CN112943509B - 一种浮子式波浪能发电装置阵列优化方法及系统 - Google Patents

一种浮子式波浪能发电装置阵列优化方法及系统 Download PDF

Info

Publication number
CN112943509B
CN112943509B CN202110118257.7A CN202110118257A CN112943509B CN 112943509 B CN112943509 B CN 112943509B CN 202110118257 A CN202110118257 A CN 202110118257A CN 112943509 B CN112943509 B CN 112943509B
Authority
CN
China
Prior art keywords
power generation
type wave
generation device
float type
array
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.)
Active
Application number
CN202110118257.7A
Other languages
English (en)
Other versions
CN112943509A (zh
Inventor
包兴先
肖炜杰
李树勃
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.)
China University of Petroleum East China
Original Assignee
China University of Petroleum East China
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 China University of Petroleum East China filed Critical China University of Petroleum East China
Priority to CN202110118257.7A priority Critical patent/CN112943509B/zh
Publication of CN112943509A publication Critical patent/CN112943509A/zh
Application granted granted Critical
Publication of CN112943509B publication Critical patent/CN112943509B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • F03B13/14—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 wave energy
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Other Liquid Machine Or Engine Such As Wave Power Use (AREA)

Abstract

本发明公开一种浮子式波浪能发电装置阵列优化方法及系统，包括：根据浮子式波浪能发电装置的材料成本、与集电系统连接的电缆成本以及发电功率构建目标函数；求解目标函数，以目标函数值最小时各个浮子式波浪能发电装置的位置构建阵列空间布局方案；初始化浮子式波浪能发电装置的规格，根据波浪场条件对不同位置的浮子式波浪能发电装置的规格进行更新，根据更新后的规格对阵列空间布局方案进行优化得到阵列空间最优布局。加入浮子式波浪能发电装置以及电缆设备的成本，得到发电效率高且成本低的阵列空间布局方案，且在确定阵列空间布局方案后，考虑单个浮子式波浪能发电装置的规格可调，从而进一步优化阵列布局方案。

