CN115544699A - 基于遗传算法的海缆布局优化方法、装置、设备及介质 - Google Patents
基于遗传算法的海缆布局优化方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115544699A CN115544699A CN202211236585.8A CN202211236585A CN115544699A CN 115544699 A CN115544699 A CN 115544699A CN 202211236585 A CN202211236585 A CN 202211236585A CN 115544699 A CN115544699 A CN 115544699A
- Authority
- CN
- China
- Prior art keywords
- submarine cable
- cable layout
- population
- samples
- submarine
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000002068 genetic effect Effects 0.000 title claims abstract description 53
- 238000005457 optimization Methods 0.000 title claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 52
- 230000035772 mutation Effects 0.000 claims description 36
- 238000004132 cross linking Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 7
- 238000012216 screening Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010248 power generation Methods 0.000 description 5
- 238000003491 array Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/16—Cables, cable trees or wire harnesses
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Pure & Applied Mathematics (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开实施例中提供基于遗传算法的海缆布局优化方法、装置、设备及介质,方法包括:获取升压站及多个风机的位置、不同规格海缆的价格、海缆布局的约束条件以及遗传算法的计算参数;以适应度为优化目标,利用遗传算法的计算参数、升压站及多个风机的位置以及不同规格海缆的价格进行种群初始化操作、交叉操作、变异操作、比较操作、迭代操作,以得到满足所述约束条件的最优海缆布局样本,其中,所述适应度是根据不同规格海缆的价格、海缆布局样本和辅助点数据所对应的不同规格海缆的长度得到的,所述最优的海缆布局样本的适应度最高。利用遗传算法求解满足所述约束条件的最优的海缆布局样本,减少了计算时间,提高海缆线路规划效率。
Description
技术领域
本公开涉及海上风力发电电气系统技术领域,尤其涉及基于遗传算法的海缆布局优化方法、装置、设备及介质。
背景技术
海底电缆是海上风力发电电气系统中重要组成部分。伴随着海上风电规模不断增加,海上风电场所含风机数量的增多,对应的海缆路径布置形式多样且布局范围较广。
然而不同的路径布置方案导致使用的不同规格的海缆数量、海缆铺设的工程量也是不同的,目前一般是通过人工筛选的方式得到最优的海缆路径布局方式。然而利用人工的方式来筛选最优的海缆布局方案耗时耗力。
所以,如何快速高效地实现对海缆布局的优化是亟待解决的技术问题。
发明内容
鉴于以上所述现有技术的缺点,本公开的目的在于提供基于遗传算法的海缆布局优化方法、装置、设备及介质。
本公开第一方面提供一种基于遗传算法的海缆布局优化方法,包括:获取升压站及多个风机的位置、不同规格海缆的价格、海缆布局的约束条件以及遗传算法的计算参数,其中,所述风机与风机之间或者风机与升压站之间用所述海缆连接;利用升压站及各风机的位置、风机的分层情况以及所述计算参数进行种群初始化,生成满足所述约束条件的种群样本,并记录对应的辅助点数据,其中,所述种群样本包含多个海缆布局样本,所述风机之间利用所述辅助点间接连接;根据所述计算参数对所述种群样本进行交叉操作以及变异操作,生成满足所述约束条件的交叉变异后的种群样本,并更新所述辅助点数据,其中,交叉变异后的种群样本中包括多个交叉变异后的海缆布局样本;将交叉变异前后的对应海缆布局样本进行比较,将适应度高的海缆布局样本作为子代,并更新所述种群样本和所述辅助点数据、记录当前种群样本中最优的海缆布局样本和对应的适应度,重复执行所述交叉操作、变异操作以及比较操作直至达到进化次数,其中,所述适应度是根据不同规格海缆的价格、海缆布局样本和辅助点数据所对应的不同规格海缆的长度得到的,所述最优的海缆布局样本的适应度最高;利用更新后的所述种群样本重复执行所述种群初始化、交叉操作、变异操作以及比较操作,直至重复次数达到总迭代次数或者重复预设次数后的最优的海缆布局样本的适应度无变化,则将当前种群样本中最优的海缆布局样本作为优化后的海缆布局。
在第一方面的一些实施例中,所述海缆布局的约束条件包括:海缆交联限制、升压站汇集海缆限制、海缆交叉限制、风机连接海缆数量限制。
在第一方面的一些实施例中,还包括:将人工初选的海缆布局样本加入到种群初始化后的种群样本中。
在第一方面的一些实施例中,所述种群样本中包含的海缆布局样本的数量为e(n)*500,其中,n为风电场中风机的总数量。
在第一方面的一些实施例中,所述利用升压站及各风机的位置以及风机的分层情况进行种群初始化,生成满足所述约束条件的种群样本,并记录对应的辅助点数据的步骤包括:利用风机的分层情况以及各风机的位置,设置初始的辅助点;对所述风机进行多次分组,随机生成所述种群样本;判断所述种群样本中各海缆布局样本是否满足所述约束条件;如果不满足,则利用所述初始的辅助点、新增的辅助点以及风机交换操作对海缆布局样本进行调整以使各海缆布局样本满足所述约束条件,并记录对应的辅助点数据。
