一种集电线路优化方法、系统、程序产品及可读存储介质与流程

本技术涉及路线优化领域，尤其涉及一种集电线路优化方法、系统、程序产品及可读存储介质。

背景技术：

1、随着可再生能源的快速发展，风力发电已成为全球能源结构转型的重要组成部分。风电场的建设和运营效率直接影响着风电产业的经济效益和可持续发展。在风电场建设过程中，集电线路的设计是一个关键环节，它不仅影响工程造价，还与系统的可靠性和运行效率密切相关。因此，如何优化风电场的集电线路布局，成为风电行业面临的重要技术挑战。

2、目前，风电行业广泛采用最小生成树法来设计集电线路。这种方法首先以升压站为中心，对风电场内的风电机组进行放射状分类。然后，在每个分类中应用最小生成树算法，生成最短路径。这种方法通过将复杂的风电场布局问题分解为若干个子问题，简化了计算过程，使得在实际工程中能够快速得到可行的集电线路方案。此外，一些研究人员还尝试将人工智能算法应用于集电线路优化。这种方法通过设定回路数范围，从1到风电机组数量进行循环求解，确定结果较优的回路数区间，然后在该区间内进行进一步的循环求解，最后选择结果最佳的回路数进行多次求解，以期获得更优的集电线路布局方案。

3、然而，这些现有技术在实际应用中仍存在一些局限性。最小生成树法虽然能在单个分类中找到最短路径，但由于需要预先进行分类，可能导致全局最优解被忽略。特别是在复杂地形或大型风电场中，预先确定最优的分类方式变得极其困难。人工智能算法虽然在一定程度上解决了分类问题，但其计算复杂度随风电场规模的增加而急剧上升，在大型风电场中可能面临计算效率低下的问题。此外，这些方法在优化过程中往往只考虑了线路长度这一单一因素，难以同时兼顾成本、可靠性、电气性能等多个优化目标，这可能导致在实际运营中出现意料之外的问题。

4、综上所述，相关技术中由于各种原因不能得到集电线路的全局最优解。

技术实现思路

1、本技术提供了一种集电线路优化方法、系统、程序产品及可读存储介质，用于在复杂的风电场环境中找到接近全局最优的集电线路配置方案。

2、第一方面，本技术提供了一种集电线路优化方法，包括：生成集电线路种群，其中该集电线路种群中的每一个个体代表一组最优回路数与回路中最优集电线路；计算该集电线路种群中每一个个体的适应度值；将该集电线路种群作为循环变量，按照预设规则进行迭代，直到达到终止条件；该预设规则为：寻找当前个体的最近个体，该当前个体为该集电线路种群中任一个体；判断该最近个体是否为较优个体；若该最近个体是较优个体，则生成该当前个体的副本，并根据个体移动规则将该副本向最近个体移动；移动后的副本的适应度值小于该当前个体的适应度值的情况下，将该当前个体更新为移动后的副本，并重置该当前个体的计数器；若该最近个体不是较优个体，则对当前个体执行邻域搜索；判断搜索结果的适应度值是否小于该当前个体的适应度值；若小于该当前个体的适应度值，则将该当前个体更新为搜索结果，并重置该当前个体的计数器；若不小于该当前个体的适应度值，则增加该计数器的计数；在该计数器的计数大于计数阈值，且该当前个体的适应度值小于全局最优解的适应度值的情况下，将该全局最优解更新为该当前个体；迭代结束后，输出该全局最优解作为最优集电线路配置方案。

3、通过采用上述技术方案，首先，通过将每个个体设计为代表一组最优回路数与回路中最优集电线路，使得优化过程能够同时考虑回路数量和线路布局两个关键因素，避免了相关技术中分步优化可能导致的次优解问题，这种设计使得算法能够在更大的解空间中搜索，增加了找到全局最优解的可能性。其次，采用了多样化的个体优化策略。当发现较优个体时，通过生成副本并向最优个体移动的方式。这种策略有助于在解空间中快速接近最优解区域，提高了算法的收敛速度。而在未发现较优个体时，通过邻域搜索实现随机搜索行为，增加了算法的探索能力，有助于跳出局部最优解。通过迭代过程不断改进解，其中包括寻找最近个体、判断是否为较优个体、生成副本并移动、执行邻域搜索等步骤。这些步骤相互配合，既保证了搜索的广度，又确保了局部最优解的改进。整个优化过程综合考虑了多个优化因素，能够在复杂的风电场环境中找到接近全局最优的集电线路配置方案，提高了优化效果和效率。

