[发明专利]一种基于量子离散粒子群算法的涡轮机阵列优化方法

权利要求书

1.一种基于量子离散粒子群算法的涡轮机阵列优化方法，其特征在于：包括如下步骤：

S1、根据海域流场实际情况，确定涡轮机阵列布放区域、布放区域内潮流场分布，将涡轮机阵列布放区域进行矩形网格离散化，每个网格包含位置坐标、水深、流速流向信息；

S2、确定涡轮机参数，确定粒子群中粒子个数和迭代数及约束条件；

所述粒子群算法为量子离散粒子群算法，每个粒子是离散的矢量粒子，粒子群表述为Z＝[Z₁,Z₂,...,Z_M]，其中，M为粒子群的群体规模，N为粒子离散化后的位数，离散粒子每一位只可取0或1；

S3、对粒子群中每个粒子代表的涡轮机数量和涡轮机位置进行初始化；

S4、根据尾流模型判断涡轮机是否受其他涡轮机的尾流影响，计算在海域中布放涡轮机后，每个粒子中各涡轮机位置的潮流流速，计算潮流能阵列中各个涡轮机的发电功率和潮流能阵列总发电功率；

S5、计算潮流能发电场总成本，计算目标函数，即平准化度电成本；

S6、根据潮流能发电场平准化度电成本，计算粒子群中每个粒子的更新速度和更新位置；

S7、判断涡轮机阵列是否满足安全距离、最小水深的约束条件，若否，则返回步骤S6；

S8、计算每个粒子位置更新后的目标函数，更新粒子群中的个体最优布局和全局最优布局；

S9、判断粒子群是否达到粒子群迭代次数，若否，则返回步骤S4；

S10、算法结束后，选择粒子群中全局最优个体作为最优布局；

所述步骤S6中的粒子i的速度更新和位置更新计算公式：

x_i(t+1)＝x_i(t)+v_i(t+1)

更新速度v是由0,-1和1组成的p×k行1列矩阵，p行k列矩阵代表离散的布放海域，F(x)、T(x)均为随机选择函数，f为粒子选择F(x)更新速度的概率，t为当前迭代循环数，位置x为0和1组成的p×k行1列矩阵，数值1所在位置为涡轮机位置；当粒子以概率f选择F(x)更新速度时，F(x)函数从x＝1的位置选择1个目标函数最大的位置，给更新速度赋值为-1，在x＝0的位置随机选择1个，给更新速度赋值为1，其他位置为0，得到v_k(t+1)；当粒子以概率1-f选择T(x)更新速度时，T(x)函数选择2个x＝1的位置给更新速度赋值为-1，在x＝0的位置随机选择2个，给更新速度赋值为1，其他位置为0，得到v_k(t+1)。

2.根据权利要求1所述的一种基于量子离散粒子群算法的涡轮机阵列优化方法，其特征在于：所述步骤S1中的潮流场分布由经实测潮流数据验证的海洋数值模型模拟得到。

3.根据权利要求1所述的一种基于量子离散粒子群算法的涡轮机阵列优化方法，其特征在于：所述步骤S2中的涡轮机参数包括涡轮机直径、总转换效率、推力系数。

4.根据权利要求1所述的一种基于量子离散粒子群算法的涡轮机阵列优化方法，其特征在于：所述步骤S4中的尾流模型为Jensen尾流模型。

5.根据权利要求1所述的一种基于量子离散粒子群算法的涡轮机阵列优化方法，其特征在于：所述步骤S5中计算潮流能发电场总成本包括基础投资、施工成本、运维成本。

6.根据权利要求1所述的一种基于量子离散粒子群算法的涡轮机阵列优化方法，其特征在于：所述步骤S5中平准化度电成本(LCOE)计算公式为：

潮流能发电场中Nt台涡轮机在时间T内的总发电量

其中，u_i为涡轮机位置的潮流流速，Nt为涡轮机数，ρ为水的密度，η为涡轮机总转换效率，S为涡轮机叶片旋转扫过的面积。