Description

一种浮子式波浪能发电装置阵列优化方法及系统
技术领域
本发明涉及波浪能发电技术领域，特别是涉及一种浮子式波浪能发电装置阵列优化方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
随着对能源需求的日益增加，各种针对新能源的研究不断展开，波浪能发电是其中一个热门的研究领域。针对波浪能发电装置的研究有很多，但更多的是研究如何提高单个浮子的发电效率，近年来逐步开始研究浮子的阵列布置以适应于实际的应用。
发明人发现，现有的浮子阵列布置一般仅考虑波浪对波浪能发电装置的作用以及波浪能发电装置之间的相互作用，考虑的方向多为优化对波浪能发电装置水动力性能产生影响的因素，而没有考虑装置布设及维修成本的问题；同时在确定阵列布置形式后，目前多采用相同规格的装置，而没有考虑各装置采用不同规格来进一步提高俘能功率的问题。
发明内容
为了解决上述问题，本发明提出了一种浮子式波浪能发电装置阵列优化方法及系统，加入浮子式波浪能发电装置以及电缆设备的成本，得到发电效率高且成本低的阵列空间布局方案，且在确定阵列空间布局方案后，考虑单个浮子式波浪能发电装置的规格可调，从而进一步优化阵列布局方案。
为了实现上述目的，本发明采用如下技术方案：
第一方面，本发明提供一种浮子式波浪能发电装置阵列优化方法，包括：
根据浮子式波浪能发电装置的材料成本、与集电系统连接的电缆成本以及发电功率构建目标函数；
求解目标函数，以目标函数值最小时各个浮子式波浪能发电装置的位置构建阵列空间布局方案；
初始化浮子式波浪能发电装置的规格，根据波浪场条件对不同位置的浮子式波浪能发电装置的规格进行更新，根据更新后的规格对阵列空间布局方案进行优化得到阵列空间最优布局。
第二方面，本发明提供一种浮子式波浪能发电装置阵列优化系统，包括：
目标函数构建模块，被配置为根据浮子式波浪能发电装置的材料成本、与集电系统连接的电缆成本以及发电功率构建目标函数；
阵列构建模块，被配置为求解目标函数，以目标函数值最小时各个浮子式波浪能发电装置的位置构建阵列空间布局方案；
阵列优化模块，被配置为初始化浮子式波浪能发电装置的规格，根据波浪场条件对不同位置的浮子式波浪能发电装置的规格进行更新，根据更新后的规格对阵列空间布局方案进行优化得到阵列空间最优布局。
第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
与现有技术相比，本发明的有益效果为：
本发明在考虑浮子间的相互作用导致发电效率改变的情况下，加入浮子式波浪能发电装置以及电缆设备的制造成本和维修成本，得到发电效率高且成本低的阵列空间布局方案；相对于现有技术，实现在阵列发电效率几乎不变的同时有效节约了成本，优化了阵列布局。
在确定阵列空间布局方案后，由于浮子式波浪能发电装置与波浪场的耦合作用，会使得阵列中各个发电装置所处波浪场条件发生改变，为了满足在当前波浪场条件下的最优规格的设计，以实现最高的俘能功率，本发明考虑单个浮子式波浪能发电装置的规格可调问题，根据新的波浪场条件，以俘能功率最高为目标依次改变各个位置的装置规格，从而进一步优化阵列布局方案。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例1提供的浮子式波浪能发电装置阵列优化方法流程图；
图2为本发明实施例1提供的波能发电装置阵列布置示意图；
图3为本发明实施例1提供的由传统方法得到的阵列布置示意图；
图4为本发明实施例1提供的考虑成本的阵列布置优化示意图；
图5为本发明实施例1提供的阵列中最右侧半径为2m的装置的垂向速度响应示意图；
图6为本发明实施例1提供的改变各装置规格后的优化方案示意图；
图7为本发明实施例1提供的阵列中最右侧半径为2.5m的装置的垂向速度响应示意图。
具体实施方式：
下面结合附图与实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例1
如图1所示，本实施例提供一种浮子式波浪能发电装置阵列优化方法，包括：
S1：根据浮子式波浪能发电装置的材料成本、与集电系统连接的电缆成本以及发电功率构建目标函数；
S2：求解目标函数，以目标函数值最小时各个浮子式波浪能发电装置的位置构建阵列空间布局方案；
S3：初始化浮子式波浪能发电装置的规格，根据波浪场条件对不同位置的浮子式波浪能发电装置的规格进行更新，根据更新后的规格对阵列空间布局方案进行优化得到阵列空间最优布局。
如图2所示为浮子式波浪能发电装置阵列布置情况，浮子式波浪能发电装置将波浪能转化为电能之后，通过电缆传输到集电系统进行集中保存，并进行统一输送；现有的阵列布置优化多基于P.McIver在1994提出的理论，即：
Figure GDA0004122085110000051
式中，q是为了定量描述阵列式波浪能发电装置的工作效果而定义的影响系数，用来表征阵列装置中各单体结构的相互作用对于装置转换波浪能的影响，该系数定义为由N个浮子式波浪能发电装置组成阵列俘获的能量总量与单个装置俘获能量的N倍之间的比值；
如果阵列布置对浮子式波浪能发电装置没有影响，则q应为1；若q＞1，则说明阵列布置提高了每个浮子式波浪能发电装置的平均俘能功率，对于波浪的利用具有积极作用；反之，则起到消极作用。
L为列向量：
L＝{Lm；m＝1，2，...N}
Figure GDA0004122085110000052
Jmn＝J0(kdmn)
其中，N是浮子式波浪能发电装置的个数，dm是发电装置到坐标原点的距离，k是波数，β是浪向角，αm是发电装置到坐标原点的连线与浪向的夹角，dmn是两个发电装置之间的距离，J0是贝塞尔变换，L*为L的共轭转置矩阵。
传统的阵列优化方法是利用遗传算法求解出最大的q对应的阵列布置方式；遗传算法求解的过程如下：
父代采用二进制进行编码，1代表该位置布置有浮子式波浪能发电装置，0则代表该位置没有浮子式波浪能发电装置；
随机产生初始种群并计算各个体的适应值，对适应值即q因子进行评价，保留最优染色体；
选择适应值评价较高的染色体，按交叉概率Pc执行交叉操作，按变异概率Pm执行变异操作，重新评价适应值，更新染色体，重复上述步骤直至迭代一定次数后找到最优解。
与现有技术不同，本实施例额外考虑集电系统的布置以及阵列成本问题，如图2所示，阵列布置和集电系统呈星型结构，即假设集电系统布置在阵列中间；所述步骤S1中，本实施例根据浮子式波浪能发电装置的材料成本、与集电系统连接的电缆成本的总成本函数，以及发电功率构建目标函数Q，Q值越小表示阵列布置效果越好；具体地：
S1-1：将q因子等效为发电功率，
Figure GDA0004122085110000061
N是浮子式波浪能发电装置的个数，L为列向量，L*为L的共轭转置矩阵；
S1-2：设每个浮子式波浪能发电装置的成本为A＝γR3+E，γ为考虑浮子材料成本的经验系数，R为浮子半径，E为每个发电装置中能量转换设备的成本，同时设各浮子式波浪能发电装置与集电系统之间连接的电缆成本为B元/米，浮子式波浪能发电装置到集电系统所需的电缆总长度为Dmin；
S1-3：根据浮子式波浪能发电装置的材料成本、与集电系统连接的电缆成本构建总成本函数C＝NA+Dmin×B；
S1-4：在某一种阵列布置情况下，约束各浮子式波浪能发电装置到集电系统的最短距离为dmin，各浮子式波浪能发电装置之间的最短距离为dist，确定集电系统和各个浮子式波浪能发电装置的位置，以使各个浮子式波浪能发电装置到集电系统所需的电缆总长度Dmin最短，且发电功率最大，则目标函数为
Figure GDA0004122085110000071
S1-5：本实施例分别将影响系数α和β赋予总成本函数和发电功率，且满足α+β＝1，则最终新的目标函数为
Figure GDA0004122085110000072
所述步骤S2中，本实施例采用遗传算法求解目标函数，将Q作为遗传算法中的适应值，对染色体进行评估，最终得到最小的Q对应的阵列空间布局方案。
所述步骤S3中，得到考虑成本的阵列空间布局方案后，本实施例还考虑单个装置规格可调的阵列优化布局；具体地：
S3-1：确定单个浮子式波浪能发电装置在所处波浪场条件下的最优规格；
S3-2：根据上述规格初始化所有浮子式波浪能发电装置的规格；
S3-3：由于浮子式波浪能发电装置与波浪场的耦合作用，阵列中各装置所处波浪场条件将发生改变，故，根据新波浪场条件，以俘能功率最高为目标依次改变各个位置的装置规格，从而得到满足该处波浪场条件下的最优装置规格；
