CN112364559A - 一种波浪能发电装置布局优化方法及装置 - Google Patents

一种波浪能发电装置布局优化方法及装置 Download PDF

Info

Publication number
CN112364559A
CN112364559A CN202011085762.8A CN202011085762A CN112364559A CN 112364559 A CN112364559 A CN 112364559A CN 202011085762 A CN202011085762 A CN 202011085762A CN 112364559 A CN112364559 A CN 112364559A
Authority
CN
China
Prior art keywords
power generation
wave energy
energy power
generation device
maximum
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
CN202011085762.8A
Other languages
English (en)
Other versions
CN112364559B (zh
Inventor
王立国
胡配银
何荣海
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.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen University
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 Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN202011085762.8A priority Critical patent/CN112364559B/zh
Publication of CN112364559A publication Critical patent/CN112364559A/zh
Application granted granted Critical
Publication of CN112364559B publication Critical patent/CN112364559B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Fluid Mechanics (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种波浪能发电装置布局优化方法及装置，方法包括：设置海况参数，并根据海况参数计算目标区域的波能谱；根据波能谱和目标区域中的每个波浪能发电装置的几何参数和位置参数，计算得到水动力系数；利用水动力系数、连续运动方程及谱方法求解得到目标区域中波浪能发电场在物理约束下的最优总发电功率的时间平均值；采用优化算法，优化每个波浪能发电装置的位置参数并输出最优值。本发明实施例提出的一种波浪能发电装置布局优化方法及装置，利用双层优化方法实现对波浪能发电场的运行进行高效协同控制，能够对阵列布局进行优化，进而有效提高波浪能发电场的总产能。