在第一方面的一些实施例中,所述利用所述初始的辅助点、新增的辅助点以及风机交换操作对海缆布局样本进行调整以使各海缆布局样本满足所述约束条件,并记录对应的辅助点数据的步骤包括:对于海缆布局样本中每个海缆线路,判断海缆线路连接的两个风机是否跨层;如果是,则需要取两个风机所在层之间取最近的辅助点,以多段折线相连获得调整后的海缆布局样本,并记录更新后的辅助点数据,其中,所述最近的辅助点是所述初始的辅助点和/或新增的辅助点,所述辅助点数据包括辅助点数量数组和辅助点坐标结构体,所述辅助点数量数组表示的是各风机连接的辅助点数量,所述辅助点坐标结构体表示的是各风机连接的辅助点的坐标;如果否,则判断是否与已有海缆线路有交叉,若有交叉则利用所述初始的辅助点和/或新增的辅助点按与海缆线路的起点到下一点直线距离最短依次选取,若起点所在层全部辅助点均无法避免相交,则与相交的海缆线路交换起点风机,并记录更新后的辅助点数据。
在第一方面的一些实施例中,所述根据计算参数对所述种群样本进行交叉操作以及变异操作,生成满足所述约束条件的交叉变异后的种群样本的步骤包括:利用所述计算参数对种群样本中的海缆布局样本执行所述交叉操作和所述变异操作;在所述交叉操作和所述变异操作之后,判断交叉后的海缆布局样本以及变异后的海缆布局样本是否存在不满足所述海缆布局的约束条件的情况,若遇到上述情况则重新执行对应的操作,直至完成选中的所有海缆布局样本的所述交叉操作和所述变异操作,并更新对应的辅助点数量数组与对应的辅助点坐标结构体。
本公开第二方面提供一种基于遗传算法的海缆布局优化装置,包括:数据获取模块,所述数据获取模块用于获取升压站及多个风机的位置、不同规格海缆的价格、海缆布局的约束条件以及遗传算法的计算参数,其中,所述风机与风机之间或者风机与升压站之间用所述海缆连接;种群初始化模块,所述种群初始化模块用于利用升压站及各风机的位置、风机的分层情况以及所述计算参数进行种群初始化,生成满足所述约束条件的种群样本,并记录对应的辅助点数据,其中,所述种群样本包含多个海缆布局样本,所述风机之间利用所述辅助点间接连接;交叉变异模块,所述交叉变异模块用于根据所述计算参数对所述种群样本进行交叉操作以及变异操作,生成满足所述约束条件的交叉变异后的种群样本,并更新所述辅助点数据,其中,交叉变异后的种群样本中包括多个交叉变异后的海缆布局样本;种群样本更新模块,所述种群样本更新模块用于将交叉变异前后的对应海缆布局样本进行比较,将适应度高的海缆布局样本作为子代,并更新所述种群样本和所述辅助点数据、记录当前种群样本中最优的海缆布局样本和对应的适应度,重复执行所述交叉操作、变异操作以及比较操作直至达到进化次数,其中,所述适应度是根据不同规格海缆的价格、海缆布局样本和辅助点数据所对应的不同规格海缆的长度得到的,所述最优的海缆布局样本的适应度最高;迭代模块,所述迭代模块用于利用更新后的所述种群样本重复执行所述种群初始化、交叉操作、变异操作以及比较操作,直至重复次数达到总迭代次数或者重复预设次数后的最优的海缆布局样本的适应度无变化,则将当前种群样本中最优的海缆布局样本作为优化后的海缆布局。
本公开第三方面提供一种计算机设备,其特征在于,包括:存储器及处理器;所述存储器存储有程序指令,所述处理器被配置成运行所述程序指令以执行如第一方面中任一项所述的基于遗传算法的海缆布局优化方法。
本公开第四方面提供一种计算机可读存储介质,存储有程序指令,所述程序指令被运行以执行如第一方面任一项所述的基于遗传算法的海缆布局优化方法。
如上所述,本公开实施例中提供基于遗传算法的海缆布局优化方法、装置、设备及介质,方法包括:获取升压站及多个风机的位置、不同规格海缆的价格、海缆布局的约束条件以及遗传算法的计算参数;利用各风机的位置以及风机的分层情况进行种群初始化,生成满足所述约束条件的种群样本,并记录对应的辅助点数据;根据所述计算参数对所述种群样本进行交叉操作以及变异操作,生成满足所述约束条件的交叉变异后的种群样本,并更新所述辅助点数据;将交叉变异前后的对应海缆布局样本进行比较,将适应度高的海缆布局样本作为子代,并更新所述种群样本和所述辅助点数据、记录当前种群样本中最优的海缆布局样本和对应的适应度;利用更新后的所述种群样本重复执行所述交叉操作、变异操作以及比较操作,直至重复次数达到总迭代次数或者重复预设次数后的最优的海缆布局样本的适应度无变化,则将当前种群样本中最优的海缆布局样本作为优化后的海缆布局。本公开实施例中通过利用遗传算法进行种群初始化、交叉、变异、比较、迭代来求解满足所述约束条件的最优的海缆布局样本,减少了计算时间,提高海缆线路规划效率,解决了采用人工筛选海缆布局耗时较长且非最优的情况,利用辅助点的设置可以进一步解决在求解过程中海缆线路出现交叉的问题;进一步,由于其采用遗传算法,将人工初选的海缆布局样本插入到种群初始化后的种群样本中,实现了与人工筛选相结合,减少了计算次数与时间,进一步提高海缆线路规划效率;而且将预设样本数量限制在e(n)*500,使得在后续计算过程中样本的规模适中,既可以避免收敛过快陷入局部最优解的过程又防止了样本数过大会导致计算时间增加的现象。
附图说明
图1展示本公开一实施例中升压站及多个风机位置布局的示意图。
图2展示本公开一实施例中计算机设备的结构示意图。
图3展示本公开一实施例中基于遗传算法的海缆布局优化方法的流程示意图。
图4展示本公开一实施例中辅助点的示意图。
图5展示本公开一实施例中海缆线路存在跨层现象时调整前后部分海缆布局的示意图。
图6展示本公开一实施例中海缆线路不存在跨层现象但是存在交叉现象时调整前后部分海缆布局的示意图。
图7展示本公开一实施例中基于遗传算法的海缆布局优化装置的模块示意图。
具体实施方式
以下通过特定的具体示例说明本公开的实施方式,本领域技术人员可由本公开所揭露的消息轻易地了解本公开的其他优点与功效。本公开还可以通过另外不同的具体实施方式加以实施或应用系统,本公开中的各项细节也可以根据不同观点与应用系统,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
下面以附图为参考,针对本公开的实施例进行详细说明,以便本公开所属技术领域的技术人员能够容易地实施。本公开可以以多种不同形态体现,并不限定于此处说明的实施例。
在本公开的表示中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的表示意指结合该实施例或示例表示的具体特征、结构、材料或者特点包括于本公开的至少一个实施例或示例中。而且,表示的具体特征、结构、材料或者特点可以在任一个或一组实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本公开中表示的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅被配置成表示目的,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”的特征可以明示或隐含地包括至少一个该特征。在本公开的表示中,“一组”的含义是两个或两个以上,除非另有明确具体的限定。
为了明确说明本公开,省略与说明无关的器件,对于通篇说明书中相同或类似的构成要素,赋予了相同的参照符号。
在通篇说明书中,当说某器件与另一器件“连接”时,这不仅包括“直接连接”的情形,也包括在其中间把其它元件置于其间而“间接连接”的情形。另外,当说某种器件“包括”某种构成要素时,只要没有特别相反的记载,则并非将其它构成要素排除在外,而是意味着可以还包括其它构成要素。