S3-4：由于改变后一个装置的规格，对前面装置所处的波浪场也会产生影响，因此需要再重新改变之前的装置规格，通过多次迭代计算，最终得到各装置最优的规格。
本实施例以5个浮子式波浪能发电装置的阵列优化布置为例，验证本实施例方法的有效性。假设每个浮子成本10000元，其中γ＝250元/米3，E＝8000元，电缆的总成本为2000元/米，浮子式波浪能发电装置的布置区域大小为20m×20m，浮子式波浪能发电装置的半径R＝2m，总成本影响系数α为0.2，发电功率影响系数β为0.8，各浮子式波浪能发电装置到集电系统的最短距离为dmin＝2R＝4m，各浮子式波浪能发电装置之间的最短距离为dist＝3R＝6m，波浪场条件为规则波，波高H＝1m，周期T＝5s；
需要说明的是，上述参数的取值并非是唯一的值，只是为了说明本实施例方法的有效性而假定的值，本实施例方法也同样适用于上述参数的其他取值。
首先，不考虑成本因素的情况下，采用遗传算法求得的阵列空间布局结果如图3所示，图中星号表示集电系统，五个圆点表示浮子式波浪能发电装置所处位置，计算得到的q＝1.4013，电缆最短长度Dmin＝35.8078米，目标函数Q＝21696.92元；
考虑成本因素，即目标函数为Q时，采用遗传算法求得阵列空间布局优化如图4所示，此时求得q＝1.3987，电缆最短长度Dmin＝34.4222米，Q＝21241.94元；
可以发现，考虑成本因素后的阵列布置相较于传统方法，q下降了0.186％，Q下降了2.097％，也就是，在阵列发电效率几乎不变的同时有效节约了成本，阵列布局得到了进一步的优化。
接下来，以上述求得的阵列空间布局形式为基础，通过有限元软件的数值模拟，确定在该波浪场条件下的各浮子式波浪能发电装置的初始规格为半径为2m的球型，浮子式波浪能发电装置在一段时间T内的平均输出功率为：
Figure GDA0004122085110000091
其中，c为PTO阻尼系数，v为装置的垂向速度；
采用有限元软件模拟得到浮子式波浪能发电装置在400s内的垂向速度响应，如图5为阵列中最右侧装置的垂向速度响应，选取浮子式波浪能发电装置的平稳状态下的速度，即30s之后的速度响应计算370s内阵列的总俘能功率P总＝40608.75w，此时总成本为118844.4元，每单位电量成本为2.93元/w。
根据单个浮子式波浪能发电装置规格可调的阵列优化布置方法，依次改变各浮子式波浪能发电装置规格，多次迭代后得到最优布置如图6所示，此时最右侧装置半径优化为2.5m，在400s内的垂向速度响应如图7所示；此时370s内阵列的总俘能功率P总＝42303.75w，阵列总成本为117666.4元，则每单位电量成本为2.78元/w。
与考虑成本因素的优化方法并全部采用半径为2m装置的阵列布局相比，考虑成本因素并考虑单个浮子式波浪能发电装置规格可调的优化方法使得总俘能功率上升了4.17％，同时每单位电量成本下降了5.12％；因此，本实施例提出的方法与传统阵列优化方法相比，可以使阵列的总俘能功率进一步提高，并有效节约成本。
实施例2
本实施例提供一种浮子式波浪能发电装置阵列优化系统，包括：
目标函数构建模块，被配置为根据浮子式波浪能发电装置的材料成本、与集电系统连接的电缆成本以及发电功率构建目标函数；
阵列构建模块，被配置为求解目标函数，以目标函数值最小时各个浮子式波浪能发电装置的位置构建阵列空间布局方案；
阵列优化模块，被配置为初始化浮子式波浪能发电装置的规格，根据波浪场条件对不同位置的浮子式波浪能发电装置的规格进行更新，根据更新后的规格对阵列空间布局方案进行优化得到阵列空间最优布局。
此处需要说明的是，上述模块对应于实施例1中所述的步骤，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
在更多实施例中，还提供：
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1中所述的方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1中所述的方法。
实施例1中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (5)

