基于改进遗传算法的风电场微观选址优化的中期报告.docx

基于改进遗传算法的风电场微观选址优化的中期报告
一、选题背景
风能作为可再生能源的代表，得到了广泛的应用和发展，在全球范围内已经成为了重要的能源形式。风电场作为风能开发的主要形式之一，在我国近年来得到了蓬勃的发展，不仅解决了部分区域的能源供应问题，同时也起到了减少污染、改善环境、促进经济发展等多方面的作用。
风电场的选址是风电场建设的重要环节，它不仅关系到风电场的效益，还直接影响到风电场的投资与建设。因此，如何合理的选址与规划风电场，既是当今风电领域的重要问题，也是建设可持续发展的社会所需的关键问题之一。
现有的风电场选址方法大多是基于经验与规定的，往往存在选址结果不尽如人意，考虑因素过于单一等问题，因此需要借助现代优化方法实现选址的精确化和科学化。同时，基于遗传算法的选址方法在风电场微观选址优化中得到广泛的应用与发展，但是遗传算法仍然存在一些缺陷，如易陷入局部最优解、收敛速度慢等问题。因此，需要对遗传算法进行改进，提高算法的优化能力与效率。
二、选题目的
本次研究旨在探究基于改进遗传算法的风电场微观选址优化方法。通过引入适应度函数、交叉变异等优化策略提高算法的优化能力，实现精确化和科学化的风电场选址，为风电场的建设提供更为可靠的科学依据。
三、研究内容和方法
研究内容：
1.建立风电场微观选址模型，分析影响风能资源的因素，确定评价指标；
2.探究基于改进遗传算法的风电场微观选址优化方法，引入适应度函数、交叉变异等优化策略，提高算法的优化能力与效率；
3.使用MATLAB等工具实现算法，并针对不同的风电场详细进行模拟实验和对比分析。
研究方法：
本研究采用理论分析与实验模拟相结合的研究方法，具体包括：
1.文献阅读和理论分析，对已有研究成果进行总结、归纳，并提炼优化思路和方法；
2.建立基于改进遗传算法的风电场微观选址优化模型，确定适应度函数、交叉变异等优化策略；
3.利用MATLAB等工具编程实现算法，并结合多组数据进行模拟实验和对比分析；
4.实验结果分析和总结综合出基于改进遗传算法的风电场微观选址优化方法。
四、进度安排
2019年12月~2020年1月完成选题的文献调研和问题定义，并确定研究目标和内容；
2020年2月~2020年4月深入研究改进遗传算法，建立风电场微观选址模型，并进行算法设计与实现；
2020年5月~2020年7月利用MATLAB等工具进行算法模拟实验，并进行实验结果分析和总结；
2020年8月~2020年9月完成中期报告的撰写和汇报。
五、预期成果
1.完成基于改进遗传算法的风电场微观选址优化方法的研究，实现精确化和科学化的风电场选址；
2.掌握遗传算法优化策略，提高算法的优化能力与效率；
3.发表相关论文，为风电领域的发展与应用提供理论支持与应用推广参考。