CN111461443A - 风电场的优化设计方法、系统、电子设备和存储介质 - Google Patents

风电场的优化设计方法、系统、电子设备和存储介质 Download PDF

Info

Publication number
CN111461443A
CN111461443A CN202010266682.6A CN202010266682A CN111461443A CN 111461443 A CN111461443 A CN 111461443A CN 202010266682 A CN202010266682 A CN 202010266682A CN 111461443 A CN111461443 A CN 111461443A
Authority
CN
China
Prior art keywords
strategy
combination
target
feasible
design
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
Application number
CN202010266682.6A
Other languages
English (en)
Other versions
CN111461443B (zh
Inventor
许梦莹
蒋勇
许移庆
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.)
Shanghai Electric Wind Power Group Co Ltd
Original Assignee
Shanghai Electric Wind Power Group Co Ltd
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 Shanghai Electric Wind Power Group Co Ltd filed Critical Shanghai Electric Wind Power Group Co Ltd
Priority to CN202010266682.6A priority Critical patent/CN111461443B/zh
Publication of CN111461443A publication Critical patent/CN111461443A/zh
Application granted granted Critical
Publication of CN111461443B publication Critical patent/CN111461443B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种风电场的优化设计方法、系统、电子设备和存储介质，所述优化设计方法包括：获取风电场的多个优化目标及其目标函数；随机生成每个目标函数的可行策略空间以及初始策略组合；基于Nash均衡依次固定除第一函数之外的其他目标函数对应的可行策略，且获取第一函数对应的单目标最优解进而得到中间策略组合；在初始策略组合和中间策略组合之间满足设定条件时确定中间策略组合为目标策略组合；根据目标策略组合对风电场进行优化布局设计。本发明基于博弈论中的Nash均衡理论，在风电场多目标优化设计过程中，综合考虑发电量、成本等多个优化目标，以获得各目标均衡的全局最优解，从而达到全生命周期的综合效用最大化。

Description

风电场的优化设计方法、系统、电子设备和存储介质
技术领域
本发明涉及风电场设计技术领域，特别涉及一种基于博弈论的风电场的优化设计方法、系统、电子设备和存储介质。
背景技术
风电场设计所包含的设计参数很多，如机组布局、机型选择、轮毂高度选择等。目前研究较多的是机组的布局优化，而且通常以单目标优化的方式进行，优化目标可以为年发电量最大、度电成本最低、净现值最大等，同时考虑场区边界、尾流影响、环境影响等设计约束条件。单目标设计的方案往往由于追求单一目标的最优化而导致其他方面恶化，如选择年发电量为目标时，为了追求发电量的最大化，可能将机组布置在施工成本很大的位置，从而导致风电场投资成本陡增、度电成本增加等。
随着业界对风电场精细化设计的重视程度越来越高，考虑单一目标的设计方法已不能满足市场需求，需要综合考虑发电量、成本、环境影响等多个目标以获得各目标均衡的全局最优解，从而达到全生命周期的综合效用最大化。目前，风电场多目标优化设计主要通过赋予权重的方式将多目标优化问题转化为单目标问题，但是，这种依赖于权重的方法效果好坏主要取决于专家的主观判断，因此无法做到相对客观的平衡各优化目标，从而无法满足实际优化设计需求。
发明内容
本发明要解决的技术问题是为了克服现有技术中风电场的优化设计方法存在主要依赖于专家的主观判断、无法做到相对客观的平衡各优化目标，无法满足实际优化设计需求的缺陷，目的在于提供一种基于博弈论的风电场的优化设计方法、系统、电子设备和存储介质。
本发明是通过下述技术方案来解决上述技术问题：
本发明提供一种基于博弈论的风电场的优化设计方法，所述优化设计方法包括：
获取风电场的多个优化目标；
确定每个所述优化目标对应的目标函数和设计变量信息；
根据所述设计变量信息随机生成每个所述目标函数的可行策略空间；
其中，所述可行策略空间包括多个可行策略；
分别对每个所述目标函数进行单目标优化处理并获取对应的策略解；
根据每个所述策略解构成多个所述优化目标对应的初始策略组合；
将所述策略解增加至所述可行策略空间中以更新每个所述目标函数对应的所述可行策略空间；
对于多个所述目标函数中的任意一个第一函数，基于Nash均衡(纳什均衡，即完全信息静态博弈)固定除所述第一函数之外的其他目标函数对应的所述可行策略，且在所述第一函数对应的所述可行策略空间中进行单目标优化处理并获取对应的单目标最优解；
根据多个所述单目标最优解构成多个所述优化目标对应的中间策略组合；
判断所述初始策略组合和所述中间策略组合之间是否满足设定条件，若满足，则确定所述中间策略组合为所述目标策略组合；
根据所述目标策略组合对所述风电场进行优化布局设计。
较佳地，所述判断所述初始策略组合和所述中间策略组合之间是否满足设定条件，若满足，则确定所述中间策略组合为所述目标策略组合的步骤包括：
计算所述初始策略组合和所述中间策略组合之间的范数距离；
判断所述范数距离是否小于或者等于设定阈值，若是，则确定博弈结束，并确定所述中间策略组合为所述目标策略组合。
较佳地，所述优化设计方法还包括：
在所述范数距离大于所述设定阈值时，采用所述中间策略组合替换所述初始策略组合，并重新执行所述对于多个所述目标函数中的任意一个第一函数，基于所述Nash均衡固定除所述第一函数之外的其他目标函数对应的所述可行策略的步骤。
较佳地，所述设计变量信息包括设计变量、所述设计变量的取值类型、取值范围以及约束条件。
较佳地，所述根据所述设计变量信息随机生成每个所述目标函数的可行策略空间包括：
采用随机函数根据所述设计变量的取值类型和所述设计变量的取值范围随机生成第一策略；
判断所述第一策略是否满足所述设计变量的约束条件，若不满足，则重新执行所述采用随机函数根据所述设计变量的取值类型和所述设计变量的取值范围随机生成第一策略的步骤；
若满足，则确定所述第一策略为可行策略，重新执行所述采用随机函数根据所述设计变量的取值类型和所述设计变量的取值范围随机生成第一策略的步骤，直至获取设定数量的所述可行策略，并由所述设定数量的所述可行策略构成所述目标函数对应的所述可行策略空间。
本发明还提供一种基于博弈论的风电场的优化设计系统，所述优化设计系统包括优化目标获取模块、确定模块、策略空间生成模块、策略解获取模块、初始策略组合获取模块、策略空间更新模块、最优解获取模块、中间策略组合获取模块、判断模块和布局模块；
所述优化目标获取模块用于获取风电场的多个优化目标；
所述确定模块用于确定每个所述优化目标对应的目标函数和设计变量信息；
所述策略空间生成模块用于根据所述设计变量信息随机生成每个所述目标函数的可行策略空间；
其中，所述可行策略空间包括多个可行策略；
所述策略解获取模块用于分别对每个所述目标函数进行单目标优化处理并获取对应的策略解；
所述初始策略组合获取模块用于根据每个所述策略解构成多个所述优化目标对应的初始策略组合；
所述策略空间更新模块用于将所述策略解增加至所述可行策略空间中以更新每个所述目标函数对应的所述可行策略空间；
所述最优解获取模块用于对于多个所述目标函数中的任意一个第一函数，基于所述Nash均衡固定除所述第一函数之外的其他目标函数对应的所述可行策略，且在所述第一函数对应的所述可行策略空间中进行单目标优化处理并获取对应的单目标最优解；
所述中间策略组合获取模块用于根据多个所述单目标最优解构成多个所述优化目标对应的中间策略组合；
所述判断模块用于判断所述初始策略组合和所述中间策略组合之间是否满足设定条件，若满足，则确定所述中间策略组合为所述目标策略组合；
所述布局模块用于根据所述目标策略组合对所述风电场进行优化布局设计。
较佳地，所述判断模块包括计算单元和第一判断单元；
所述计算单元用于计算所述初始策略组合和所述中间策略组合之间的范数距离；
所述第一判断单元用于判断所述范数距离是否小于或者等于设定阈值，若是，则确定博弈结束，并确定所述中间策略组合为所述目标策略组合。
较佳地，所述第一判断单元还用于在所述范数距离大于所述设定阈值时，采用所述中间策略组合替换所述初始策略组合，并重新调用所述最优解获取模块。
较佳地，所述设计变量信息包括设计变量、所述设计变量的取值类型、取值范围以及约束条件。
较佳地，所述策略空间生成模块包括策略生成单元和第二判断单元；
所述策略生成单元用于采用随机函数根据所述设计变量的取值类型和所述设计变量的取值范围随机生成第一策略；
所述第二判断单元用于判断所述第一策略是否满足所述设计变量的约束条件，若不满足，则重复调用所述策略生成单元；
若满足，则确定所述第一策略为可行策略，重复调用所述策略生成单元，直至获取设定数量的所述可行策略，并由所述设定数量的所述可行策略构成所述目标函数对应的所述可行策略空间。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时实现上述的基于博弈论的风电场的优化设计方法。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于博弈论的风电场的优化设计方法的步骤。
本发明的积极进步效果在于：
本发明中，基于博弈论中的Nash均衡理论，在风电场多目标优化设计过程中，综合考虑发电量、成本、环境影响等多个优化目标，以获得各目标均衡的全局最优解，从而达到全生命周期的综合效用最大化，实现对风电场的优化布局设计，也提高了优化设计效率。
附图说明
图1为本发明实施例1的基于博弈论的风电场的优化设计方法的流程图。
图2为本发明实施例2的基于博弈论的风电场的优化设计方法的流程图。
图3为本发明实施例3的基于博弈论的风电场的优化设计系统的模块示意图。
图4为本发明实施例4的基于博弈论的风电场的优化设计系统的模块示意图。
图5为本发明实施例5的实现基于博弈论的风电场的优化设计方法的电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
如图1所示，本实施例的基于博弈论的风电场的优化设计方法包括：
S101、获取风电场的多个优化目标；
S102、确定每个优化目标对应的目标函数和设计变量信息；
其中，设计变量信息包括但不限于设计变量、设计变量的取值类型、取值范围以及约束条件。
具体地，多目标优化问题的一般描述为：
Figure RE-GDA0002491526710000061
其中，X为设计变量组成的向量，fm(X)表示第m个目标函数，F(X)为目标函数向量，gj(X)为j个不等式约束函数，hk(X)为k个等式约束函数， p和q均取整数。
在风电场设计中，设计变量包括：机组数量、机组位置、机型、轮毂高度、基础型式等；优化目标包括：年发电量、度电成本、净现值、噪音水平、电磁干扰等。针对不同的优化目标，其所涉及的设计变量也会有所不同。常见的约束条件包括：机组间间距至少大于3倍叶轮直径、风电场边界、不可安装风机区域、容量系数大于30％等。
S103、根据设计变量信息随机生成每个目标函数的可行策略空间；
其中，可行策略空间包括多个可行策略。
S104、分别对每个目标函数进行单目标优化处理并获取对应的策略解；
S105、根据每个策略解构成多个优化目标对应的初始策略组合；
S106、将策略解增加至可行策略空间中以更新每个目标函数对应的可行策略空间；
S107、对于多个目标函数中的任意一个第一函数，基于Nash均衡固定除第一函数之外的其他目标函数对应的可行策略，且在第一函数对应的可行策略空间中进行单目标优化处理并获取对应的单目标最优解；
S108、根据多个单目标最优解构成多个优化目标对应的中间策略组合；
S109、判断初始策略组合和中间策略组合之间是否满足设定条件，若满足，则确定中间策略组合为目标策略组合；
S1010、根据目标策略组合对风电场进行优化布局设计。
本实施例中，基于博弈论中的Nash均衡理论，在风电场多目标优化设计过程中，综合考虑发电量、成本、环境影响等多个优化目标，以获得各目标均衡的全局最优解，从而达到全生命周期的综合效用最大化，实现对风电场的优化布局设计，也提高了优化设计效率。
实施例2
如图2所示，本实施例的基于博弈论的风电场的优化设计方法是对实施例1的进一步改进，具体地：
步骤S103包括：
S1031、采用随机函数根据设计变量的取值类型和设计变量的取值范围随机生成第一策略；
S1032、判断第一策略是否满足设计变量的约束条件，若不满足，则重新执行步骤S1031；若满足，则执行步骤S1033；
S1033、确定第一策略为可行策略，重新执行步骤S1031，直至获取设定数量的可行策略，并由设定数量的可行策略构成目标函数对应的可行策略空间。
步骤S109包括：
S1091、计算初始策略组合和中间策略组合之间的范数距离；
S1092、判断范数距离是否小于或者等于设定阈值，若是，则执行S1093；否则，执行步骤S1094；
S1093、确定博弈结束，范数距离收敛，并确定中间策略组合为目标策略组合；
S1094、采用中间策略组合替换初始策略组合，并重新步骤S107。
下面结合实例具体说明：
(1)选取优化目标，并确定目标函数以及设计变量信息
Figure RE-GDA0002491526710000081
Figure RE-GDA0002491526710000082
其中，AEP：年发电量，N：风机数量，Umax:机组运行最大风速，ρ：空气密度，A：扫风面积，Cp:风能利用系数，与空气密度和风速相关，P(U，θ)：θ风向下出现U风速的概率，LCOE：度电成本，FCR：固定开支费率，ICC：初始投资成本，与机型、机组数量、基础类型、轮毂高度等相关，AOE：年运行成本。
发电量的设计变量为：机型、机组数量、机位点坐标、轮毂高度。度电成本的设计变量为：机型、机组数量、轮毂高度、基础类型。其中，机型、机组数量、基础类型为离散整数型，机位点坐标为连续数，轮毂高度可为离散值或连续值。其中，发电量计算的输入文件为风功率图谱，包含了风电场各点位的风速、风频等信息，为考虑风机间的流动影响，需加入尾流模型。
约束条件为：机组间距大于3D，机位点坐标位于特定区域中，风电场容量不得大于50MW。
(2)随机生成每个目标函数fi的可行策略空间Si
采用随机函数根据设计变量的取值类型和设计变量的取值范围随机生成第一策略，判断第一策略是否满足设计变量的约束条件，若不满足，则重新生成新的第一策略，直至得到设定数量的可行策略，每个目标函数fi的可行策略空间Si包括多组可行策略。
(3)生成初始策略组合s0
分别对每个目标函数进行单目标优化处理并获取对应的策略解si0，并根据每个策略解构成多个优化目标对应的初始策略组合s0＝(s10，s20，…， sm0)，m为目标函数的数量，该实例中m＝2；
另外，将策略解si0增加至可行策略空间中以更新每个目标函数对应的可行策略空间。
(4)获取中间策略组合s1
对于多个目标函数中的任意一个第一函数，基于Nash均衡固定除第一函数之外的其他目标函数对应的可行策略，且在第一函数对应的可行策略空间中进行单目标优化处理并获取对应的单目标最优解
Figure RE-GDA0002491526710000091
然后根据多个单目标最优解构成多个优化目标对应的中间策略组合
Figure RE-GDA0002491526710000092
(5)确定目标策略组合
计算初始策略组合和中间策略组合之间的范数距离‖s1-s0‖，若范数距离大于该设定阈值(即‖s1-s0‖＞ε，ε为设定阈值)时，采用中间策略组合 s1替换初始策略组合s0，并重新步骤(4)；
若范数距离小于或者等于设定阈值(即‖s1-s0‖≤ε)时，确定博弈结束，范数距离收敛，并确定中间策略组合为目标策略组合。
其中，该目标策略组合为在风电场多目标优化设计过程中，基于Nash均衡综合考虑发电量、成本、环境影响等多个优化目标获得的各目标均衡的全局最优解。
(6)对风电场进行优化设计
根据获取的目标策略组合对风电场进行优化布局设计，从而使得风电场达到全生命周期的综合效用最大化。
本实施例中，基于博弈论中的Nash均衡理论，在风电场多目标优化设计过程中，综合考虑发电量、成本、环境影响等多个优化目标，以获得各目标均衡的全局最优解，从而达到全生命周期的综合效用最大化，实现对风电场的优化布局设计，也提高了优化设计效率。
实施例3
如图3所示，本实施例的基于博弈论的风电场的优化设计系统包括优化目标获取模块1、确定模块2、策略空间生成模块3、策略解获取模块4、初始策略组合获取模块5、策略空间更新模块6、最优解获取模块7、中间策略组合获取模块8、判断模块9和布局模块10。
优化目标获取模块1用于获取风电场的多个优化目标；
确定模块2用于确定每个优化目标对应的目标函数和设计变量信息；
其中，设计变量信息包括但不限于设计变量、设计变量的取值类型、取值范围以及约束条件。
具体地，多目标优化问题的一般描述为：
Figure RE-GDA0002491526710000101
其中，X为设计变量组成的向量，fm(X)表示第m个目标函数，F(X)为目标函数向量，gj(X)为j个不等式约束函数，hk(X)为k个等式约束函数， p和q均取整数。
在风电场设计中，设计变量包括：机组数量、机组位置、机型、轮毂高度、基础型式等；优化目标包括：年发电量、度电成本、净现值、噪音水平、电磁干扰等。针对不同的优化目标，其所涉及的设计变量也会有所不同。常见的约束条件包括：机组间间距至少大于3倍叶轮直径、风电场边界、不可安装风机区域、容量系数大于30％等。
策略空间生成模块3用于根据设计变量信息随机生成每个目标函数的可行策略空间；
其中，可行策略空间包括多个可行策略。
策略解获取模块4用于分别对每个目标函数进行单目标优化处理并获取对应的策略解；
初始策略组合获取模块5用于根据每个策略解构成多个优化目标对应的初始策略组合；
策略空间更新模块6用于将策略解增加至可行策略空间中以更新每个目标函数对应的可行策略空间；
最优解获取模块7用于对于多个目标函数中的任意一个第一函数，基于 Nash均衡固定除第一函数之外的其他目标函数对应的可行策略，且在第一函数对应的可行策略空间中进行单目标优化处理并获取对应的单目标最优解；
中间策略组合获取模块8用于根据多个单目标最优解构成多个优化目标对应的中间策略组合；
判断模块9用于判断初始策略组合和中间策略组合之间是否满足设定条件，若满足，则确定中间策略组合为目标策略组合；
布局模块10用于根据目标策略组合对风电场进行优化布局设计。
本实施例中，基于博弈论中的Nash均衡理论，在风电场多目标优化设计过程中，综合考虑发电量、成本、环境影响等多个优化目标，以获得各目标均衡的全局最优解，从而达到全生命周期的综合效用最大化，实现对风电场的优化布局设计，也提高了优化设计效率。
实施例4
如图4所示，本实施例的基于博弈论的风电场的优化设计系统是对实施例3的进一步改进，具体地：
策略空间生成模块3包括策略生成单元11和第二判断单元12。
策略生成单元11用于采用随机函数根据设计变量的取值类型和设计变量的取值范围随机生成第一策略；
第二判断单元12用于判断第一策略是否满足设计变量的约束条件，若不满足，则重复调用策略生成单元11。
若满足，则确定第一策略为可行策略，重复调用策略生成单元11，直至获取设定数量的可行策略，并由设定数量的可行策略构成目标函数对应的可行策略空间。
判断模块9包括计算单元13和第一判断单元14；
计算单元13用于计算初始策略组合和中间策略组合之间的范数距离；
第一判断单元14用于判断范数距离是否小于或者等于设定阈值，若是，则确定博弈结束，并确定中间策略组合为目标策略组合；
若否，则采用中间策略组合替换初始策略组合，并重新调用最优解获取模块7。
下面结合实例具体说明：
(1)选取优化目标，并确定目标函数以及设计变量信息
Figure RE-GDA0002491526710000121
Figure RE-GDA0002491526710000122
其中，AEP：年发电量，N：风机数量，Umax:机组运行最大风速，ρ：空气密度，A：扫风面积，Cp:风能利用系数，与空气密度和风速相关，P(U，θ)：θ风向下出现U风速的概率，LCOE：度电成本，FCR：固定开支费率，ICC：初始投资成本，与机型、机组数量、基础类型、轮毂高度等相关，AOE：年运行成本。
发电量的设计变量为：机型、机组数量、机位点坐标、轮毂高度。度电成本的设计变量为：机型、机组数量、轮毂高度、基础类型。其中，机型、机组数量、基础类型为离散整数型，机位点坐标为连续数，轮毂高度可为离散值或连续值。其中，发电量计算的输入文件为风功率图谱，包含了风电场各点位的风速、风频等信息，为考虑风机间的流动影响，需加入尾流模型。
约束条件为：机组间距大于3D，机位点坐标位于特定区域中，风电场容量不得大于50MW。
(2)随机生成每个目标函数fi的可行策略空间Si
采用随机函数根据设计变量的取值类型和设计变量的取值范围随机生成第一策略，判断第一策略是否满足设计变量的约束条件，若不满足，则重新生成新的第一策略，直至得到设定数量的可行策略，每个目标函数fi的可行策略空间Si包括多组可行策略。
(3)生成初始策略组合s0
分别对每个目标函数进行单目标优化处理并获取对应的策略解si0，并根据每个策略解构成多个优化目标对应的初始策略组合s0＝(s10，s20，…， sm0)，m为目标函数的数量，该实例中m＝2；
另外，将策略解si0增加至可行策略空间中以更新每个目标函数对应的可行策略空间。
(4)获取中间策略组合s1
对于多个目标函数中的任意一个第一函数，基于Nash均衡固定除第一函数之外的其他目标函数对应的可行策略，且在第一函数对应的可行策略空间中进行单目标优化处理并获取对应的单目标最优解
Figure RE-GDA0002491526710000131
然后根据多个单目标最优解构成多个优化目标对应的中间策略组合
Figure RE-GDA0002491526710000132
(5)确定目标策略组合
计算初始策略组合和中间策略组合之间的范数距离‖s1-s0‖，若范数距离大于该设定阈值(即‖s1-s0‖＞ε，ε为设定阈值)时，采用中间策略组合 s1替换初始策略组合s0，并重新步骤(4)；
若范数距离小于或者等于设定阈值(即‖s1-s0‖≤ε)时，确定博弈结束，范数距离收敛，并确定中间策略组合为目标策略组合。
其中，该目标策略组合为在风电场多目标优化设计过程中，基于Nash均衡综合考虑发电量、成本、环境影响等多个优化目标获得的各目标均衡的全局最优解。
(6)对风电场进行优化设计
根据获取的目标策略组合对风电场进行优化布局设计，从而使得风电场达到全生命周期的综合效用最大化。
本实施例中，基于博弈论中的Nash均衡理论，在风电场多目标优化设计过程中，综合考虑发电量、成本、环境影响等多个优化目标，以获得各目标均衡的全局最优解，从而达到全生命周期的综合效用最大化，实现对风电场的优化布局设计，也提高了优化设计效率。
实施例5
图5为本发明实施例5提供的一种电子设备的结构示意图。电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现实施例1或2中任意一实施例中的基于博弈论的风电场的优化设计方法。图5显示的电子设备30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5所示，电子设备30可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备30的组件可以包括但不限于：上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。
总线33包括数据总线、地址总线和控制总线。
存储器32可以包括易失性存储器，例如随机存取存储器(RAM)321和/ 或高速缓存存储器322，还可以进一步包括只读存储器(ROM)323。
存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324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。
处理器31通过运行存储在存储器32中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1或2中任意一实施例中的基于博弈论的风电场的优化设计方法。
电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等) 通信。这种通信可以通过输入/输出(I/O)接口35进行。并且，模型生成的设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图5所示，网络适配器36 通过总线33与模型生成的设备30的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的设备30使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例6
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现实施例1或2中任意一实施例中的基于博弈论的风电场的优化设计方法中的步骤。
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行实现实施例1或2中任意一实施例中的基于博弈论的风电场的优化设计方法中的步骤。
其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (12)

1.一种基于博弈论的风电场的优化设计方法，其特征在于，所述优化设计方法包括：
获取风电场的多个优化目标；
确定每个所述优化目标对应的目标函数和设计变量信息；
根据所述设计变量信息随机生成每个所述目标函数的可行策略空间；
其中，所述可行策略空间包括多个可行策略；
分别对每个所述目标函数进行单目标优化处理并获取对应的策略解；
根据每个所述策略解构成多个所述优化目标对应的初始策略组合；
将所述策略解增加至所述可行策略空间中以更新每个所述目标函数对应的所述可行策略空间；
对于多个所述目标函数中的任意一个第一函数，基于Nash均衡固定除所述第一函数之外的其他目标函数对应的所述可行策略，且在所述第一函数对应的所述可行策略空间中进行单目标优化处理并获取对应的单目标最优解；
根据多个所述单目标最优解构成多个所述优化目标对应的中间策略组合；
判断所述初始策略组合和所述中间策略组合之间是否满足设定条件，若满足，则确定所述中间策略组合为所述目标策略组合；
根据所述目标策略组合对所述风电场进行优化布局设计。
2.如权利要求1所述的基于博弈论的风电场的优化设计方法，其特征在于，所述判断所述初始策略组合和所述中间策略组合之间是否满足设定条件，若满足，则确定所述中间策略组合为所述目标策略组合的步骤包括：
计算所述初始策略组合和所述中间策略组合之间的范数距离；
判断所述范数距离是否小于或者等于设定阈值，若是，则确定博弈结束，并确定所述中间策略组合为所述目标策略组合。
3.如权利要求2所述的基于博弈论的风电场的优化设计方法，其特征在于，所述优化设计方法还包括：
在所述范数距离大于所述设定阈值时，采用所述中间策略组合替换所述初始策略组合，并重新执行所述对于多个所述目标函数中的任意一个第一函数，基于所述Nash均衡固定除所述第一函数之外的其他目标函数对应的所述可行策略的步骤。
4.如权利要求1所述的基于博弈论的风电场的优化设计方法，其特征在于，所述设计变量信息包括设计变量、所述设计变量的取值类型、取值范围以及约束条件。
5.如权利要求4所述的基于博弈论的风电场的优化设计方法，其特征在于，所述根据所述设计变量信息随机生成每个所述目标函数的可行策略空间包括：
采用随机函数根据所述设计变量的取值类型和所述设计变量的取值范围随机生成第一策略；
判断所述第一策略是否满足所述设计变量的约束条件，若不满足，则重新执行所述采用随机函数根据所述设计变量的取值类型和所述设计变量的取值范围随机生成第一策略的步骤；
若满足，则确定所述第一策略为可行策略，重新执行所述采用随机函数根据所述设计变量的取值类型和所述设计变量的取值范围随机生成第一策略的步骤，直至获取设定数量的所述可行策略，并由所述设定数量的所述可行策略构成所述目标函数对应的所述可行策略空间。
6.一种基于博弈论的风电场的优化设计系统，其特征在于，所述优化设计系统包括优化目标获取模块、确定模块、策略空间生成模块、策略解获取模块、初始策略组合获取模块、策略空间更新模块、最优解获取模块、中间策略组合获取模块、判断模块和布局模块；
所述优化目标获取模块用于获取风电场的多个优化目标；
所述确定模块用于确定每个所述优化目标对应的目标函数和设计变量信息；
所述策略空间生成模块用于根据所述设计变量信息随机生成每个所述目标函数的可行策略空间；
其中，所述可行策略空间包括多个可行策略；
所述策略解获取模块用于分别对每个所述目标函数进行单目标优化处理并获取对应的策略解；
所述初始策略组合获取模块用于根据每个所述策略解构成多个所述优化目标对应的初始策略组合；
所述策略空间更新模块用于将所述策略解增加至所述可行策略空间中以更新每个所述目标函数对应的所述可行策略空间；
所述最优解获取模块用于对于多个所述目标函数中的任意一个第一函数，基于Nash均衡固定除所述第一函数之外的其他目标函数对应的所述可行策略，且在所述第一函数对应的所述可行策略空间中进行单目标优化处理并获取对应的单目标最优解；
所述中间策略组合获取模块用于根据多个所述单目标最优解构成多个所述优化目标对应的中间策略组合；
所述判断模块用于判断所述初始策略组合和所述中间策略组合之间是否满足设定条件，若满足，则确定所述中间策略组合为所述目标策略组合；
所述布局模块用于根据所述目标策略组合对所述风电场进行优化布局设计。
7.如权利要求6所述的基于博弈论的风电场的优化设计系统，其特征在于，所述判断模块包括计算单元和第一判断单元；
所述计算单元用于计算所述初始策略组合和所述中间策略组合之间的范数距离；
所述第一判断单元用于判断所述范数距离是否小于或者等于设定阈值，若是，则确定博弈结束，并确定所述中间策略组合为所述目标策略组合。
8.如权利要求7所述的基于博弈论的风电场的优化设计系统，其特征在于，所述第一判断单元还用于在所述范数距离大于所述设定阈值时，采用所述中间策略组合替换所述初始策略组合，并重新调用所述最优解获取模块。
9.如权利要求6所述的基于博弈论的风电场的优化设计系统，其特征在于，所述设计变量信息包括设计变量、所述设计变量的取值类型、取值范围以及约束条件。
10.如权利要求9所述的基于博弈论的风电场的优化设计系统，其特征在于，所述策略空间生成模块包括策略生成单元和第二判断单元；