虽然在一些示例中术语第一、第二等在本文中用来表示各种元件,但是这些元件不应当被这些术语限制。这些术语仅用来将一个元件与另一个元件进行区分。例如,第一接口及第二接口等表示。再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示。应当进一步理解,术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、模块、项目、种类、和/或组,但不排除一个或一组其他特征、步骤、操作、元件、模块、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合。因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
此处使用的专业术语只被配置成言及特定实施例,并非意在限定本公开。此处使用的单数形态,只要语句未明确表示出与之相反的意义,那么还包括复数形态。在说明书中使用的“包括”的意义是把特定特性、区域、整数、步骤、作业、要素及/或成份具体化,并非排除其它特性、区域、整数、步骤、作业、要素及/或成份的存在或附加。
虽然未不同地定义,但包括此处使用的技术术语及科学术语,所有术语均具有与本公开所属技术领域的技术人员一般理解的意义相同的意义。普通使用的字典中定义的术语追加解释为具有与相关技术文献和当前提示的消息相符的意义,只要未进行定义,不得过度解释为理想的或非常公式性的意义。
海底电缆是海上风力发电电气系统中重要组成部分,风机与风机之间或者风机与升压站之间是用海底电缆(海缆)连接的。伴随着海上风电规模不断增加,海上风电场所含风机数量的增多,对应的海缆路径布置形式多样且布局范围较广。如图1所示,展示本公开一实施例中升压站及多个风机位置布局的示意图,海上风力发电系统包括77个风机(风机1到风机77)和1个升压站(升压站78),77个风机可利用不同的海缆路线连接方案连接至所述升压站。
然而不同的海缆路线连接方案导致使用的不同规格的海缆数量、海缆铺设的工程量也是不同的,目前一般是通过人工筛选的方式得到最优的海缆路径布局方式。然而利用人工的方式来筛选最优的海缆布局方案耗时耗力。
所以,如何快速高效地实现对海缆布局的优化是亟待解决的技术问题。
鉴于此,本公开实施例中提供基于遗传算法的海缆布局优化方案,解决相关技术中的问题。
如图2所示,展示本公开一实施例中计算机设备的结构示意图。
计算机设备的组件可以包括但不限于:一个或者多个处理单元216,系统存储器228,连接不同系统组件(包括系统存储器228和处理单元216)的总线218。所述计算机设备用于执行基于遗传算法的海缆布局优化方法实施例(例如图3等)所执行的流程步骤。
总线218表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,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(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备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计算机设备访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器228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(RAM)230和/或高速缓存存储器232。计算机设备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234可以用于读写不可移动的、非易失性磁介质(图2未显示,通常称为“硬盘驱动器”)。尽管图2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CD-ROM,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218相连。系统存储器228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申请各实施例的功能。
具有一组(至少一个)程序模块242的程序/实用工具240,可以存储在例如系统存储器228中,这样的程序模块242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242通常执行本申请所描述的实施例中的功能和/或方法。
计算机设备也可以与一个或多个外部设备214(例如键盘、显示器224等)通信连接,还可与一个或者多个使得用户能与该计算机设备交互的设备通信,和/或与使得该计算机设备能与一个或多个其它计算设备进行通信的任何设备(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222进行。并且,计算机设备还可以通过网络适配器220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。如图所示,网络适配器220通过总线218与计算机设备的其它模块通信。应当明白,尽管图2中未示出,可以结合计算机设备使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元216包括一或多个处理器,所述处理单元216通过运行存储在系统存储器228中的多个程序中其他程序的至少一个,从而执行各种功能应用以及数据处理,例如实现本申请实施例所提供的任意一种基于遗传算法的海缆布局优化方法。
如图3所示,展示本公开一实施例中基于遗传算法的海缆布局优化方法的流程示意图。
在图3中,所述基于遗传算法的海缆布局优化方法包括:步骤S301、步骤S302、步骤S303、步骤S304和步骤S305。
步骤S301:获取升压站及多个风机的位置、不同规格海缆的价格、海缆布局的约束条件以及遗传算法的计算参数。
在一些实施例中,所述海缆是指海底电缆。所述海缆用于连接所述风机与风机,或者连接所述风机与升压站。用户通过计算机的外部设备将所述升压站及多个风机的位置、不同规格海缆的价格、海缆布局的约束条件以及遗传算法的计算参数输入到所述计算机设备中,所述计算机设备获取所述升压站及多个风机的位置、不同规格海缆的价格、海缆布局的约束条件以及遗传算法的计算参数,并利用所获取的以上数据来执行步骤S302、步骤S303、步骤S304和步骤S305。
在一些实施例中,在海上风力发电系统中建立坐标系,用户利用所述升压站及多个风机所处位置相对所述坐标系的坐标原点的位置,得到升压站及多个风机的坐标,将所述坐标作为升压站及多个风机的位置输入到所述计算机设备中。
