设备 | |
| CN110826800B (zh) | 光伏电站布局方法和装置 | |
| CN112487626B (zh) | 光伏电站布线方法和装置 | |
| WO2020199690A1 (zh) | 基于云平台共享学习系统及方法、共享平台及方法、介质 | |
| Zhang et al. | A new manufacturing service selection and composition method using improved flower pollination algorithm | |
| Cohen et al. | Genetic algorithm software system for analog circuit design | |
| Naqvi et al. | Seeking a balance between population diversity and premature convergence for real-coded genetic algorithms with crossover operator | |
| JP2020027611A (ja) | ニューラルネットワークのためのデータ処理方法および装置 | |
| Shayeghi et al. | Discrete particle swarm optimization algorithm used for TNEP considering network adequacy restriction | |
| CN109902182A (zh) | 知识数据处理方法、装置、设备及存储介质 | |
| CN103279796A (zh) | 一种优化遗传算法进化质量的方法 | |
| CN111046321B (zh) | 光伏电站运维策略优化方法和装置 | |
| CN115544699A (zh) | 基于遗传算法的海缆布局优化方法、装置、设备及介质 | |
| CN114254558A (zh) | 综合能源变电站规划方法、装置和终端设备 | |
| CN114970357A (zh) | 节能效果评价方法、系统、装置及存储介质 | |
| CN110417594B (zh) | 网络构建方法、装置、存储介质及电子设备 | |
| Zhang et al. | End‐to‐end generation of structural topology for complex architectural layouts with graph neural networks | |
| CN114169281A (zh) | 一种汇流区的划分方法、装置、设备及存储介质 | |
| Zhaoming et al. | Improving the efficiency of multi-objective grasshopper optimization algorithm to enhance ontology alignment | |
| Furuholmen et al. | Evolutionary approaches to the three-dimensional multi-pipe routing problem: A comparative study using direct encodings | |
| CN111242803A (zh) | 基于多种群遗传算法的风机排布方法及装置 | |
| Sulaima et al. | A 16kV distribution network reconfiguration by using evolutionaring programming for loss minimizing | |
| JP2008299641A (ja) | 連立一次方程式の並列求解方法およびノード順序付け方法 |
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 | ||
| CB02 | Change of applicant information |
Address after: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2 Applicant after: Sunshine New Energy Development Co.,Ltd. Address before: 230088 6th floor, R & D center building, no.1699 Xiyou Road, high tech Zone, Hefei City, Anhui Province Applicant before: HEFEI SUNGROW RENEWABLE ENERGY SCI. & TECH. Co.,Ltd. Address after: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2 Applicant after: Sunshine New Energy Development Co.,Ltd. Address before: High tech Zone of Hefei city of Anhui Province in 230088 Lake Road No. 2 Applicant before: Sunshine New Energy Development Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |