一种基于遗传算法嵌套粒子群算法的风电场多型号风力发电机排布优化方法与流程

技术特征：

1.一种基于遗传算法嵌套粒子群算法的风电场多型号风力发电机排布优化方法，其特征在于，包括以下步骤：

1)根据风资源评估结果和风电场地形气象特性，对风力发电机进行初始选型，确定若干个备选型号用于选型优化，读入风电场相关地形和气象等参数；

2)在风电场区域横纵坐标范围内随机生成风机的初始位置矩阵，矩阵每行代表一种风机位置排布方案，即一个染色体，行数代表遗传算法染色体数，对矩阵的每一行进行二进制编码；

3)在给定的备选风机型号内生成初始型号矩阵并编码，矩阵行数代表粒子群算法粒子数，矩阵的每一行代表一个粒子(一种风机型号选取方案)，随机初始化粒子的速度和在搜索域内的位置，作为当前染色体的风机型号选取的初始解；

4)计算当前每个粒子的适应度，即采用当前风机位置和选型方案的度电成本，并求出每个粒子的个体最优适应度和所有粒子的全局最优适应度；

5)根据粒子群算法中设定的粒子速度和位置进化规则，对每个粒子的位置和速度进行进化；

6)判断是否达到粒子群算法设定的最大代数，若达到设定最大代数，停止进行风机型号优化，选取粒子群算法的全局最优适应度，作为当前染色体的适应度，否则返回步骤4)；

7)根据每个染色体的适应度，求出遗传算法的全局最优适应度，即风机位置选型的全局最优值；

8)判断是否达到遗传算法的最大迭代次数，若是，则输出遗传算法的全局最优适应度对应的染色体作为风机位置方案，其对应的粒子群算法的全局最优适应度作为选型方案，完成多型号风力发电机排布优化，否则进行步骤9)；

9)把所有染色体作为父代染色体群，进行交叉、变异操作，根据染色体的适应度大小计算选择概率，进行选择生成子代染色体群并返回步骤3)。

2.根据权利要求1所述的一种基于遗传算法嵌套粒子群算法的风电场多型号风力发电机排布优化方法，其特征在于，使用遗传算法选取风机位置，嵌套使用粒子群算法选取风机型号，即每次选取风机位置之后，使用粒子群算法得出该风机位置时选型的最优解，作为该代风机位置的适应度。

3.根据权利要求1所述的一种基于遗传算法嵌套粒子群算法的风电场多型号风力发电机排布优化方法，其特征在于，个体适应度计算值计算如下：个体适应度通过计算度电成本的倒数来体现，适应度最高的个体即为度电成本倒数的最大值，即度电成本最小值的个体，度电成本CoP的计算公式为：

其中：CoE是年发电成本，AEP是风电场年平均发电量，C_i是每台风机的购买年均成本，C_O&M是风场的年度运维成本，C_land是风电场土地年平均占用成本，C_other是风电场其他费用的年平均值，P_i是每台风机的年平均发电量，N是风电场风机总台数。

4.根据权利要求1所述的一种基于遗传算法嵌套粒子群算法的风电场多型号风力发电机排布优化方法，其特征在于，粒子群算法选取特定位置方案的风机型号组合，包括同型号风机机舱的不同机舱高度或同机舱高度的不同型号风机或不同机舱高度的不同型号风机，即同种出厂型号风机若安装在不同机舱高度，也认为是不同型号。

5.根据权利要求1所述的一种基于遗传算法嵌套粒子群算法的风电场多型号风力发电机排布优化方法，其特征在于，使用遗传算法对风电场区域进行搜索，对可行域的搜索密度由遗传算法中对位置坐标的编码决定，可以进行连续搜索，并不是在风电场区域进行棋盘格划分后再对棋盘格进行选择。