1.一种浮子式波浪能发电装置阵列优化方法，其特征在于，包括：
根据浮子式波浪能发电装置的材料成本、与集电系统连接的电缆成本以及发电功率构建目标函数；
求解目标函数，以目标函数值最小时各个浮子式波浪能发电装置的位置构建阵列空间布局方案；具体包括：
根据浮子式波浪能发电装置的材料成本以及与集电系统连接的电缆成本构建总成本函数为C＝NA+Dmin×B，其中，N为浮子式波浪能发电装置的个数，A为每个浮子式波浪能发电装置的成本，Dmin为浮子式波浪能发电装置到集电系统的电缆总长度；B为浮子式波浪能发电装置与集电系统之间连接的电缆成本；
约束各浮子式波浪能发电装置到集电系统的最短距离为dmin，各浮子式波浪能发电装置之间的最短距离为dist，确定集电系统和各个浮子式波浪能发电装置的位置，以使各个浮子式波浪能发电装置到集电系统所需的电缆总长度Dmin最短，且发电功率最大，则目标函数为
Figure FDA0004122085090000011
对总成本函数和发电功率赋权后得到优化后的目标函数为
Figure FDA0004122085090000012
其中，α和β为总成本函数和发电功率的影响系数，且满足α+β＝1，则最终新的目标函数为
Figure FDA0004122085090000013
Figure FDA0004122085090000014
q是为了定量描述阵列式波浪能发电装置的工作效果而定义的影响系数，用来表征阵列装置中各单体结构的相互作用对于装置转换波浪能的影响，该系数定义为由N个浮子式波浪能发电装置组成阵列俘获的能量总量与单个装置俘获能量的N倍之间的比值；
L为列向量：
L＝{Lm；m＝1,2,…N}
Figure FDA0004122085090000021
N是浮子式波浪能发电装置的个数，dm是发电装置到坐标原点的距离，k是波数，β是浪向角，αm是发电装置到坐标原点的连线与浪向的夹角，L*为L的共轭转置矩阵；
初始化浮子式波浪能发电装置的规格，根据波浪场条件对不同位置的浮子式波浪能发电装置的规格进行更新，根据更新后的规格对阵列空间布局方案进行优化得到阵列空间最优布局；具体包括：
根据新的波浪场条件，以俘能功率最高为目标更新各个位置的浮子式波浪能发电装置的规格，得到满足波浪场条件下的最优装置规格；
由于改变后一个装置的规格，对前面装置所处的波浪场也会产生影响，因此需要再重新改变之前的装置规格，通过多次迭代计算，最终得到各装置最优的规格。
2.如权利要求1所述的一种浮子式波浪能发电装置阵列优化方法，其特征在于，采用遗传算法求解目标函数，得到最小的目标函数值对应的阵列空间布局方案。
3.一种浮子式波浪能发电装置阵列优化系统，其特征在于，包括：
目标函数构建模块，被配置为根据浮子式波浪能发电装置的材料成本、与集电系统连接的电缆成本以及发电功率构建目标函数；
阵列构建模块，被配置为求解目标函数，以目标函数值最小时各个浮子式波浪能发电装置的位置构建阵列空间布局方案；
阵列优化模块，被配置为初始化浮子式波浪能发电装置的规格，根据波浪场条件对不同位置的浮子式波浪能发电装置的规格进行更新，根据更新后的规格对阵列空间布局方案进行优化得到阵列空间最优布局；
根据浮子式波浪能发电装置的材料成本以及与集电系统连接的电缆成本构建总成本函数为C＝NA+Dmin×B，其中，N为浮子式波浪能发电装置的个数，A为每个浮子式波浪能发电装置的成本，Dmin为浮子式波浪能发电装置到集电系统的电缆总长度；B为浮子式波浪能发电装置与集电系统之间连接的电缆成本；
约束各浮子式波浪能发电装置到集电系统的最短距离为dmin，各浮子式波浪能发电装置之间的最短距离为dist，确定集电系统和各个浮子式波浪能发电装置的位置，以使各个浮子式波浪能发电装置到集电系统所需的电缆总长度Dmin最短，且发电功率最大，则目标函数为
Figure FDA0004122085090000031
对总成本函数和发电功率赋权后得到优化后的目标函数为
Figure FDA0004122085090000032
其中，α和β为总成本函数和发电功率的影响系数，且满足α+β＝1，则最终新的目标函数为
Figure FDA0004122085090000033
Figure FDA0004122085090000034
q是为了定量描述阵列式波浪能发电装置的工作效果而定义的影响系数，用来表征阵列装置中各单体结构的相互作用对于装置转换波浪能的影响，该系数定义为由N个浮子式波浪能发电装置组成阵列俘获的能量总量与单个装置俘获能量的N倍之间的比值；
L为列向量：
L＝{Lm；m＝1,2,…N}
Figure FDA0004122085090000041
N是浮子式波浪能发电装置的个数，dm是发电装置到坐标原点的距离，k是波数，β是浪向角，αm是发电装置到坐标原点的连线与浪向的夹角，L*为L的共轭转置矩阵；
根据新的波浪场条件，以俘能功率最高为目标更新各个位置的浮子式波浪能发电装置的规格，得到满足波浪场条件下的最优装置规格；
由于改变后一个装置的规格，对前面装置所处的波浪场也会产生影响，因此需要再重新改变之前的装置规格，通过多次迭代计算，最终得到各装置最优的规格。
4.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-2任一项所述的方法。
5.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-2任一项所述的方法。
CN202110118257.7A 2021-01-28 2021-01-28 一种浮子式波浪能发电装置阵列优化方法及系统 Active CN112943509B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110118257.7A CN112943509B (zh) 2021-01-28 2021-01-28 一种浮子式波浪能发电装置阵列优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110118257.7A CN112943509B (zh) 2021-01-28 2021-01-28 一种浮子式波浪能发电装置阵列优化方法及系统