所述策略生成单元用于采用随机函数根据所述设计变量的取值类型和所述设计变量的取值范围随机生成第一策略；
所述第二判断单元用于判断所述第一策略是否满足所述设计变量的约束条件，若不满足，则重复调用所述策略生成单元；
若满足，则确定所述第一策略为可行策略，重复调用所述策略生成单元，直至获取设定数量的所述可行策略，并由所述设定数量的所述可行策略构成所述目标函数对应的所述可行策略空间。
11.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行计算机程序时实现权利要求1-5中任一项所述的基于博弈论的风电场的优化设计方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-5中任一项所述的基于博弈论的风电场的优化设计方法的步骤。
CN202010266682.6A 2020-04-07 2020-04-07 风电场的优化设计方法、系统、电子设备和存储介质 Active CN111461443B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010266682.6A CN111461443B (zh) 2020-04-07 2020-04-07 风电场的优化设计方法、系统、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010266682.6A CN111461443B (zh) 2020-04-07 2020-04-07 风电场的优化设计方法、系统、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN111461443A true CN111461443A (zh) 2020-07-28
CN111461443B CN111461443B (zh) 2022-11-08

Family

ID=71684489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010266682.6A Active CN111461443B (zh) 2020-04-07 2020-04-07 风电场的优化设计方法、系统、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN111461443B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112035979A (zh) * 2020-09-03 2020-12-04 国电联合动力技术有限公司 一种风电机组整机一体化优化设计方法、平台及寻优方法
CN113657013A (zh) * 2021-08-04 2021-11-16 浙江大学 融合风电场调度策略的风力发电机布局优化方法
CN113850447A (zh) * 2021-10-27 2021-12-28 华电重工股份有限公司 一种海上风电机组基础施工的组织策略优化方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008072083A2 (en) * 2006-12-11 2008-06-19 New Jersey Institute Of Technology Method and system for decentralized power control of a multi-antenna access point using game theory
CN103500361A (zh) * 2013-08-27 2014-01-08 浙江工业大学 基于博弈论的微网负荷控制方法
CN107844055A (zh) * 2017-11-03 2018-03-27 南京国电南自电网自动化有限公司 一种基于博弈论的冷热电三联供微网系统优化运行方法
CN108565900A (zh) * 2018-05-14 2018-09-21 南京邮电大学 一种基于博弈论的分布式能源优化运行方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008072083A2 (en) * 2006-12-11 2008-06-19 New Jersey Institute Of Technology Method and system for decentralized power control of a multi-antenna access point using game theory
CN103500361A (zh) * 2013-08-27 2014-01-08 浙江工业大学 基于博弈论的微网负荷控制方法
CN107844055A (zh) * 2017-11-03 2018-03-27 南京国电南自电网自动化有限公司 一种基于博弈论的冷热电三联供微网系统优化运行方法
CN108565900A (zh) * 2018-05-14 2018-09-21 南京邮电大学 一种基于博弈论的分布式能源优化运行方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周晖等: "基于进化多目标合作博弈的体域网通信优化", 《计算机工程与设计》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112035979A (zh) * 2020-09-03 2020-12-04 国电联合动力技术有限公司 一种风电机组整机一体化优化设计方法、平台及寻优方法
