[发明专利]一种基于数据驱动进化算法的风电机组最优布局方法

权利要求书

1.一种基于数据驱动进化算法的风电机组最优布局方法，其特征在于，采用参数自适应差分进化算法优化表征风力机组布局方案的种群，在参数自适应差分进化算法当前迭代运算获得的优化种群满足样本数最低要求时，预处理当前迭代运算中交叉操作产生的所有试验个体，采用广义回归神经网络预评估参数自适应差分进化算法的目标函数得到当前迭代运算产生的所有试验个体的预测适应值，根据预测适应值预筛选出表征候选布局位置佳的试验个体，对预筛选出的试验个体和上一次迭代运算产生的优化种群进行选择操作生成下一代优化种群，以每次迭代运算结束后产生的优化种群以及优化种群中所有个体的真实适应值为优化广义回归神经网络参数的数据集。

2.根据权利要求1所述一种基于数据驱动进化算法的风电机组最优布局方法，其特征在于，所述参数自适应差分进化算法引入表征因个体而异的差分向量获得变异个体，在交叉操作中以风力机位置坐标为最小交叉单位获得试验个体，对试验个体不符合风场布局限制条件时将差分向量缩小一倍后重新进行变异操作、交叉操作直至获得的试验个体满足风场布局限制条件，对于优化前种群中的每一个目标个体，将适应值未超过试验个体的目标个体替换为试验个体。

3.根据权利要求1所述一种基于数据驱动进化算法的风电机组最优布局方法，其特征在于，引入表征因个体而异的差分向量获得变异个体的表达式为：其中，v_i,g为第g代种群中第i个个体的变异个体，i＝1,2,…,NP，NP为种群规模，x_best,g为第g代种群中的最佳个体，mutant为差分向量，F_1i、F_2i为用于第i个个体变异的缩放因子，F_1i的取值根据均值为μ_F1且标准差为σ的正态分布随机选取，F_2i的取值根据均值为μ_F2且标准差为σ的正态分布随机选取，x_p1,g为从第g代种群中随机选取的个体，x_p2,g为打乱风力机顺序重新排布x_p1,g生成的新个体，randint(0,1)为介于0和1之间的随机数。

4.根据权利要求2所述一种基于数据驱动进化算法的风电机组最优布局方法，其特征在于，在交叉操作中以风力机位置坐标为最小交叉单位获得试验个体的表达式为：j为个体包含的风力机的序号标记，j_rand为根据个体中各风力机序号随机生成的数组，j_rand的长度根据均值为μjrand且标准差为σ的正太分布随机选取，[u_2*j-1,i,g,u_2*j,i,g]为存放交叉操作后第g代种群第i个个体中第j个风力机坐标的数组，[v_2*j-1,i,g,v_2*j,i,g]为存放第g代种群第i个个体的变异个体中第j个风力机坐标的数组，[x_2*j-1,i,g,x_2*j,i,g]为存放第g代种群第i个个体中第j个风力机坐标的数组。

5.根据权利要求2所述一种基于数据驱动进化算法的风电机组最优布局方法，其特征在于，适应值根据参数自适应差分进化算法建立的目标函数确定，目标函数为：其中，P为风力机组输出功率，P_k为第k台风力机的输出功率，(x_k,y_k)为第k台风力机的位置坐标，(x_m,y_m)为第m台风力机的位置坐标，x_max、x_min为风力机x轴坐标的最大值和最小值，y_max、y_min为风力机y轴坐标的最大值和最小值，N为风力机总数，R为风力机半径。