Description

一种波浪能发电装置布局优化方法及装置
技术领域
本发明涉及波浪能发电技术领域，尤其是涉及一种波浪能发电装置布局优化方法及装置。
背景技术
能源是人类生存和社会发展的基础，目前国际社会对加强开发既能缓解能源短缺又不对地球产生污染的新能源已形成共识，波浪能作为一种储量巨大、清洁、有利于人类社会可持续发展的可再生新能源，被越来越多的人所重视。在燃料能源日渐匮乏的背景下，诸多国家加大了对波浪能发电技术的研究力度，并相继开发出了各种波浪能利用技术及装置。部分波浪能发电装置已经并网运行，初步实现了波浪能发电技术及装置的商业化。然而，要实现大规模的商业化应用，必然要在给定海域中布放多个波浪能发电装置，形成波浪能发电场。但如何设计波浪能发电场是尚未有效解决的问题，世界许多科学家和工程师正在努力寻找方法优化波浪能发电装置在波浪能发电场中的布局，以降低成本、提高总发电量。
目前，现有的波浪能发电场阵列布局优化方法只针对简单的规则波、基于耦合的频域运动模型来评估波浪能发电场的总发电量，仅仅能够处理线性阻尼，无法有效对非规则波、非线性阻尼、物理约束等条件下的波浪能发电场进行布局优化，导致波浪能发电场产能较低。
发明内容
本发明提供一种波浪能发电装置布局优化方法及装置，以解决现有技术无法有效对波浪能发电场进行布局优化，导致发电场总产能较低的技术问题。
本发明的第一实施例提供了一种波浪能发电装置布局优化方法，包括：
根据目标区域的海况以及当地地形，设置海况参数，并根据所述海况参数计算目标区域的波能谱；其中，所述海况参数包括：非规则波情况下的有效波高和周期或者规则波情况下的波高和周期；
根据所述波能谱和所述目标区域中的每个波浪能发电装置的几何参数及位置参数，计算得到每个所述波浪能发电装置的水动力系数；
利用所述水动力系数、连续运动方程及谱方法求解每个所述波浪能发电装置在计及约束条件下的能量转换系统最优控制力，采用所述最优控制力计算得到所述目标区域中波浪能发电场在物理约束下的总发电功率的时间平均值；
采用优化算法对每个所述波浪能发电装置的位置参数进行优化，得到所述总发电功率的时间平均值最大时每个所述波浪能发电装置对应的最优位置参数。
进一步地，利用所述水动力系数、连续运动方程及谱方法求解每个所述波浪能发电装置在计及约束条件下的能量转换系统最优控制力，采用所述最优控制力计算得到所述目标区域中波浪能发电场在物理约束下的总发电功率的时间平均值，具体为：
将所述水动力系数代入连续运动方程，并将所述连续运动方程离散化，将所述能量转换系统的控制力的求解问题转化为标准优化问题，同时结合所述波浪能发电装置的物理约束条件，将连续运动方程近似地展开成光滑函数的有限级数展开式，求解满足所述物理约束条件的能量转换系统的控制力的全局最优值，并根据所述全局最优值计算波浪能发电场的总发电功率的时间平均值。
进一步地，根据所述波能谱和所述目标区域中的每个波浪能发电装置的几何参数及位置参数，计算得到每个所述波浪能发电装置的水动力系数，具体为：利用水动力学分析软件根据海况参数、波浪能发电装置几何参数和位置参数计算得到水动力系数；其中，所述水动力学分析软件包括但不限于WAMIT、AQWA、HydroSTAR中的一种。
进一步地，所述谱方法所使用的基函数包括但不限于傅里叶基函数。
进一步地，所述优化算法包括但不限于粒子群算法、非凸优化算法，所述采用优化算法对每个所述波浪能发电装置的位置参数进行优化，得到所述总发电功率的时间平均值最大时每个所述波浪能发电装置对应的最优位置参数，具体为：
根据所述粒子群算法设定粒子群的规模、每个粒子初始位置和初始速度，每个所述粒子的位置包含待优化的所述波浪能发电装置在所述波浪能发电场中所有的空间位置信息，每个所述粒子的速度包含待优化的所述波浪能发电装置在所述波浪能发电场中的所有空间位置信息的变化；
获取每个所述粒子在定义域移动中对应的适应性函数的最优值，得到每个所述粒子一个对应适应度函数的最值作为个体最值，并将所有粒子的个体最值中的最值作为群体最值；其中，所述适应度函数对应所述波浪能发电场的总发电功率的时间平均值；
将所述个体最值和所述群体最值作为初始个体最值和初始群体最值，并更新每个所述粒子的位置和速度，经过预设次数的迭代后获得最优群体最值，将所述最优群体最值作为所述波浪能发电场的发电功率最大时每个所述波浪能发电装置的最优空间位置。
本发明的第二实施例提供了一种波浪能发电装置布局优化装置，包括：
第一计算模块，用于根据目标区域的海况以及当地地形，设置海况参数，并根据所述海况参数计算目标区域的波能谱；其中，所述海况参数包括：非规则波情况下的有效波高和周期或者规则波情况下的波高和周期；
第二计算模块，根据所述波能谱和所述目标区域中的每个波浪能发电装置的几何参数及位置参数，计算得到每个所述波浪能发电装置的水动力系数；
第三计算模块，用于利用所述水动力系数、连续运动方程及谱方法求解每个所述波浪能发电装置在计及约束条件下的能量转换系统最优控制力，采用所述最优控制力计算得到所述目标区域中波浪能发电场在物理约束下的总发电功率的时间平均值；
优化模块，采用优化算法对每个所述波浪能发电装置的位置参数进行优化，得到所述总发电功率的时间平均值最大时每个所述波浪能发电装置对应的最优位置参数。
进一步地，所述第三计算模块，具体用于：
将所述水动力系数代入连续运动方程，并将所述连续运动方程离散化，将所述能量转换系统的控制力的求解问题转化为标准优化问题，同时结合所述波浪能发电装置的物理约束条件，将连续运动方程近似地展开成光滑函数的有限级数展开式，求解满足所述物理约束条件的能量转换系统的控制力的全局最优值，并根据所述全局最优值计算波浪能发电场的总发电功率的时间平均值。
进一步地，所述第二计算模块，具体为：利用水动力学分析软件根据海况参数、波浪能发电装置几何参数和位置参数计算得到水动力系数；其中，所述水动力学分析软件包括但不限于WAMIT、AQWA、HydroSTAR其中的一种。
进一步地，所述谱方法所使用的基函数包括但不限于傅里叶基函数。
进一步地，所述优化算法包括但不限于粒子群算法、非凸优化算法，所述优化模块，具体用于：
根据所述粒子群算法设定粒子群的规模、每个粒子初始位置和初始速度，每个所述粒子的位置包含待优化的所述波浪能发电装置在所述波浪能发电场中所有的空间位置信息，每个所述粒子的速度包含待优化的所述波浪能发电装置在所述波浪能发电场中的所有空间位置信息的变化；
获取每个所述粒子在定义域移动中对应的适应性函数的最优值，得到每个所述粒子一个对应适应度函数的最值作为个体最值，并将所有粒子的个体最值中的最值作为群体最值；其中，所述适应度函数对应所述波浪能发电场的总发电功率的时间平均值；
将所述个体最值和所述群体最值作为初始个体最值和初始群体最值，并更新每个所述粒子的位置和速度，经过预设次数的迭代后获得最优群体最值，将所述最优群体最值作为所述波浪能发电场的发电功率最大时每个所述波浪能发电装置的最优空间位置。
本发明提供一种波浪能发电装置布局优化方法及装置，利用双层优化方法实现对波浪能发电场的运行进行高效协同控制，能够对阵列布局进行优化，进而有效提高波浪能发电场的总产能。
附图说明
图1是本发明实施例提供的一种波浪能发电装置布局优化方法的流程示意图；
图2是本发明实施例提供的一种波浪能发电装置布局优化方法的另一流程示意图；
图3是本发明实施例提供的一种波浪能发电装置布局优化装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示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一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
请参阅图1-2，在本发明的第一实施例中，提供了如图1所示的一种波浪能发电装置布局优化方法，包括：
S1、根据目标区域的海况以及当地地形，设置海况参数，并根据海况参数计算目标区域的波能谱；其中，海况参数包括：非规则波情况下的有效波高和周期或者规则波情况下的波高和周期；
在本发明实施例中，目标区域的海洋环境数据，如有效波高和谱峰周期周期，可以来自实海测得的数据，也可以是缩比所得的数据。作为一种实施方式，波能谱的表达式为：
Figure BDA0002720324730000061
其中，Hs为有效波高，ωp为谱峰周期所对应的波浪频率，ω为目标区域实际波浪频率。
S2、根据波能谱和目标区域中的每个波浪能发电装置的几何参数及位置参数，计算得到每个波浪能发电装置的水动力系数；
在本发明实施例中，将每个波浪能发电装置的位置参数作为本发明实施例的外层优化变量。以n个波浪能发电装置为例，设置波浪能发电装置的位置变量为(x1，y1)、(x2，y2)、...、(xn，yn)，其中x为在特定区域固定正交坐标系后的横坐标，y为纵坐标。
S3、利用水动力系数、连续运动方程及谱方法求解每个波浪能发电装置在计及约束条件下的能量转换系统最优控制力，采用最优控制力计算得到目标区域中波浪能发电场在物理约束下的总发电功率的时间平均值；
需要说明的是，物理约束包括最大位移、最大速度、最大加速度、最大控制力或最大阻尼系数等，本发明实施例综合考虑波浪能发电装置之间的水动力耦合以及每个波浪能发电装置的物理约束，利用谱方法或者伪谱方法对每个波浪能发电装置的能量转换系统控制变量进行协同优化，计算得到物理约束下的总发电功率的时间平均值，进而实现对波浪能发电装置布局的合理优化，能够有效提高波浪能发电装置的发电场产能。
S4、采用优化算法对每个波浪能发电装置的位置参数进行优化，得到总发电功率的时间平均值最大时每个波浪能发电装置对应的最优位置参数。
请参阅图2，为本发明实施例提供的一种波浪能发电装置布局优化方法的另一流程示意图。
作为本发明实施例的一种具体实施方式，根据波能谱和目标区域中的每个波浪能发电装置的几何参数及位置参数，计算得到每个波浪能发电装置的水动力系数。作为本发明实施例的一种具体实施方式，水动力学软件包括但不限于WAMIT、AQWA、HydroSTAR中的一种，本发明实施例使用HydroSTAR以及波浪能发电装置几何参数和位置参数计算得到水动力系数，具体为：基于准理想流体假设的势流理论，三维任意形状浮体的波浪辐射和绕射分析等，根据输入几何参数和位置参数对每个波浪能发电装置进行网格划分，计算并输出水动力系数。其中，水动力系数包括但不限于船体附加质量，波浪辐射阻尼，粘性阻尼等。
作为本发明实施例的一种具体实施方式，利用水动力系数、连续运动方程及谱方法求解每个波浪能发电装置在计及约束条件下的能量转换系统最优控制力，采用最优控制力计算得到目标区域中波浪能发电场在物理约束下的总发电功率的时间平均值，具体为：
将水动力系数代入连续运动方程，并将连续运动方程离散化，将能量转换系统的控制力的求解问题转化为标准优化问题，同时结合波浪能发电装置的物理约束条件，将连续运动方程近似地展开成光滑函数的有限级数展开式，求解满足物理约束条件的能量转换系统的控制力的全局最优值，并根据全局最优值计算波浪能发电场的总发电功率的时间平均值。
在本发明实施例中，将所得出的水动力系数代入连续运动方程，使用谱方法将其离散后可得运动方程
Figure BDA0002720324730000071
当考虑最大位移、最大速度、最大控制力的物理约束时，目标函数即总平均功率，由以下公式计算：
Figure BDA0002720324730000072
Figure BDA0002720324730000073
Figure BDA0002720324730000074
其中，
Figure BDA0002720324730000075
为谱方法得到的相关矩阵；
Figure BDA0002720324730000076
为由最大位移、最大速度、最大控制力构成的矩阵。
Figure BDA0002720324730000081
分别为谱方法中位移、速度、能量转换系统控制力、激励力的对应系数；Xmax，Vmax，Umax为考虑的最大位移、最大速度、最大控制力的物理约束。谱方法所使用的基函数包括但不限于傅里叶基函数。
在满足约束条件的情况下，求出
Figure BDA0002720324730000082
值最小值，同时可得此时对应的速度相关系数
Figure BDA0002720324730000083
和能量转换系统控制变量相关系数
Figure BDA0002720324730000084
的最优值。
在本发明实施例中，计算目标函数
Figure BDA0002720324730000085
的绝对值，即为整个发电场所输出的总发电功率的时间平均值。
作为本发明实施例的一种具体实施方式，优化算法包括但不限于粒子群算法、非凸优化算法，采用优化算法对每个波浪能发电装置的位置参数进行优化，得到总发电功率的时间平均值最大时每个波浪能发电装置对应的最优位置参数，具体为：
根据粒子群算法设定粒子群的规模、每个粒子初始位置和初始速度，每个粒子的位置包含待优化的波浪能发电装置在波浪能发电场中所有的空间位置信息，每个粒子的速度包含待优化的波浪能发电装置在波浪能发电场中的所有空间位置信息的变化；
获取每个粒子在定义域移动中对应的适应性函数的最优值，得到每个粒子一个对应适应度函数的最值作为个体最值，并将所有粒子的个体最值中的最值作为群体最值；其中，适应度函数对应波浪能发电场的总发电功率的时间平均值；将个体最值和群体最值作为初始个体最值和初始群体最值，并更新每个粒子的位置和速度，经过预设次数的迭代后获得最优群体最值，将最优群体最值作为波浪能发电场的发电功率最大时每个波浪能发电装置的最优空间位置。
实施本发明实施例，具有以下有益效果：
本发明实施例不局限于规则波以及频域模型来评估波场的输出，本发明实施例基于时域模型，适用于任意实际海况或缩尺的海况；且可对特定步数位置来进行波浪能发电装置的布局设计，不限于区域大小及波浪能发电装置的类型和数量，均能得出全局最优空间坐标；优化过程中采用的内层优化可以考虑多种控制策略、考虑线性和非线性情况，以及考虑多种物理约束，如最大速度、最大位移、最大阻尼系数或最大控制力等，能够得到满足约束条件下的全局最优解，从而有利于提高波浪能装置布局优化的效率，进而提升波浪能发电装置的发电场产能。
请参阅图3，本发明的第二实施例提供了一种波浪能发电装置布局优化装置，包括：
第一计算模块10，用于根据目标区域的海况以及当地地形，设置海况参数，并根据海况参数计算目标区域的波能谱；其中，海况参数包括：非规则波情况下的有效波高和周期或者规则波情况下的波高和周期；
在本发明实施例中，目标区域的海洋环境数据，如有效波高和谱峰周期，可以来自实海测得的数据，也可以是缩比所得的数据。作为一种实施方式，波能谱的表达式为：
Figure BDA0002720324730000091
其中，Hs为有效波高，ωp为谱峰周期所对应的波浪频率，ω为目标区域实际波浪频率。
第二计算模块20，用于根据波能谱和目标区域中的每个波浪能发电装置的几何参数及位置参数，计算得到每个波浪能发电装置的水动力系数；
在本发明实施例中，将每个波浪能发电装置的位置参数作为本发明实施例的外层优化变量。以n个波浪能发电装置为例，设置波浪能发电装置的位置变量为(x1，y1)、(x2，y2)......(xn，yn)，其中x为在特定区域固定正交坐标系后的横坐标，y为纵坐标。
第三计算模块30，用于利用水动力系数、连续运动方程及谱方法求解每个波浪能发电装置在计及约束条件下的能量转换系统最优控制力，采用最优控制力计算得到目标区域中波浪能发电场在物理约束下的总发电功率的时间平均值；
需要说明的是，物理约束包括最大位移、最大速度、最大加速度、最大控制力或最大阻尼系数等，本发明实施例综合考虑波浪能发电装置之间的水动力耦合以及每个波浪能发电装置的物理约束，利用谱方法或者伪谱方法对每个波浪能发电装置的能量转换系统控制变量进行协同优化，计算得到物理约束下的总发电功率的时间平均值，进而实现对波浪能发电装置布局的合理优化，能够有效提高波浪能发电装置的发电场产能。
优化模块40，用于采用优化算法对每个波浪能发电装置的位置参数进行优化，得到总发电功率的时间平均值最大时每个波浪能发电装置对应的最优位置参数。
作为本发明实施例的一种具体实施方式，根据波能谱和目标区域中的每个波浪能发电装置的几何参数及位置参数，计算得到每个波浪能发电装置的水动力系数。作为本发明实施例的一种具体实施方式，水动力学软件包括但不限于WAMIT、AQWA、HydroSTAR其中的一种。本发明实施例使用HydroSTAR以及波浪能发电装置的几何参数和位置参数计算得到水动力系数，具体为：基于准理想流体假设的势流理论，三维任意形状浮体的波浪辐射和绕射分析等，根据输入几何参数和位置参数对每个波浪能发电装置进行网格划分，计算输出水动力系数。其中，水动力系数包括但不限于船体附加质量，波浪辐射阻尼，粘性阻尼等。
作为本发明实施例的一种具体实施方式，第三计算模块30，具体用于：
将水动力系数代入连续运动方程，并将连续运动方程离散化，将能量转换系统的控制力的求解问题转化为标准优化问题，同时结合波浪能发电装置的物理约束条件，将连续运动方程近似地展开成光滑函数的有限级数展开式，求解满足物理约束条件的能量转换系统的控制力的全局最优值，并根据全局最优值计算波浪能发电场的总发电功率的时间平均值。
在本发明实施例中，将所得出的水动力系数代入连续运动方程，使用谱方法将其离散后可得运动方程
Figure BDA0002720324730000101
当考虑最大位移、最大速度、最大控制力的物理约束时，目标函数即总平均功率由以下公式计算：
Figure BDA0002720324730000111
Figure BDA0002720324730000112
Figure BDA0002720324730000113
其中，
Figure BDA0002720324730000114
为谱方法得到的相关矩阵；
Figure BDA0002720324730000115
为由最大位移，最大速度，最大控制力构成的矩阵。
Figure BDA0002720324730000116
分别为谱方法中位移、速度、能量转换系统控制力、激励力的对应系数；Xmax，Vmax，Umax为考虑的最大位移、最大速度、最大控制力的物理约束。谱方法所使用的基函数包括但不限于傅里叶基函数。
在满足约束条件的情况下，求出
Figure BDA0002720324730000117
值最小值，同时可得此时对应的速度相关系数
Figure BDA0002720324730000119
和能量转换系统控制变量相关系数
Figure BDA0002720324730000118
的最优值。
在本发明实施例中，计算目标函数
Figure BDA00027203247300001110
的绝对值，即为整个发电场所输出的总发电功率的时间平均值。
作为本发明实施例的一种具体实施方式，优化模块40，具体用于：
根据粒子群算法设定粒子群的规模、每个粒子初始位置和初始速度，每个粒子的位置包含待优化的波浪能发电装置在波浪能发电场中所有的空间位置信息，每个粒子的速度包含待优化的波浪能发电装置在波浪能发电场中的所有空间位置信息的变化；
获取每个粒子在定义域移动中对应的适应性函数的最优值，得到每个粒子一个对应适应度函数的最值作为个体最值，并将所有粒子的个体最值中的最值作为群体最值；其中，适应度函数对应波浪能发电场的总发电功率的时间平均值；
将个体最值和群体最值作为初始个体最值和初始群体最值，并更新每个粒子的位置和速度，经过预设次数的迭代后获得最优群体最值，将最优群体最值作为波浪能发电场的发电功率最大时每个波浪能发电装置的最优空间位置。
实施本发明实施例，具有以下有益效果：
本发明实施例不局限于规则波以及频域模型来评估波场的输出，本发明实施例基于时域模型，适用于任意实际海况或缩尺的海况；且可对特定步数位置来进行波浪能发电装置的布局设计，不限于区域大小及波浪能发电装置的类型和数量，均能得出全局最优空间坐标；优化过程中采用的内层优化可以考虑多种控制策略、考虑线性和非线性情况，以及考虑多种物理约束，如最大速度、最大位移、最大阻尼系数或最大控制力等，能够得到满足约束条件下的全局最优解，从而有利于提高波浪能装置布局优化的效率，进而提升波浪能发电装置的发电场产能。
以上是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种波浪能发电装置布局优化方法，其特征在于，包括：
根据目标区域的海况以及当地地形，设置海况参数，并根据所述海况参数计算目标区域的波能谱；其中，所述海况参数包括：非规则波情况下的有效波高和周期或者规则波情况下的波高和周期；
根据所述波能谱和所述目标区域中的每个波浪能发电装置的几何参数及位置参数，计算得到每个所述波浪能发电装置的水动力系数；
利用所述水动力系数、连续运动方程及谱方法求解每个所述波浪能发电装置在计及约束条件下的能量转换系统最优控制力，采用所述最优控制力计算得到所述目标区域中波浪能发电场在物理约束下的总发电功率的时间平均值；
采用优化算法对每个所述波浪能发电装置的位置参数进行优化，得到所述总发电功率的时间平均值最大时每个所述波浪能发电装置对应的最优位置参数。
2.如权利要求1所述的波浪能发电装置布局优化方法，其特征在于，利用所述水动力系数、连续运动方程及谱方法求解每个所述波浪能发电装置在计及约束条件下的能量转换系统最优控制力，采用所述最优控制力计算得到所述目标区域中波浪能发电场在物理约束下的总发电功率的时间平均值，具体为：
将所述水动力系数代入连续运动方程，并将所述连续运动方程离散化，将所述能量转换系统的控制力的求解问题转化为标准优化问题，同时结合所述波浪能发电装置的物理约束条件，将连续运动方程近似地展开成光滑函数的有限级数展开式，求解满足所述物理约束条件的能量转换系统的控制力的全局最优值，并根据所述全局最优值计算波浪能发电场的总发电功率的时间平均值。
3.如权利要求1所述的波浪能发电装置布局优化方法，其特征在于，根据所述波能谱和所述目标区域中的每个波浪能发电装置的几何参数及位置参数，计算得到每个所述波浪能发电装置的水动力系数，具体为：利用水动力学分析软件根据海况参数、波浪能发电装置几何参数和位置参数计算得到水动力系数；其中，所述水动力学分析软件包括但不限于WAMIT、AQWA、HydroSTAR中的一种。
4.如权利要求1所述的波浪能发电装置布局优化方法，其特征在于，所述谱方法所使用的基函数包括但不限于傅里叶基函数。
5.如权利要求1所述的波浪能发电装置布局优化方法，其特征在于，所述优化算法包括但不限于粒子群算法、非凸优化算法，采用所述优化算法对每个所述波浪能发电装置的位置参数进行优化，得到所述总发电功率的时间平均值最大时每个所述波浪能发电装置对应的最优位置参数，具体为：
根据所述粒子群算法设定粒子群的规模、每个粒子初始位置和初始速度，每个所述粒子的位置包含待优化的所述波浪能发电装置在所述波浪能发电场中所有的空间位置信息，每个所述粒子的速度包含待优化的所述波浪能发电装置在所述波浪能发电场中的所有空间位置信息的变化；
获取每个所述粒子在定义域移动中对应的适应性函数的最优值，得到每个所述粒子一个对应适应度函数的最值作为个体最值，并将所有粒子的个体最值中的最值作为群体最值；其中，所述适应度函数对应所述波浪能发电场的总发电功率的时间平均值；
将所述个体最值和所述群体最值作为初始个体最值和初始群体最值，并更新每个所述粒子的位置和速度，经过预设次数的迭代后获得最优群体最值，将所述最优群体最值作为所述波浪能发电场的发电功率最大时每个所述波浪能发电装置的最优空间位置。
6.一种波浪能发电装置布局优化装置，其特征在于，包括：
第一计算模块，用于根据目标区域的海况以及当地地形，设置海况参数，并根据所述海况参数计算目标区域的波能谱；其中，所述海况参数包括：非规则波情况下的有效波高和周期或者规则波情况下的波高和周期；
第二计算模块，根据所述波能谱和所述目标区域中的每个波浪能发电装置的几何参数及位置参数，计算得到每个所述波浪能发电装置的水动力系数；
第三计算模块，用于利用所述水动力系数、连续运动方程及谱方法求解每个所述波浪能发电装置在计及约束条件下的能量转换系统最优控制力，采用所述最优控制力计算得到所述目标区域中波浪能发电场在物理约束下的总发电功率的时间平均值；
优化模块，采用优化算法对每个所述波浪能发电装置的位置参数进行优化，得到所述总发电功率的时间平均值最大时每个所述波浪能发电装置对应的最优位置参数。
7.如权利要求6所述的波浪能发电装置布局优化装置，其特征在于，所述第三计算模块，具体用于：
将所述水动力系数代入连续运动方程，并将所述连续运动方程离散化，将所述能量转换系统的控制力的求解问题转化为标准优化问题，同时结合所述波浪能发电装置的物理约束条件，将连续运动方程近似地展开成光滑函数的有限级数展开式，求解满足所述物理约束条件的能量转换系统的控制力的全局最优值，并根据所述全局最优值计算波浪能发电场的总发电功率的时间平均值。
8.如权利要求6所述的波浪能发电装置布局优化装置，其特征在于，所述第二计算模块，具体为：利用水动力学分析软件根据海况参数、波浪能发电装置几何参数和位置参数计算得到水动力系数；其中，所述水动力学分析软件包括但不限于WAMIT、AQWA、HydroSTAR其中的一种。
9.如权利要求6所述的波浪能发电装置布局优化装置，其特征在于，所述谱方法所使用的基函数包括但不限于傅里叶基函数。
10.如权利要求6所述的波浪能发电装置布局优化装置，其特征在于，所述优化算法包括但不限于粒子群算法、非凸优化算法，所述优化模块，具体用于：
根据所述粒子群算法设定粒子群的规模、每个粒子初始位置和初始速度，每个所述粒子的位置包含待优化的所述波浪能发电装置在所述波浪能发电场中所有的空间位置信息，每个所述粒子的速度包含待优化的所述波浪能发电装置在所述波浪能发电场中的所有空间位置信息的变化；
获取每个所述粒子在定义域移动中对应的适应性函数的最优值，得到每个所述粒子一个对应适应度函数的最值作为个体最值，并将所有粒子的个体最值中的最值作为群体最值；其中，所述适应度函数对应所述波浪能发电场的总发电功率的时间平均值；
将所述个体最值和所述群体最值作为初始个体最值和初始群体最值，并更新每个所述粒子的位置和速度，经过预设次数的迭代后获得最优群体最值，将所述最优群体最值作为所述波浪能发电场的发电功率最大时每个所述波浪能发电装置的最优空间位置。
CN202011085762.8A 2020-10-12 2020-10-12 一种波浪能发电装置布局优化方法及装置 Active CN112364559B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011085762.8A CN112364559B (zh) 2020-10-12 2020-10-12 一种波浪能发电装置布局优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011085762.8A CN112364559B (zh) 2020-10-12 2020-10-12 一种波浪能发电装置布局优化方法及装置