CN112035979B (zh) * 2020-09-03 2024-10-01 国电联合动力技术有限公司 一种风电机组整机一体化优化设计方法、平台及寻优方法
CN113657013A (zh) * 2021-08-04 2021-11-16 浙江大学 融合风电场调度策略的风力发电机布局优化方法
CN113657013B (zh) * 2021-08-04 2022-06-21 浙江大学 融合风电场调度策略的风力发电机布局优化方法
WO2023010624A1 (zh) * 2021-08-04 2023-02-09 浙江大学 融合风电场调度策略的风力发电机布局优化方法
US11669663B2 (en) 2021-08-04 2023-06-06 Zhejiang University Wind turbine layout optimization method combining with dispatching strategy for wind farm
CN113850447A (zh) * 2021-10-27 2021-12-28 华电重工股份有限公司 一种海上风电机组基础施工的组织策略优化方法及系统
CN113850447B (zh) * 2021-10-27 2023-03-24 华电重工股份有限公司 一种海上风电机组基础施工的组织策略优化方法及系统

Also Published As

Publication number Publication date
CN111461443B (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
CN111461443B (zh) 风电场的优化设计方法、系统、电子设备和存储介质
Kou et al. Sparse online warped Gaussian process for wind power probabilistic forecasting
CN111339713B (zh) 风电场的优化设计方法、系统、电子设备和存储介质
CN102063339B (zh) 基于云计算系统的资源负载均衡的方法和设备
CN110322038B (zh) 基于中尺度数据的风机自动排布的方法和设备
CN103294928A (zh) 一种碳排放组合预测方法
Han et al. Evolutionary game based demand response bidding strategy for end-users using Q-learning and compound differential evolution
CN110264012A (zh) 基于经验模态分解的可再生能源功率组合预测方法及系统
CN117353302B (zh) 新能源发电功率的预测方法、装置、设备及介质
Mahulja et al. Engineering an optimal wind farm using surrogate models
CN112381315A (zh) 一种基于pso优化的ls-svm智能台区负荷预测方法及系统
CN117195449A (zh) 一种风电场排布优化方法、装置、设备及介质
Zhai et al. A two-layer algorithm based on PSO for solving unit commitment problem
Li et al. An improved gray Bernoulli model for estimating the relationship between economic growth and pollution emissions
CN113236487B (zh) 风电场噪声控制方法、系统、设备及可读存储介质
CN115016889A (zh) 一种用于云计算的虚拟机优化调度方法
CN116822672A (zh) 一种空调冷负荷预测优化方法、系统
CN108418247B (zh) 一种配电网中分布式电源优化配置方法及计算设备
CN114781508B (zh) 基于聚类的卫星测控调度方法及系统
CN114336696B (zh) 一种兆瓦级氢储能电站容量配置方法及系统
Nayak et al. Capacity value of wind power using kd tree and nearest neighbor search algorithm
CN117557067B (zh) 分布式能源协同优化系统
CN118428702B (zh) 一种虚拟电厂的资源优化管理方法
CN112257344B (zh) 一种基于ap聚类算法的场景削减方法
CN114123258B (zh) 一种风光储容量配置并行优化方法及系统

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
GR01 Patent grant
GR01 Patent grant