进一步,用户或者所述计算机设备利用所述多个风机的位置得到风机的分层情况,进一步利用分层情况可以执行本优化方法的后续步骤。具体地,每一分层中的风机成共线分布。例如,用户得到所述风机的分层情况后,用户输入到所述计算机设备中。又如,计算机设备可以利用多个风机的位置自动确定所述风机的分层情况(比如,可以利用深度学习算法自动识别包含多个风机的坐标图得到所述分层情况)。
如图1所示,展示本公开一实施例中升压站及多个风机位置布局的示意图,图中包括77个风机(风机1到风机77)和1个升压站(升压站78),其中,77个风机可分为11层。具体地,风机1为第一层,风机2和风机3为第二层,风机4、风机5、风机6、风机7、风机8、风机9、风机10以及风机11为第三层,风机12、风机13、风机14、风机15、风机16、风机17、风机18、风机19、风机20、风机21、风机22、风机23、风机24为第四层,风机25、风机26、风机27、风机28、风机29、风机30、风机31、风机32、风机33、风机34、风机35为第五层,风机36、风机37、风机38、风机39、风机40、风机41、风机42、风机43、风机44、风机45以及风机46为第六层,风机47、风机48、风机49、风机50、风机51、风机52、风机53、风机54、风机55、风机56以及风机57为第七层,风机68为第八层,风机58、风机59、风机60、风机61、风机62、风机63、风机64、风机65、风机66以及风机67为第九层,风机69、风机70、风机71、风机72、风机73以及风机74为第十层,风机75、风机76以及风机77为第十一层。
在一些实施例中,不同规格海缆的价格是不同的。具体地,当前海缆连接的当前风机之前还连接了不同数量的风机,则连接当前风机的海缆的容量是不同的(即连接当前风机的海缆的价格是不同的)。例如,风机1通过海缆1连接风机2,风机2通过海缆2连接风机3,由于海缆1前只有1个风机1,所以需要小容量的海缆即可,但是海缆2前有风机1和风机2,则需要稍微大容量规格的海缆来连接,所以,海缆2的容量应大于等于海缆1的容量。需要说明的是,不同规格的海缆可以根据风机的数量做出改变。
在一些实施例中,海缆布局的约束条件用于在求解适应度最高的海缆布局样本时,对所述海缆布局样本做出约束,使得利用遗传算法生成的适应度最高的海缆布局样本能够满足所述约束条件。
在一具体实施例中,所述约束条件包括但不限于:海缆交联限制、升压站汇集海缆限制、海缆交叉限制、风机连接海缆数量限制。所述海缆交联限制是对风机的进出做限制(即风机前后连接的风机数量);例如,本申请中的海缆交联限制是只允许一个风机与另一个风机连接,不可以存在两个风机与一个风机同时连接的海缆线路。升压站汇集海缆限制是指最终汇集到升压站的海缆数量;例如,最终汇集到升压站的海缆数量为18条线路。海缆交叉限制是指不允许海缆线路之间存在交叉的现象;例如,两条海缆线路存在十字交叉或者共同经过同一风机等交叉现象。风机连接海缆数量限制是指汇集到升压站的一条海缆线路上能连接的最多的风机数量;例如,汇集到升压站的一条海缆线路上最多能连接5个风机(以图1中的5个风机为例,风机4连接风机5,风机5连接风机6,风机6连接风机7,风机7连接风机8,风机8通过海缆连接所述升压站78)。
在一些实施例中,所述遗传算法的计算参数是在进行种群初始化、交叉、变异等操作时需要使用的计算参数。所述遗传算法的计算参数包括但不限于交叉概率Pi,变异概率Pv,数据代沟Ga,种群规模Gr,进化次数Ni,总迭代次数It。所述计算参数将在后续计算过程中详述。
综上所述,所述计算机设备获取升压站及多个风机的位置、不同规格海缆的价格、海缆布局的约束条件以及遗传算法的计算参数以后,利用以上参数基于遗传算法进行海缆布局优化。
步骤S302:利用升压站及各风机的位置、风机的分层情况以及所述计算参数进行种群初始化,生成满足所述约束条件的种群样本,并记录对应的辅助点数据。
具体地,利用风机的分层情况以及各风机的位置,设置初始的辅助点并记录初始的辅助点数据;然后按照升压站汇集海缆限制以及风机连接海缆数量限制对所述风机进行多次分组,随机生成所述种群样本;判断所述种群样本中各海缆布局样本是否满足所述约束条件;如果不满足,则利用所述设置的辅助点、新增的辅助点以及风机交换操作对海缆布局样本进行调整以使各海缆布局样本满足所述约束条件,并记录对应的辅助点数据。
在一实施例中,获取海上风电场风机与升压站位置平面坐标后对风机及升压站位置信息坐标进行编号。例如,风机编号集合为{WT1,WT2,…,WTn-1,WTn},n为风电场风机总数量,BS为海上升压站位置编号。则海上风电场海缆布局样本可用二维数组来表示,具体如下:
其中,第一行为风机坐标,第二行为对应的所在风机坐标连接的下一个风机/升压站编号。以第一行第一列为例,其对应的海缆线路则为从WT1连接到WTx1。此数组仅作为连接顺序。
在一实施例中,为了在后续交叉操作、变异操作过程中对存在交叉线路的海缆布局样本进行调整,则需要通过辅助点来避免海缆线路交叉。在本申请的实施例中,利用风机的分层情况以及各风机的位置按照同一层风机间隔生成多个初始的辅助点,并且距离同一层最外层风机延长线预设距离处设置初始的辅助点,并保存每一层辅助点的位置。需要说明的是初始的辅助点还会在后续计算过程中进行更新,例如,如果在后续计算过程中发现存在i条海缆线路连接到同一辅助点,则按照相邻风机间隔1/(i+1)重新做i个辅助点。在一示例中,辅助点在每一层相邻风机间的中心处与最外层风机延长线100米处。请参阅图4,图4展示本公开一实施例中辅助点的示意图,相邻风机间的中心处与最外层风机延长线100米处均设置有辅助点,其中,一层中包括3个风机(3个黑色圆圈),4个辅助点(4个白色圆圈)。
在一实施例中,得到了风机的分层情况、各风机的位置后,按照升压站汇集海缆限制以及风机连接海缆数量限制对所述风机进行分组,随机生成满足升压站汇集海缆限制、风机连接海缆数量限制以及海缆交联限制的种群样本。其中,种群样本的种群规模为Gr,种群规模Gr是指生成包含有Gr个海缆布局样本的种群样本。具体地,按照升压站汇集海缆限制随机进行分组,并且保证每组的风机数量满足风机连接海缆数量限制,每一组最末端风机连接点为BS,代表该条海缆线路最终汇集到升压站。对风机进行Gr次分组后可得到Gr个海缆布局样本,即得到Gr条n列二维数组,n为风机总数。
为了使得在后续计算过程中样本的规模适中,既可以避免收敛过快陷入局部最优解的过程又防止了样本数过大会导致计算时间增加的现象,种群规模Gr=e(n)*500,其中,n为风电场中风机的总数量。
在一实施例中,生成种群样本后,判断所述种群样本中各海缆布局样本是否满足所述约束条件,即判断各海缆布局样本是否满足海缆交叉限制;如果不满足,则利用所述设置的辅助点、新增的辅助点以及风机交换操作对海缆布局样本进行调整以使各海缆布局样本满足所述约束条件,并记录对应的辅助点数据。
在一具体实施例中,对于海缆布局样本中每个海缆线路,判断海缆线路连接的两个风机是否跨层。如果跨层了,说明可能会与已有线路交叉,则需要取两个风机所在层之间取最近的辅助点,以多段折线相连获得调整后的海缆布局样本,并记录更新后的辅助点数据,其中,所述最近的辅助点是所述初始的辅助点和/或新增的辅助点,所述辅助点数据包括辅助点数量数组和辅助点坐标结构体,所述辅助点数量数组和辅助点坐标结构体可分别由如下数组表示