4、结合第一方面的一些实施例，在一些实施例中，该最优回路数与回路中最优集电线路的个体编码为：该个体编码为一个数字序列，其中，该数字序列中的数字代表机组或升压站的编号；该个体编码中的升压站的编号用于分隔不同的集电线路；该集电线路序号段内的数字顺序表示该集电线路上机组的连接顺序。

5、通过采用上述技术方案，将个体编码设计为一个数字序列，其中数字代表机组或升压站的编号，这种设计直观地反映了风电场的物理布局。其次，使用升压站的编号作为不同集电线路的分隔符，这一特征解决了回路分类的问题，使得一个编码同时包含了多个回路的信息。再次，在每个集电线路序号段内，数字的顺序表示机组的连接顺序，这种设计直接体现了线路的具体布置。这种编码方式不仅包含了回路分类和机组连接顺序的全部信息为后续的优化算法提供了便利，从而提高了整个优化过程的效率和准确性。

6、结合第一方面的一些实施例，在一些实施例中，该生成集电线路种群的步骤，具体包括：根据第一轮盘选择策略选择该集电线路中的初始节点，该节点为机组或升压站；该第一轮盘选择策略为：生成一个0到1之间的随机数，依次用该随机数减去集合中每个该节点的第一选择概率；该第一选择概率为：式中，p(xi)为节点xi的第一选择概率，disti，b表示节点xi与升压站b之间的距离；mindistb表示所有机组与升压站之间距离的最小值，distj，b表示节点xj与升压站b之间的距离；c1为人工系数，在差值不大于0的情况下，将对应的节点确定为轮盘选择的该下一个节点；

7、和\或；根据第二轮盘选择策略选取该集电线路中当前节点的下一个节点；该第二轮盘选择策略为：生成一个0到1之间的随机数，依次用该随机数减去集合中每个该节点的第二选择概率；该第二选择概率为：

8、

9、式中，p(xi，xj)为节点xi选择节点xj的第二选择概率，maxdisti表示所有机组与节点xi之间距离的最大值；distj，i表示节点xj与节点xi之间的距离；maxdistb表示所有机组与升压站b之间距离的最大值；distj，b表示节点xj与升压站b之间的距离；c2为人工系数；distk，i表示节点xk与节点xi之间的距离；distk，b表示节点xk与升压站b之间的距离；在差值不大于0的情况下，将对应的节点确定为轮盘选择的该下一个节点。

10、通过采用上述技术方案，引入第一轮盘选择策略选择初始节点，该策略通过计算每个节点与升压站的距离，赋予离升压站较远的机组更高的选择概率。这种设计有利于在种群初始化阶段就考虑到远距离机组的接入问题，避免了传统方法中可能忽视远端机组的缺陷。其次，采用第二轮盘选择策略选取当前节点的下一个节点，该策略同时考虑了节点与当前节点的距离以及与升压站的距离。这种双重考虑既保证了集电线路的连续性，又兼顾了整体布局的合理性。通过这两种策略的配合使用，算法能够生成更加多样化且合理的初始种群，为后续优化过程提供了良好的基础。

