基于自适应差分进化算法的塔式太阳能镜场优化方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111625956A(43)申请公布日2020.09.04(21)申请号202010449610.5(22)申请日2020.05.25(71)申请人浙江大学地址310013浙江省杭州市西湖区余杭塘路866号(72)发明人冯结青袁雪姣赵豫红(74)专利代理机构杭州天勤知识产权代理有限公司33224代理人颜果(51)Int.Cl.G06F30/20(2020.01)G06F111/10(2020.01)权利要求书3页说明书11页附图4页(54)发明名称基于自适应差分进化算法的塔式太阳能镜场优化方法(57)摘要本发明涉及一种基于自适应差分进化算法的塔式太阳能镜场优化方法，属于塔式太阳能镜场模拟技术领域。包括：1)根据优化镜场模板，确定镜场优化参数并初始化种群；2)根据高斯-勒让德积分计算镜场总能量作为种群适应度；3)更新差分进化算法种群及算法控制参数；4)比较种群中个体的优劣，并保存最佳个体的参数及适应度。对塔式太阳能镜场分布进行优化，以镜场全年总能量作为评价镜场优劣的标准，基于自适应差分进化算法对镜场布局进行优化，降低了镜场的优化时间，输出最合理的布局结果。优化算法清晰明确，易于理解，能够较好地解决镜场优化问题。CN111625956ACN111625956A权利要求书1/3页1.一种基于自适应差分进化算法的塔式太阳能镜场优化方法，其特征在于，包括以下步骤：1)根据优化镜场模板，确定镜场优化参数并初始化种群；2)根据高斯-勒让德积分计算镜场总能量作为种群适应度；3)更新差分进化算法种群及算法控制参数；4)比较种群中个体的优劣，并保存最佳个体的参数及适应度。2.根据权利要求1所述的基于自适应差分进化算法的塔式太阳能镜场优化方法，其特G征在于，步骤1)中，每个种群X中将包含NP个不同个体Xi，G，设优化参数空间为D维，则个体Xi，G表示为分进化算法设置控制参数F，CR，Gmax，根据如下公式对种群中的个体进行初始化：其中，与是个体中第j维参数的下界与上界，i表示个体序号，G表示种群代数。3.根据权利要求2所述的基于自适应差分进化算法的塔式太阳能镜场优化方法，其特征在于，步骤1)中，镜场模板包括径向交错分布镜场和辐射型镜场。4.根据权利要求1所述的基于自适应差分进化算法的塔式太阳能镜场优化方法，其特征在于，步骤2)包括：2-1、根据镜场生成控制参数初始化镜场；2-2、基于光柱遍历及多边形裁剪进行快速的阴影遮挡因子计算；2-3、基于接收器平面的辐射能密度分布解析模型，使用高斯-勒让德积分计算接收器平面总能量；2-4、调整光线方向，重复2-2与2-3步骤，获得全年镜场总能量，作为种群适应度。5.根据权利要求4所述的基于自适应差分进化算法的塔式太阳能镜场优化方法，其特征在于，步骤2-3中，采用在GPU上实现的高斯-勒让德积分快速并行确定镜场的总能量。6.根据权利要求1所述的基于自适应差分进化算法的塔式太阳能镜场优化方法，其特征在于，步骤3)包括：3-1、根据当前种群中的每个个体，使用变异策略生成变异向量；3-2、通过交叉策略，将当前种群中的个体与变异向量进行交叉，生成校验向量；3-3、根据进化过程个体选择成功的记录，对差分进化算法的控制参数进行自适应调整。7.根据权利要求6所述的基于自适应差分进化算法的塔式太阳能镜场优化方法，其特征在于，步骤3-1中，采用随机贪心变异策略生成变异向量，变异策略如下：其中，是随机从第G代的NP个体中选择的，Xpbest，G是从第G代的前NP×pi个个体中随机选择的，Fi、CRi及pi表示当前种群的控制参数。策略的贪心程度取决于控制参数pi，pi越小策略贪心程度越高，遵循如下公式随机生成：2CN111625956A权利要求书2/3页pi＝rand(2/NP，0.2)。8.根据权利要求7所述的基于自适应差分进化算法的塔式太阳能镜场优化方法，其特征在于，步骤3-2中，交叉策略通过将目标向量与变异向量在维度上进行交叉的方式生成校验向量Ui，G：其中，jrand为范围在[1，D]内的随机整数，表示Vi，G中的第j维值，表示Xi，G中的第j维值。9.根据权利要求7所述的基于自适应差分进化算法的塔式太阳能镜场优化方法，其特征在于，步骤3-3中，差分进化算法的控制参数自适应调整的具体过程如下：在进化过程中维护四个记录，其中两个记录用于存储进化操作成功时的控制参数F与CR，称作成功参数集合；另外两个记录大小为H，用于存储控制参数的生成因子MCR与MF，称作生成因子序列；若控制参数Fi与CRi生成的校验个体Ui，G适应度高于目标个体Xi，G，被保留至下一代，则认为进化操作成功，Fi与CRi将被分别记录到成功参数集合中；生成因子序列中每个元素初始化为0.5