所述辅助点数量数组表示的是各风机连接的辅助点数量,NUM1表示WT1所连接的辅助点的数量,辅助点坐标结构体表示的是各风机连接的辅助点的坐标,{Position_Grop1}表示的是风机WT1连接的辅助点的坐标。如果没有跨层,则判断是否与已有海缆线路有交叉,若有交叉则利用所述设置的初始的辅助点和/或新增的辅助点按与海缆线路的起点到下一点直线距离最短依次选取,若起点所在层全部辅助点均无法避免相交,则与相交的海缆线路交换起点风机,并记录更新后的辅助点数据。
在一示例中,判断一风机与海缆连接的下一台风机编号所在层是否与其所在层大于1,若大于1则说明存在跨层,若小于等于1,则说明没有跨层,需要进一步判断是否与已有海缆线路有交叉。请参阅图5,展示本公开一实施例中海缆线路存在跨层现象时调整前后部分海缆布局的示意图,图中风机81与风机91通过海缆连接,但是风机81在第一层,风机91在第三层,存在了跨层现象,可能会与第二层的风机86存在交叉,则需要取两个风机所在层之间取最近的辅助点M,以多段折线相连获得调整后的海缆布局样本,并记录更新后的辅助点数据。由于已经设置了初始辅助点,所以不需要新增辅助点,如果已经有海缆线路连接了初始辅助点,则需要按照等间距重新设置辅助点进行两个海缆线路的连接。请参阅图6,展示本公开一实施例中海缆线路不存在跨层现象但是存在交叉现象时调整前后部分海缆布局的示意图,图中风机93与风机98通过海缆连接,并且不存在跨层现象,但是该条海缆线路与已有的连接风机94与风机97的海缆线路存在交叉,并且起点所在层的全部辅助点均无法避免相交,则将两条海缆线路的起点风机做交换。需要说明的是,为了便于理解说明,图5和图6所示的海缆布局并未完全显示出一个海缆布局样本中的每个海缆线路,仅显示出了部分海缆布局。
在一实施例中,生成满足所述约束条件的种群样本后,还将人工初选的海缆布局样本加入到种群初始化后的种群样本中,实现了与人工筛选相结合,减少了计算次数与时间,进一步提高海缆线路规划效率。
在一实施例中,生成满足所述约束条件的种群样本后,在满足海缆容量限制的约束下计算并记录各海缆布局样本的适应度。所述海缆容量限制是指现有的不同规格海缆的最大容量限制;以图1中的5个风机为例,风机4连接风机5,风机5连接风机6,风机6连接风机7,风机7连接风机8,风机8通过海缆连接所述升压站78,现有3种规格的海缆,第一种规格海缆的容量允许其前面连接2个风机,第二种规格海缆的容量允许其前面连接3个风机,第三种规格海缆的容量允许其前面连接5个风机,则,风机4连接风机5以及风机5连接风机6时的海缆可以用第一种规格海缆,风机6连接风机7时的海缆可以用第二种规格海缆,风机7连接风机8,风机8连接所述升压站78时的海缆可以用第三种规格海缆,由于容量大的海缆价格高,所以,在选取不同海缆连接风机时,如果多种规格海缆的容量均满足的条件下选取最低价格的海缆。
在一实施例中,所述适应度是根据不同规格海缆的价格、海缆布局样本和辅助点数据所对应的不同规格海缆的长度得到的。具体地,适应度为其中,Cost是每一条海缆成本的总和,每一条海缆成本是按照传输的风机容量对应规格的海缆单价与海缆长度的乘积来计算的,其中,海缆长度按按照两个电机之间的线路总长度计算,也包含经过辅助点的多段线路,不同规格的海缆是利用所述海缆容量限制得到的。
步骤S303:根据所述计算参数对所述种群样本进行交叉操作以及变异操作,生成满足所述约束条件的交叉变异后的种群样本,并更新所述辅助点数据。其中,所述交叉变异后的种群样本中包括多个交叉变异后的海缆布局样本。
具体地,利用交叉概率Pi、变异概率Pv、数据代沟Ga进行交叉操作以及变异操作。在所述交叉操作和所述变异操作之后,判断交叉后的海缆布局样本以及变异后的海缆布局样本是否存在不满足所述海缆布局的约束条件的情况,若遇到上述情况则重新执行对应的操作,直至完成选中的所有海缆布局样本的所述交叉操作和所述变异操作,并更新对应的辅助点数量数组与对应的辅助点坐标结构体。
在一实施例中,首先根据种群规模种群规模Gr和数据代沟Ga,选择参与遗传过程中的海缆布局样本数量WT_Sel=Gr*Ga。利用选中的WT_Sel条海缆布局样本进行后续的交叉操作和变异操作。
在一实施例中,单独保存交叉前的种群样本,开始进行交叉操作。例如,对参与遗传过程的海缆布局样本两两分组,随机选择1~2个交叉点位,即随机从[0~2]区间取随机数,当取1以下则选择一个交叉点位,高于1则选择两个交叉点位。然后从1~n中以交叉概率Pi随机确定两个海缆布局样本交叉的风机编号,对两组方案对应交叉点位编号互换。例如,随机选择1个交叉点位,确定两个海缆布局样本交叉的风机编号是2,交叉前两个海缆布局样本分别为
则交换后的两个海缆布局样本分别为
交叉操作后,判断是否存在不满足升压站汇集海缆限制与海缆交叉限制的情况,若存在,则重新上述交叉点位选择过程。对选中的海缆布局样本均执行以上交叉操作直至所有参与遗传过程的海缆布局样本均交叉完毕,并更新对应海缆布局样本的辅助点数据。
对执行完交叉操作的种群样本进行变异操作。所述变异操作是在单个海缆布局样本内以变异概率Pv随机选择两个风机所连的下一台风机编号数据进行交换。假设交换位为EX1、EX2,则变异前的海缆布局样本为
变异后的海缆布局样本为
同样地,变异操作后,判断是否存在不满足升压站汇集海缆限制与海缆交叉限制的情况,若存在,则重新上述变异操作。对选中的海缆布局样本均执行以上变异操作直至所有参与遗传过程的海缆布局样本均变异完毕,并更新对应海缆布局样本的辅助点数据。
综上所述,对所述种群样本进行交叉操作以及变异操作后可得到满足所述约束条件的交叉变异后的种群样本。
步骤S304:将交叉变异前后的对应海缆布局样本进行比较,将适应度高的海缆布局样本作为子代,并更新所述种群样本和所述辅助点数据、记录当前种群样本中最优的海缆布局样本和对应的适应度,重复执行所述交叉操作、变异操作以及比较操作直至达到进化次数。
在一实施例中,所述适应度是根据不同规格海缆的价格、海缆布局样本和辅助点数据所对应的不同规格海缆的长度得到的。具体地,适应度为其中,Cost是每一条海缆成本的总和,每一条海缆成本是按照传输的风机容量对应规格的海缆单价与海缆长度的乘积来计算的,其中,海缆长度按按照两个电机之间的线路总长度计算,也包含经过辅助点的多段线路。其中,所述最优的海缆布局样本的适应度最高,即海缆成本最低。
在一实施例中,每次对选中的海缆布局样本执行交叉变异之前均会保存交叉变异之前的种群样本。在每次执行完交叉变异操作后,会将交叉变异前后的对应海缆布局样本进行比较,将适应度高的海缆布局样本作为子代,并基于所有子代重新利用数据代沟Ga、交叉概率Pi以及变异概率Pv重复执行所述交叉操作、变异操作以及所述比较操作直至达到所述进化次数Ni。并利用达到进化次数Ni后的所有子代更新所述种群样本和所述辅助点数据,并将当前种群样本中最优的海缆布局样本和对应的适应度记录下来。