11、结合第一方面的一些实施例，在一些实施例中，该个体移动规则为：在该副本的个体编码中的当前位置的编号与该较优个体的个体编码中的相应位置的编号不同的情况下，生成一个0到1之间的随机数；在该随机数小于预设选择概率、该较优个体中当前位置的编号未在该副本中当前位置之前出现过和当前位置的编号不是升压站的情况下；将该副本的个体编码中的当前位置的编号更换成该较优个体的个体编码中的相应位置的编号；从机组选择概率向量中移除当前位置的编号，并在该机组选择概率向量中每台机组计算当前位置的第二轮盘选择概率；在该随机数小于预设选择概率、该较优个体中当前位置的编号未在该副本中当前位置之前出现过、当前位置的编号不是升压站、较优个体对应位置是升压站、该副本中后一个位置不是升压站的情况下；将该副本的个体编码中的当前位置的编号更换成升压站，并且为机组选择概率向量中每台机组计算第一轮盘选择概率；在该副本的个体编码中的当前位置的编号与该较优个体的个体编码中的相应位置的编号相同的情况下；当前位置的编号不是升压站，从机组选择概率向量中移除当前位置的编号，并在该机组选择概率向量中每台机组计算当前位置的第二轮盘选择概率。

12、通过采用上述技术方案，首先，通过比较当前个体与较优个体在对应位置的编号，决定是否进行移动，这保证了移动的针对性。其次，引入随机数和预设选择概率，模拟了鲸鱼群算法中的随机搜索行为，增加了算法的探索能力。在移动过程中，算法还考虑了编号是否重复出现、是否为升压站等约束条件，确保生成的新个体符合实际集电线路的物理特性。此外，算法动态更新机组选择概率向量，根据当前状态计算第一或第二轮盘选择概率，这种设计使得每次移动都能适应当前的搜索环境。通过这种改进的个体移动规则，能有效处理离散编码的特殊性，从而在集电线路优化问题中取得更好的性能。

13、结合第一方面的一些实施例，在一些实施例中，该寻找当前个体的最近个体的步骤具体包括：计算当前个体的个体编码变换成其他个体的个体编码所需替换的字符个数，该其他个体为该集电线路种群中除该当前个体外的其他个体；将所需替换的字符个数最小的该其他个体确定为最近个体。

14、通过采用上述技术方案，计算当前个体与其他个体之间的编码差异，即需要替换的字符个数。这种方法实际上是在计算个体间的汉明距离，因为每条鲸鱼个体都具有相同的维度和元素组成。通过比较这些差异，算法可以快速确定需要替换最少字符的个体，即最近个体。这种方法不仅计算简单高效，而且能够准确反映个体间的相似度。

15、结合第一方面的一些实施例，在一些实施例中，该邻域搜索为：生成一个0到1之间的随机数；依次减去不同邻域搜索策略的选择概率，该选择概率为邻域搜索策略的历史更新更优次数与总的历史更新更优次数的比值；在该随机数小于等于0的情况下，执行对应的邻域搜索策略。

16、通过采用上述技术方案，生成一个0到1之间的随机数，这为策略选择引入了随机性，避免陷入局部最优。然后，算法依次减去不同邻域搜索策略的选择概率，这些概率是基于历史更新成功率动态计算的。具体来说，选择概率反映了每种策略在过去优化过程中的有效性。通过这种方式，算法能够自动倾向于选择更有效的搜索策略，同时仍然保留了尝试其他策略的可能性。这种自适应机制不仅增强了算法的局部搜索能力，提高了收敛速度。

17、结合第一方面的一些实施例，在一些实施例中，该适应度值为：

18、minf(x)＝k·a(x)+b·p(x)+k·c(x)

19、式中，k为现值和等年值的转换系数；a(x)为个体x对应的线路总投资；b为电价；p(x)为个体x对应的线路年损耗；c(x)为个体x对应的为开关柜价格；

20、

21、式中，a(x)为个体x对应的线路总投资，m表示集电线路回路数；ai表示第i条线路单位投资；li表示第i条线路总长度；

22、

23、式中，p(x)为个体x对应的线路年损耗，li表示第i条线路总长度，h为年运行小时数；ri表示第i条线路电阻；

24、c(x)＝m×c

25、式中，m为开关柜数量，c为单台开关柜价格。

26、通过采用上述技术方案，算法构建了一个全面而合理的适应度评价体系。首先，适应度函数综合考虑了线路总投资、年损耗成本和开关柜价格三个关键因素，这确保了评价的全面性。

