买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜重庆大学申请的专利一种基于网格-坐标化遗传算法的风电场机位优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115345073B 。

龙图腾网通过国家知识产权局官网在2025-05-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210975919.7，技术领域涉及：G06F30/27；该发明授权一种基于网格-坐标化遗传算法的风电场机位优化方法是由黄国庆;陈瑶;郑海涛;杨庆山;周绪红;蒋秋俊;林毅峰设计研发完成，并于2022-08-15向国家知识产权局提交的专利申请。

本一种基于网格-坐标化遗传算法的风电场机位优化方法在说明书摘要公布了：本发明公开了一种基于网格‑坐标化遗传算法的风电场机位优化方法，具体为：利用Jensen尾流模型对风电机组尾流速度进行预测，对风电机组的尾流效应的平方叠加模型得到风电机组尾流中动能总损失，再根据优化目标函数使发电量的成本最低；将网格化遗传算法和坐标化遗传算法相结合，首先通过网格化的遗传算法对风电场的风电机组数量和布局进行初值优化，然后通过坐标化遗传算法进一步对风电机组布局初值进行优化，使得风电场总发电量进一步增加。本发明既解决了风电场布局优化中风电机组数量的优化及其高额计算成本问题，同时避免了网格化遗传算法对风电机组位置灵活性的限制；为风电场的布局优化提供了可行的方法，使其效率有很大程度的增加。

本发明授权一种基于网格-坐标化遗传算法的风电场机位优化方法在权利要求书中公布了：1.一种基于网格-坐标化遗传算法的风电场机位优化方法，其特征在于，具体为：步骤1：利用Jensen尾流模型对风电机组尾流速度进行预测，并对风电机组的尾流效应的平方叠加模型，得到风电机组尾流中动能总损失；其中的叠加模型又依据风电机组尾流对下游风电机组的影响程度分为4种工况，再根据优化目标函数使发电量的成本最低；步骤2：将网格化遗传算法和坐标化遗传算法相结合，采用的方法分为两步：1通过网格化0-1编码的遗传算法优化出使目标函数达到最小的风电机组数量和最优布局；在给定的风场及风电机组参数下，考虑风电机组间指定范围内不安放风电机组，将区域划分为指定大小的网格，设在给定区域内得到的网格数量为m，在网格内安放风电机组则记为1，不安放记为0，则风电机组的排布方式转换为由长度为m的二进制代码表示；由随机方式生成初始种群，经交叉和变异进行更新迭代，以目标函数为适应度函数计算种群个体的适应度大小，结合轮盘赌和个体最佳保留法进行选择，选出最优个体，对最优个体进行解码则可得到风电机组的初始最优布局；个体编码中基因1的位置即为风电机组安放位置，基因1的数量总和即为风电机组数量；2坐标化遗传算法最终优化，基于所得的风电机组数量和布局，利用实数编码的遗传算法对风电机组的位置进行再优化，进一步提升发电量；设风电场在步骤1得到最优风电机组数量为n台机组，用向量坐标来表示风电机组的位置，记为xi,yi,i＝1,...,n，将风电场在平面坐标轴中来分析，来流风向设定为沿y轴负方向，按纵坐标y从大到小对风电机组进行重新排序，若纵坐标y相等时按横坐标x从小到大排序，则新排序后第i台机组只受前面i-1台机组的尾流影响；将网格化遗传算法优化出的风电机组布局进一步优化转换为对风电机组坐标进行优化，采用坐标化遗传算法，直接由坐标进行编码，以目标函数为个体适应度计算方法，对个体进行选择，通过种群的更新迭代，得到最优个体，即为风电场的最优布局，由此得到最优发电量和目标函数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆大学，其通讯地址为：400000 重庆市沙坪坝区正街174号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。