步骤S305:利用更新后的所述种群样本重复执行所述种群初始化、交叉操作、变异操作以及比较操作,直至重复次数达到总迭代次数或者重复预设次数后的最优的海缆布局样本的适应度无变化,则将当前种群样本中最优的海缆布局样本作为优化后的海缆布局。
在一实施例中,利用更新后的所述种群样本重复执行所述种群初始化、交叉操作、变异操作以及比较操作,若未达到设定的总迭代次数It或者没有满足重复预设次数后的最优的海缆布局样本的适应度无变化,则重复上述过程,若重复次数达到总迭代次数或者重复预设次数后的最优的海缆布局样本的适应度无变化,则迭代计算停止,保存最优海缆布局样本与对应的辅助点数据,该结果则为优化后的最终结果。
如图7所示,展示本公开一实施例中基于遗传算法的海缆布局优化装置的模块示意图。需说明的是,所述控制装置的原理、技术实现可以参考之前实施例中的基于遗传算法的海缆布局优化方法,因此本实施例中不作重复赘述。
所述基于遗传算法的海缆布局优化装置700,包括:
数据获取模块701,所述数据获取模块701用于用于获取升压站及多个风机的位置、不同规格海缆的价格、海缆布局的约束条件以及遗传算法的计算参数,其中,所述风机与风机之间或者风机与升压站之间用所述海缆连接;
种群初始化模块702,所述种群初始化模块702用于利用升压站及各风机的位置、风机的分层情况以及所述计算参数进行种群初始化,生成满足所述约束条件的种群样本,并记录对应的辅助点数据,其中,所述种群样本包含多个海缆布局样本,所述风机之间利用所述辅助点间接连接;
交叉变异模块703,所述交叉变异模块703用于根据所述计算参数对所述种群样本进行交叉操作以及变异操作,生成满足所述约束条件的交叉变异后的种群样本,并更新所述辅助点数据,其中,交叉变异后的种群样本中包括多个交叉变异后的海缆布局样本;
种群样本更新模块704,所述种群样本更新模块704用于将交叉变异前后的对应海缆布局样本进行比较,将适应度高的海缆布局样本作为子代,并更新所述种群样本和所述辅助点数据、记录当前种群样本中最优的海缆布局样本和对应的适应度,重复执行所述交叉操作、变异操作以及比较操作直至达到进化次数,其中,所述适应度是根据不同规格海缆的价格、海缆布局样本和辅助点数据所对应的不同规格海缆的长度得到的,所述最优的海缆布局样本的适应度最高;
迭代模块705,所述迭代模块705用于利用更新后的所述种群样本重复执行所述种群初始化、交叉操作、变异操作以及比较操作,直至重复次数达到总迭代次数或者重复预设次数后的最优的海缆布局样本的适应度无变化,则将当前种群样本中最优的海缆布局样本作为优化后的海缆布局。
需特别说明的是,在图7实施例中的各个功能模块,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以程序指令产品的形式实现。程序指令产品包括一个或一组程序指令。在计算机上加载和执行程序指令指令时,全部或部分地产生按照本公开的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。程序指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。
并且,图7实施例所揭露的装置,可通过其它的模块划分方式实现。以上所表示的装置实施例仅仅是示意性的,例如所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如一组模块或模块可以结合或者可以动态到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接于可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性或其它的形式。
另外,图7实施例中的各功能模块及子模块可以动态在一个处理部件中,也可以是各个模块单独物理存在,也可以两个或两个以上模块动态在一个部件中。上述动态的部件既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。上述动态的部件如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器,磁盘或光盘等。
需特别说明的是,本公开上述实施例的流程图表示的流程或方法表示可以被理解为,表示包括一个或更一组被配置成实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本公开的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能。
例如,实施例中的各个步骤的顺序可能可以在具体场景中加以变化,并非以上述表示为限。
本公开实施例中还可以提供一种计算机可读存储介质,存储有程序指令,所述程序指令被运行时执行基于遗传算法的海缆布局优化方法实施例(例如图3等)所执行的流程步骤。
即上述实施例中的方法步骤被实现为可存储在记录介质(诸如CDROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码,或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码,从而在此表示的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。
综上所述,本公开实施例中提供基于遗传算法的海缆布局优化方法、装置、设备及介质,方法包括:获取升压站及多个风机的位置、不同规格海缆的价格、海缆布局的约束条件以及遗传算法的计算参数;利用各风机的位置以及风机的分层情况进行种群初始化,生成满足所述约束条件的种群样本,并记录对应的辅助点数据;根据所述计算参数对所述种群样本进行交叉操作以及变异操作,生成满足所述约束条件的交叉变异后的种群样本,并更新所述辅助点数据;将交叉变异前后的对应海缆布局样本进行比较,将适应度高的海缆布局样本作为子代,并更新所述种群样本和所述辅助点数据、记录当前种群样本中最优的海缆布局样本和对应的适应度;利用更新后的所述种群样本重复执行所述交叉操作、变异操作以及比较操作,直至重复次数达到总迭代次数或者重复预设次数后的最优的海缆布局样本的适应度无变化,则将当前种群样本中最优的海缆布局样本作为优化后的海缆布局。本公开实施例中通过利用遗传算法进行种群初始化、交叉、变异、比较、迭代来求解满足所述约束条件的最优的海缆布局样本,减少了计算时间,提高海缆线路规划效率,解决了采用人工筛选海缆布局耗时较长且非最优的情况,利用辅助点的设置可以进一步解决在求解过程中海缆线路出现交叉的问题;进一步,由于其采用遗传算法,将人工初选的海缆布局样本插入到种群初始化后的种群样本中,实现了与人工筛选相结合,减少了计算次数与时间,进一步提高海缆线路规划效率;而且将预设样本数量限制在e(n)*500,使得在后续计算过程中样本的规模适中,既可以避免收敛过快陷入局部最优解的过程又防止了样本数过大会导致计算时间增加的现象。
