[发明专利]基于自适应差分进化算法的塔式太阳能镜场优化方法

说明书

本发明涉及一种基于自适应差分进化算法的塔式太阳能镜场优化方法，属于塔式太阳能镜场模拟技术领域。包括：1)根据优化镜场模板，确定镜场优化参数并初始化种群；2)根据高斯‑勒让德积分计算镜场总能量作为种群适应度；3)更新差分进化算法种群及算法控制参数；4)比较种群中个体的优劣，并保存最佳个体的参数及适应度。对塔式太阳能镜场分布进行优化，以镜场全年总能量作为评价镜场优劣的标准，基于自适应差分进化算法对镜场布局进行优化，降低了镜场的优化时间，输出最合理的布局结果。优化算法清晰明确，易于理解，能够较好地解决镜场优化问题。

技术领域

本发明涉及塔式太阳能镜场模拟技术领域，具体地说，涉及一种基于自适应差分进化算法的塔式太阳能镜场优化方法。

背景技术

在塔式太阳能热点系统中，定日镜场由大量定日镜组成，50％的系统建设成与40％的系统能量损失均与定日镜场相关，因此镜场的布局优化是太阳能研究领域的一个重要问题。镜场优化时，通常需要统计镜场中所有定日镜反射到接收器平面的能量值，以衡量当前布局的好坏。由于反射光线受到如太阳入射光线方向，定日镜位置，定日镜尺寸，接收器的形状和大小等因素的影响，在镜场优化的过程中，每一次布局的调整都意味着能量的重新计算，因此，镜场优化是个复杂而耗时的工作。

镜场优化设计通常有两种策略：基于模板部署和迭代部署。模板部署即镜场中定日镜的位置摆放遵循一定的规则，这种方式可以降低镜场优化问题中参数的维度，并简化对镜场的分析。

在塔式太阳能热电系统中，发电效率与系统安全是两个重要的议题。当镜场分布最优时，集中在接收器平面的辐射能密度可达最大，此时系统发电效率最高，但随之可能产生接收器平面温度过高的问题，导致接收器损坏。因此，镜场分布设计之初需要进行大量辐射能密度仿真分析，以验证系统可靠性和高效性。

在确定镜场模板之后，镜场优化问题便简化为标准带约束的最优化问题，通常使用镜场年能量或镜场年光学效率作为优化目标。定日镜能量受太阳方位、定日镜位置、接收器位置等多方因素影响，且周围定日镜存在相互干扰，因而在镜场优化中难以明确地建立能量与定日镜分布之间的目标函数，但是镜场能量分布又呈现一定的连续性，因此可以使用进化算法求解。在镜场优化问题中，常使用遗传算法、粒子群算法、差分进化算法等进化算法。与传统优化算法以梯度等信息为依据计算下一个迭代点的优化方式不同，进化算法采用包含多个个体的种群进行进化，以个体之间的差异近似梯度信息，从而处理没有明确解析表达的优化问题。

标准差分进化算法在预定义变异缩放因子F,交叉率CR,种群大小NP这三个控制参数后，通过初始化、交叉、变异和选择操作确定目标函数的最优解。控制参数的定义极大程度决定了优化结果，因此在处理不同问题时，往往需要经过多次调整，才能确定最佳参数。然而，多次手动调参较麻烦，且参数一经确定，在进化过程中无法改变，仍然容易产生收敛慢或陷入局部最优的问题中。

发明内容

本发明的目的是提供一种基于自适应差分进化算法的塔式太阳能镜场优化方法，可以高效地对塔式太阳能镜场的布局进行优化，保证优化结果可靠且收敛速度快。。

为了实现上述目的，第一方面，本发明的基于自适应差分进化算法的塔式太阳能镜场优化方法，包括以下步骤：

1)根据优化镜场模板，确定镜场优化参数并初始化种群；

2)根据高斯-勒让德积分计算镜场总能量作为种群适应度；

3)更新差分进化算法种群及算法控制参数；

4)比较种群中个体的优劣，并保存最佳个体的参数及适应度。

为了高效的进行镜场优化，优选的，步骤1)中，根据选择的镜场模板，确定镜场优化参数并对种群进行初始化。常用的镜场模板包括径向交错分布镜场和辐射型镜场两种。