Publications (2)

Publication Number Publication Date
CN112364559A true CN112364559A (zh) 2021-02-12
CN112364559B CN112364559B (zh) 2024-03-15

Family

ID=74507662

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011085762.8A Active CN112364559B (zh) 2020-10-12 2020-10-12 一种波浪能发电装置布局优化方法及装置

Country Status (1)

Country Link
CN (1) CN112364559B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112949188A (zh) * 2021-03-05 2021-06-11 中国海洋大学 一种波浪能装置参数配置的寻优系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102903006A (zh) * 2012-09-14 2013-01-30 哈尔滨工程大学 一种高光谱图像波段选择方法
CN107701361A (zh) * 2017-10-23 2018-02-16 广东工业大学 一种波浪发电方法和系统
US20190128236A1 (en) * 2016-04-22 2019-05-02 National University Of Ireland Maynooth Control system and method for energy capture system
WO2019109757A1 (zh) * 2017-12-06 2019-06-13 华南理工大学 运用粒子群算法优化功率电子电路的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102903006A (zh) * 2012-09-14 2013-01-30 哈尔滨工程大学 一种高光谱图像波段选择方法
US20190128236A1 (en) * 2016-04-22 2019-05-02 National University Of Ireland Maynooth Control system and method for energy capture system
CN107701361A (zh) * 2017-10-23 2018-02-16 广东工业大学 一种波浪发电方法和系统
WO2019109757A1 (zh) * 2017-12-06 2019-06-13 华南理工大学 运用粒子群算法优化功率电子电路的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈永祥 等: "近海可再生能源发电穿透功率极限计算研究", 陕西电力, vol. 44, no. 6 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112949188A (zh) * 2021-03-05 2021-06-11 中国海洋大学 一种波浪能装置参数配置的寻优系统及方法

Also Published As

Publication number Publication date
CN112364559B (zh) 2024-03-15

Similar Documents

Publication Publication Date Title
Bailey et al. Wave-to-wire simulation of a floating oscillating water column wave energy converter
Rezanejad et al. Stepped sea bottom effects on the efficiency of nearshore oscillating water column device
CN111241662B (zh) 一种仿生波动鳍的推进性能数值计算方法
Sheng Motion and performance of BBDB OWC wave energy converters: I, hydrodynamics
Feng et al. Development of an unstructured-grid wave-current coupled model and its application
Zheng et al. Wave power extraction from a floating elastic disk-shaped wave energy converter
Herber Dynamic system design optimization of wave energy converters utilizing direct transcription
Lai et al. Numerical study on the improvement design of the oscillating buoy wave energy converter
CN117313526A (zh) 一种漂浮式海上风力机的耦合协同仿真计算方法
Wang et al. Towards realistically predicting the power outputs of wave energy converters: Nonlinear simulation
Khedkar et al. A model predictive control (MPC)-integrated multiphase immersed boundary (IB) framework for simulating wave energy converters (WECs)
Zhang et al. Research on wave excitation estimators for arrays of wave energy converters
CN112364559B (zh) 一种波浪能发电装置布局优化方法及装置
Wang A novel simulation method for predicting power outputs of wave energy converters
Li et al. Numerical study on expected electrical power of linear wave energy converter in arrangement condition
Kara Point absorber wave energy converters in regular and irregular waves with time domain analysis
Zou et al. Wave energy converter arrays: A methodology to assess performance considering the disturbed wave field
Aji et al. The simulation of wave energy conversion by floating point absorber buoy in Indonesian sea waves
Kalofotias Study for the Hull shape of a wave energy converter-point absorber; design optimization & modeling improvement
Conde et al. Numerical Simulation of an Oscillating Water Column (OWC) Wave Energy Converter (WEC) on a Breakwater Using OpenFOAM®
Cestaro et al. TENG estimation model of voltage production for buoys using particle swarm optimization
Lande-Sudall et al. Hydrodynamic modelling of a multi-body wave energy converter using the Moving Frame Method
Anderlini Control of wave energy converters using machine learning strategies
Huang et al. Shape optimization design of a heaving buoy of wave energy converter based on fully parametric modeling and CFD method
Kumawat et al. Wave energy conversion by multiple bottom-hinged surging WEC

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