上述实施例仅例示性说明本公开的原理及其功效,而非被配置成限制本公开。任何熟悉此技术的人士皆可在不违背本公开的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本公开所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本公开的权利要求所涵盖。
Claims (10)
1.一种基于遗传算法的海缆布局优化方法,其特征在于,包括:
获取升压站及多个风机的位置、不同规格海缆的价格、海缆布局的约束条件以及遗传算法的计算参数,其中,所述风机与风机之间或者风机与升压站之间用所述海缆连接;
利用升压站及各风机的位置、风机的分层情况以及所述计算参数进行种群初始化,生成满足所述约束条件的种群样本,并记录对应的辅助点数据,其中,所述种群样本包含多个海缆布局样本,所述风机之间利用所述辅助点间接连接;
根据所述计算参数对所述种群样本进行交叉操作以及变异操作,生成满足所述约束条件的交叉变异后的种群样本,并更新所述辅助点数据,其中,交叉变异后的种群样本中包括多个交叉变异后的海缆布局样本;
将交叉变异前后的对应海缆布局样本进行比较,将适应度高的海缆布局样本作为子代,并更新所述种群样本和所述辅助点数据、记录当前种群样本中最优的海缆布局样本和对应的适应度,重复执行所述交叉操作、变异操作以及比较操作直至达到进化次数,其中,所述适应度是根据不同规格海缆的价格、海缆布局样本和辅助点数据所对应的不同规格海缆的长度得到的,所述最优的海缆布局样本的适应度最高;
利用更新后的所述种群样本重复执行所述种群初始化、交叉操作、变异操作以及比较操作,直至重复次数达到总迭代次数或者重复预设次数后的最优的海缆布局样本的适应度无变化,则将当前种群样本中最优的海缆布局样本作为优化后的海缆布局。
2.根据权利要求1所述的基于遗传算法的海缆布局优化方法,其特征在于,所述海缆布局的约束条件包括:海缆交联限制、升压站汇集海缆限制、海缆交叉限制、风机连接海缆数量限制。
3.根据权利要求1所述的基于遗传算法的海缆布局优化方法,其特征在于,还包括:将人工初选的海缆布局样本加入到种群初始化后的种群样本中。
4.根据权利要求1所述的基于遗传算法的海缆布局优化方法,其特征在于,所述种群样本中包含的海缆布局样本的数量为e(n)*500,其中,n为风电场中风机的总数量。
5.根据权利要求1所述的基于遗传算法的海缆布局优化方法,其特征在于,所述利用升压站及各风机的位置以及风机的分层情况进行种群初始化,生成满足所述约束条件的种群样本,并记录对应的辅助点数据的步骤包括:
利用风机的分层情况以及各风机的位置,设置初始的辅助点;
对所述风机进行多次分组,随机生成所述种群样本;
判断所述种群样本中各海缆布局样本是否满足所述约束条件;
如果不满足,则利用所述初始的辅助点、新增的辅助点以及风机交换操作对海缆布局样本进行调整以使各海缆布局样本满足所述约束条件,并记录对应的辅助点数据。
6.根据权利要求5所述的基于遗传算法的海缆布局优化方法,其特征在于,所述利用所述初始的辅助点、新增的辅助点以及风机交换操作对海缆布局样本进行调整以使各海缆布局样本满足所述约束条件,并记录对应的辅助点数据的步骤包括:
对于海缆布局样本中每个海缆线路,判断海缆线路连接的两个风机是否跨层;
如果是,则需要取两个风机所在层之间取最近的辅助点,以多段折线相连获得调整后的海缆布局样本,并记录更新后的辅助点数据,其中,所述最近的辅助点是所述初始的辅助点和/或新增的辅助点,所述辅助点数据包括辅助点数量数组和辅助点坐标结构体,所述辅助点数量数组表示的是各风机连接的辅助点数量,所述辅助点坐标结构体表示的是各风机连接的辅助点的坐标;
如果否,则判断是否与已有海缆线路有交叉,若有交叉则利用所述初始的辅助点和/或新增的辅助点按与海缆线路的起点到下一点直线距离最短依次选取,若起点所在层全部辅助点均无法避免相交,则与相交的海缆线路交换起点风机,并记录更新后的辅助点数据。
7.根据权利要求1所述的基于遗传算法的海缆布局优化方法,其特征在于,所述根据计算参数对所述种群样本进行交叉操作以及变异操作,生成满足所述约束条件的交叉变异后的种群样本的步骤包括:
利用所述计算参数对种群样本中的海缆布局样本执行所述交叉操作和所述变异操作;
在所述交叉操作和所述变异操作之后,判断交叉后的海缆布局样本以及变异后的海缆布局样本是否存在不满足所述海缆布局的约束条件的情况,若遇到上述情况则重新执行对应的操作,直至完成选中的所有海缆布局样本的所述交叉操作和所述变异操作,并更新对应的辅助点数量数组与对应的辅助点坐标结构体。
8.一种基于遗传算法的海缆布局优化装置,其特征在于,包括:
数据获取模块,所述数据获取模块用于获取升压站及多个风机的位置、不同规格海缆的价格、海缆布局的约束条件以及遗传算法的计算参数,其中,所述风机与风机之间或者风机与升压站之间用所述海缆连接;
种群初始化模块,所述种群初始化模块用于利用升压站及各风机的位置、风机的分层情况以及所述计算参数进行种群初始化,生成满足所述约束条件的种群样本,并记录对应的辅助点数据,其中,所述种群样本包含多个海缆布局样本,所述风机之间利用所述辅助点间接连接;
交叉变异模块,所述交叉变异模块用于根据所述计算参数对所述种群样本进行交叉操作以及变异操作,生成满足所述约束条件的交叉变异后的种群样本,并更新所述辅助点数据,其中,交叉变异后的种群样本中包括多个交叉变异后的海缆布局样本;种群样本更新模块,所述种群样本更新模块用于将交叉变异前后的对应海缆布局样本进行比较,将适应度高的海缆布局样本作为子代,并更新所述种群样本和所述辅助点数据、记录当前种群样本中最优的海缆布局样本和对应的适应度,重复执行所述交叉操作、变异操作以及比较操作直至达到进化次数,其中,所述适应度是根据不同规格海缆的价格、海缆布局样本和辅助点数据所对应的不同规格海缆的长度得到的,所述最优的海缆布局样本的适应度最高;
迭代模块,所述迭代模块用于利用更新后的所述种群样本重复执行所述种群初始化、交叉操作、变异操作以及比较操作,直至重复次数达到总迭代次数或者重复预设次数后的最优的海缆布局样本的适应度无变化,则将当前种群样本中最优的海缆布局样本作为优化后的海缆布局。
9.一种计算机设备,其特征在于,包括:存储器及处理器;所述存储器存储有程序指令,所述处理器被配置成运行所述程序指令以执行如权利要求1至7中任一项所述的基于遗传算法的海缆布局优化方法。
10.一种计算机可读存储介质,其特征在于,存储有程序指令,所述程序指令被运行以执行如权利要求1至7中任一项所述的基于遗传算法的海缆布局优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211236585.8A CN115544699A (zh) | 2022-10-10 | 2022-10-10 | 基于遗传算法的海缆布局优化方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211236585.8A CN115544699A (zh) | 2022-10-10 | 2022-10-10 | 基于遗传算法的海缆布局优化方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115544699A true CN115544699A (zh) | 2022-12-30 |
