公开(公告)号：CN111310884B

公开(公告)日：2023-05-16

申请号：CN202010111340.7

申请日：2020-02-24

Applicant: 东南大学

Inventor： 龙寰 ,  李培坤 ,  顾伟

IPC: G06N3/006 ,  G06N3/047 ,  G06N3/044 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开了一种基于数据驱动进化算法的风电机组最优布局方法，属于发电、变电或配电的技术领域。本发明以最大化风电场输出功率为目标函数，以风力机之间安全距离，风电场区域限制为约束条件，建立风电场机组布局优化的约束目标优化模型；基于一种改进的参数自适应的差分进化算法求解风电机组布局优化模型，采用机器学习模型广义回归神经网络作为优化目标函数的代理模型，采用数据驱动方法提升进化算法迭代效率。本发明优化效率高，对于复杂的布局优化模型效果显著。

公开(公告)号：CN111310884A

公开(公告)日：2020-06-19

申请号：CN202010111340.7

申请日：2020-02-24

Applicant: 东南大学

Inventor： 龙寰 ,  李培坤 ,  顾伟

IPC: G06N3/00 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开了一种基于数据驱动进化算法的风电机组最优布局方法，属于发电、变电或配电的技术领域。本发明以最大化风电场输出功率为目标函数，以风力机之间安全距离，风电场区域限制为约束条件，建立风电场机组布局优化的约束目标优化模型；基于一种改进的参数自适应的差分进化算法求解风电机组布局优化模型，采用机器学习模型广义回归神经网络作为优化目标函数的代理模型，采用数据驱动方法提升进化算法迭代效率。本发明优化效率高，对于复杂的布局优化模型效果显著。