Publications (2)

Publication Number Publication Date
CN112943509A CN112943509A (zh) 2021-06-11
CN112943509B true CN112943509B (zh) 2023-06-02

Family

ID=76239487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110118257.7A Active CN112943509B (zh) 2021-01-28 2021-01-28 一种浮子式波浪能发电装置阵列优化方法及系统

Country Status (1)

Country Link
CN (1) CN112943509B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106246439A (zh) * 2015-06-03 2016-12-21 阿尔斯通再生能源技术公司 用于使转子单元的叶片反向的装置
CN109236544A (zh) * 2018-08-24 2019-01-18 哈尔滨工业大学（威海） 一种基于多桩柱聚波的点吸式波浪能发电装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2003903645A0 (en) * 2003-07-11 2003-07-31 Davidson, Aaron Extracting energy from fluids
CN202789308U (zh) * 2012-08-21 2013-03-13 大连理工大学 用于海洋平台的直驱式波浪能发电装置
CN106208046B (zh) * 2016-08-09 2018-11-27 重庆大学 一种考虑发电环境成本的潮汐流能发电场机组布局方法
CN106682282B (zh) * 2016-12-08 2019-07-23 浙江大学 一种风电场多型号风力发电机排布优化方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106246439A (zh) * 2015-06-03 2016-12-21 阿尔斯通再生能源技术公司 用于使转子单元的叶片反向的装置
CN109236544A (zh) * 2018-08-24 2019-01-18 哈尔滨工业大学（威海） 一种基于多桩柱聚波的点吸式波浪能发电装置

Also Published As

Publication number Publication date
CN112943509A (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
CN112749462A (zh) 一种综合能源系统当前运行参数的优化方法、系统及设备
CN110717583B (zh) 卷积电路、处理器、芯片、板卡和电子设备
CN106897793B (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
CN112943509B (zh) 一种浮子式波浪能发电装置阵列优化方法及系统
CN116014715A (zh) 一种基于数字孪生的综合能源控制方法及系统
CN113794199A (zh) 一种考虑电力市场波动的风电储能系统最大收益优化方法
CN116722544B (zh) 分布式光伏短期预测方法、装置、电子设备及存储介质
CN117175694A (zh) 一种基于新能源消纳的微电网优化调度方法及系统
Panapakidis et al. A missing data treatment method for photovoltaic installations
WO2017049428A1 (zh) 一种基于备用对象代价性能比的旋转备用容量优化方法
CN114971048A (zh) 一种零碳园区综合能源规划仿真方法、系统和计算机设备
CN112865187B (zh) 风电场功率调度方法、装置及电子设备
Bellat et al. Optimization of Wind Farms by the Particle Swarm Algorithm Considering Gaussian Wake Model
Essiet et al. Improved genetic algorithm based on particle swarm optimization-inspired reference point placement
CN108915927B (zh) 确定波浪发电装置参数的方法、装置及设备
Hu et al. A novel adaptive multi-objective particle swarm optimization based on decomposition and dominance for long-term generation scheduling of cascade hydropower system
Gao et al. The study of GRNN for wind speed forecasting based on Markov Chain
CN115689241A (zh) 一种基于水风光多能互补的梯级水库群调度图优化方法
CN115965134A (zh) 一种区域电网风力发电功率预测优化方法
CN115271220A (zh) 综合能源系统电热储能容量配置方法及终端
Cestaro et al. TENG estimation model of voltage production for buoys using particle swarm optimization
CN114021437A (zh) 一种风电光伏有功场景生成方法、装置、电子设备和存储介质
CN112855443A (zh) 风电场控制策略确定方法、装置及电子设备
Chen et al. Refined binary particle swarm optimization and application in power system
CN109614688A (zh) 一种负荷管理模型的优化方法、装置、介质及电子设备

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