Family
ID=84733416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211236585.8A Pending CN115544699A (zh) | 2022-10-10 | 2022-10-10 | 基于遗传算法的海缆布局优化方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115544699A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116562424A (zh) * | 2023-03-30 | 2023-08-08 | 上海勘测设计研究院有限公司 | 海上变电站的位置选择方法、系统、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330563A (zh) * | 2017-07-17 | 2017-11-07 | 华北电力大学 | 一种海上风电集电与输电系统联合拓扑优化方法 |
CN110504705A (zh) * | 2019-05-31 | 2019-11-26 | 上海电力学院 | 一种海上风电集群电气系统规划方法 |
CN113761696A (zh) * | 2021-08-31 | 2021-12-07 | 深圳中广核工程设计有限公司 | 海上风电场海缆布局方案生成方法、装置和计算机设备 |
-
2022
- 2022-10-10 CN CN202211236585.8A patent/CN115544699A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330563A (zh) * | 2017-07-17 | 2017-11-07 | 华北电力大学 | 一种海上风电集电与输电系统联合拓扑优化方法 |
CN110504705A (zh) * | 2019-05-31 | 2019-11-26 | 上海电力学院 | 一种海上风电集群电气系统规划方法 |
CN113761696A (zh) * | 2021-08-31 | 2021-12-07 | 深圳中广核工程设计有限公司 | 海上风电场海缆布局方案生成方法、装置和计算机设备 |
Non-Patent Citations (2)
Title |
---|
董宗然 等: "基于改进遗传算法的船舶管路布局设计", 计算机工程与应用, no. 19, 30 September 2019 (2019-09-30), pages 1 - 6 * |
陈玲 等: "基于扫描法的海上风电场集电系统拓扑优化", 电气应用, vol. 41, no. 8, 15 August 2022 (2022-08-15), pages 1 - 9 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116562424A (zh) * | 2023-03-30 | 2023-08-08 | 上海勘测设计研究院有限公司 | 海上变电站的位置选择方法、系统、电子设备及存储介质 |
CN116562424B (zh) * | 2023-03-30 | 2024-03-22 | 上海勘测设计研究院有限公司 | 海上变电站的位置选择方法、系统、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9098941B2 (en) | Systems and methods for graphical layout | |
EP3667852B1 (en) | Mesoscale data-based automatic wind turbine layout method and device | |
KR101081649B1 (ko) | 특성이 비슷하고 형상이 서로 다른 설계 형상을 분류ㆍ표시하는 장치, 방법 및 기록 매체 | |
WO2018090778A1 (zh) | 用于利用遗传算法对配送路线进行优化的方法和系统 | |
CN112072695B (zh) | 风电基地集电线路控制方法、系统、存储介质及计算设备 | |
CN115755954B (zh) | 巡检路径规划方法、系统、计算机设备及存储介质 | |
CN115544699A (zh) | 基于遗传算法的海缆布局优化方法、装置、设备及介质 | |
CN116071519A (zh) | 基于调和映射生成网格模型的图像处理方法和装置 | |
CN111339713A (zh) | 风电场的优化设计方法、系统、电子设备和存储介质 | |
CN111461443A (zh) | 风电场的优化设计方法、系统、电子设备和存储介质 | |
CN112836794B (zh) | 一种图像神经架构的确定方法、装置、设备及存储介质 | |
CN112817316B (zh) | 一种多机器人路径规划方法及装置 | |
CN113536712B (zh) | 汽车外型参数的优化设计方法、装置、设备及存储介质 | |
CN113011090B (zh) | 多变电站风电场的电缆连接布局方法及计算机存储介质 | |
CN110992443B (zh) | 一种业务流程图构建方法、装置和计算机可读存储介质 | |
KR20090019636A (ko) | 유전 알고리즘을 이용한 점진적인 구조물의 설계 방법 및그 시스템 | |
CN111242803A (zh) | 基于多种群遗传算法的风机排布方法及装置 | |
CN117349999B (zh) | 海上风电场海底电缆综合拓扑结构寻优方法及存储介质 | |
Dong et al. | Ship pipe route design based on NSGA-III and multi-population parallel evolution | |
CN115828488B (zh) | 新风风管布置方法、系统、存储介质及设备 | |
CN117236081B (zh) | 基于cad和csg混合几何的蒙卡输运模拟方法和装置 | |
CN114270341B (zh) | 一种数据属性的分组方法、装置、设备及存储介质 | |
CN118196355A (zh) | 虚拟地图编辑方法、装置、介质、程序产品与电子设备 | |
CN117574732A (zh) | 一种电缆线路的温度分布计算方法、系统、设备和介质 | |
CN112036545A (zh) | 基于数据流的分块计算方法、系统、设备和存储介质 |
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 |