27、第二方面，本技术提供了一种集电线路优化系统，该集电线路优化系统包括：一个或多个处理器和存储器；该存储器与该一个或多个处理器耦合，该存储器用于存储计算机程序代码，该计算机程序代码包括计算机指令，该一个或多个处理器调用该计算机指令以使得该集电线路优化系统执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

28、第三方面，本技术提供了一种包含指令的计算机程序产品，当该计算机程序产品在集电线路优化系统上运行时，使得该集电线路优化系统执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

29、第四方面，本技术提供了一种计算机可读存储介质，包括指令，当该指令在集电线路优化系统上运行时，使得该集电线路优化系统执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

30、本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

31、首先，通过将每个个体设计为代表一组最优回路数与回路中最优集电线路，使得优化过程能够同时考虑回路数量和线路布局两个关键因素，避免了相关技术中分步优化可能导致的次优解问题，这种设计使得算法能够在更大的解空间中搜索，增加了找到全局最优解的可能性。其次，采用了多样化的个体优化策略。当发现较优个体时，通过生成副本并向最优个体移动的方式。这种策略有助于在解空间中快速接近最优解区域，提高了算法的收敛速度。而在未发现较优个体时，通过邻域搜索实现随机搜索行为，增加了算法的探索能力，有助于跳出局部最优解。通过迭代过程不断改进解，其中包括寻找最近个体、判断是否为较优个体、生成副本并移动、执行邻域搜索等步骤。这些步骤相互配合，既保证了搜索的广度，又确保了局部最优解的改进。整个优化过程综合考虑了多个优化因素，能够在复杂的风电场环境中找到接近全局最优的集电线路配置方案，提高了优化效果和效率。

技术特征：

1.一种集电线路优化方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述最优回路数与回路中最优集电线路的个体编码为：

3.根据权利要求2所述的方法，其特征在于，所述生成集电线路种群的步骤，具体包括：根据第一轮盘选择策略选择所述集电线路中的初始节点，所述节点为机组或升压站；

4.根据权利要求3所述的方法，其特征在于，所述个体移动规则为：

5.根据权利要求2所述的方法，其特征在于，所述寻找当前个体的最近个体的步骤具体包括：

6.根据权利要求2所述的方法，其特征在于，所述邻域搜索为：

7.根据权利要求1所述的方法，其特征在于，所述适应度值为：

8.一种集电线路优化系统，其特征在于，所述集电线路优化系统包括：一个或多个处理器和存储器；所述存储器与所述一个或多个处理器耦合，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，所述一个或多个处理器调用所述计算机指令以使得所述集电线路优化系统执行如权利要求1-7中任一项所述的方法。

9.一种包含指令的计算机程序产品，其特征在于，当所述计算机程序产品在集电线路优化系统上运行时，使得所述集电线路优化系统执行如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，包括指令，其特征在于，当所述指令在集电线路优化系统上运行时，使得所述集电线路优化系统执行如权利要求1-7中任一项所述的方法。

技术总结
本申请提供了一种集电线路优化方法、系统、程序产品及可读存储介质，涉及路线优化领域。首先，通过将每个个体设计为代表一组最优回路数与回路中最优集电线路，使得优化过程能够同时考虑回路数量和线路布局两个关键因素，避免了相关技术中分步优化可能导致的次优解问题。其次，采用了多样化的个体优化策略。当发现较优个体时，通过生成副本并向最优个体移动的方式。这种策略有助于在解空间中快速接近最优解区域，提高了算法的收敛速度。而在未发现较优个体时，通过邻域搜索实现随机搜索行为，增加了算法的探索能力，有助于跳出局部最优解。能够找到接近全局最优的集电线路配置方案，提高了优化效果和效率。

技术研发人员：曾冰,阳雪兵,黄凌翔,徐可,杨振华,王余良,张街
受保护的技术使用者：湖南兴蓝风电有限公司
技术研发日：
技术公布日：2024/12/5