[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

说明书

本发明提供了一种基于量子离散粒子群算法的涡轮机阵列优化方法，包括确定涡轮机阵列布放区域、布放区域内潮流场分布、涡轮机参数；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；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、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、计算潮流能发电场总成本，每个粒子的更新速度和更新位置；判断涡轮机阵列是否满足安全距离、最小水深的约束条件；判断粒子群是否达到粒子群迭代次数，选择最优布局。本发明所述的基于量子离散粒子群算法的涡轮机阵列优化方法，实现了涡轮机阵列布局自动优化，为潮流能发电场涡轮机阵列的布局设计提供参考。

技术领域

本发明属于潮流能技术领域，尤其是涉及一种基于量子离散粒子群算法的涡轮机阵列优化方法。

背景技术

在潮流能开发过程中，受发电装置转换效率因素影响，潮流能蕴藏量中只有部分能量被开发利用。未来潮流能大规模开发利用必然以涡轮机阵列发电场的形式出现。潮流发电和风力发电类似，多项研究已表明风力涡轮机间的尾流会明显降低风电场的能量利用率。潮流能涡轮机在运行时尾部也有尾流产生，其必然会影响下游潮流的速度。在多台潮流能涡轮机运转时，相互间的尾流作用将更加明显，不合理的潮流涡轮机布局形成的尾流效应会严重影响潮流能电场的成本投入与产出比。因此，在明确潮流能转换装置的前提下，研究潮流能涡轮机阵列布局关系到每台涡轮机的开发利用效率和整个潮流能电场的经济效益，是潮流能规模化开发利用的重要环节。目前对于潮流能涡轮机阵列的优化常基于人工经验或者数值模拟的方法，传统的经验布局法简单易行，但不是最优布局；数值模拟法能够考虑尾流、水深等因素，但只对单一布局进行研究，无法对布局进行自动优化。

发明内容

有鉴于此，本发明旨在提出一种基于量子离散粒子群算法的涡轮机阵列优化方法，以降低尾流影响和潮流能电场的整体成本，将潮流能涡轮机的工作效率最大化，提高了整个潮流能电场的经济效益。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于量子离散粒子群算法的涡轮机阵列优化方法，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；

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。

进一步的，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。

进一步的，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。

进一步的，所述步骤S4中的尾流模型为Jensen尾流模型。