一种塔式光热电站聚光集热系统优化算法的制作方法

1.本发明涉及光热发电技术领域，具体地说是一种塔式光热电站聚光集热系统优化算法。


背景技术：

2.在塔式光热电站中，由定日镜镜场、吸热塔和塔顶吸热器所组成的系统称为聚光集热系统，定日镜通过跟踪太阳入射光线把太阳光辐射能反射并汇聚到塔顶吸热器上，实现镜场对太阳辐射能的收集。
3.在塔式光热电站聚光集热系统中，镜场规模、镜场布局、吸热器布置高度以及吸热器外形尺寸等系统配置因子与系统性能构成非线性、强耦合关系，系统的合理配置应在多因子变量条件下建立系统数学模型和性能模型通过优化计算确定。聚光集热系统优化是塔式光热电站设计中的基础和重要任务。


技术实现要素：

4.为了解决上述问题，本发明设计了一种塔式光热电站聚光集热系统优化算法，通过计算获得与厂址太阳能资源条件和吸热器额定热功率匹配的聚光集热系统优化方案。
5.本发明以镜场首环半径、设备(定日镜、吸热器)本体技术参数、吸热器额定热功率、吸热器吸热面积和镜场定日镜数量为恒量，建立基于定日镜区域环向及径向间距系数(αxsk、rxsk)、区域末环环向间距系数
△azkmax
、区域首-末环半径差
△rkmax
、吸热器布置高度h
t
、吸热器高径比rh/rd等6个变量的若干个不同的聚光集热系统方案，通过年度逐时段系统性能计算和系统方案造价估算，获得各系统方案的年度性价比参数，在这些系统方案中，以年度性价比参数r
wz
最大为目标函数选择聚光集热系统优化布局方案。
6.本发明采用差分进化算法针对上述6个变量通过变异、交叉、进化，择优汰劣，引导系统方案逐步向最优解逼近，计算输出6个变量(αxsk、rxsk、
△azkmax
、
△rkmax
、h
t
、rh/rd)的优化组合结果，即聚光集热系统优化布局方案。
7.本发明在设计点条件下对聚光集热系统优化布局方案进一步通过系统性能耦合计算(包括系统性能计算、吸热器瞄准策略及优化和吸热器外形尺寸优化)后，确定与吸热器额定热功率匹配的聚光集热系统优化方案；通过多个设计点条件聚光集热系统优化方案的年度性能输出分析和造价成本估算，获得各系统方案的年度性价比参数r
wz
，以年度性价比参数r
wz
为目标函数选择优化方案，得到与厂址太阳能资源条件和吸热器额定热功率匹配的聚光集热系统优化方案。
8.本发明的技术方案为：一种塔式光热电站聚光集热系统优化算法，其特征在于包括如下步骤：
9.s1：根据给定的镜场首环半径rn、定日镜本体技术参数、吸热器本体技术参数、吸热器额定热功率和min(dni
1～n
)，估算吸热器吸热面积和镜场定日镜数量，建立基于特定变量的聚光集热系统方案，特定变量包括定日镜区域环向间距系数αxsk、定日镜区域径向间
距系数rxsk、区域末环环向间距系数
△azkmax
、区域环向宽度
△rkmax
、吸热器布置高度h
t
、吸热器高径比rh/rd；针对聚光集热系统方案，进行年度性能输出分析和造价成本估算，获得该系统方案的年度性价比参数r
wz
，以年度性价比参数r
wz
为目标函数选择优化方案，所述年度性价比参数r
wz
＝wa/z，其中wa为聚光集热系统年度性能，z为聚光集热系统总投资造价；采用差分进化算法针对所述特定变量通过变异、交叉、进化，以年度性价比参数r
wz
最大为目标函数择优汰劣，引导系统方案逐步向最优解逼近，获得所述特定变量的优化组合结果和聚光集热系统优化布局方案。
10.s2：以设计时点和n个不同的dni
1～n
输入组成n个设计点条件，针对聚光集热系统优化布局方案通过系统性能优化耦合计算分析后，把综合效率较低的定日镜搬离到效率较高的位置或裁剪删除，得到n个与dnii输入对应的与吸热器额定热功率匹配的聚光集热系统优化方案，其中，系统性能优化耦合计算分析包括系统性能计算、吸热器瞄准策略及优化和吸热器外形尺寸优化；针对n个聚光集热系统优化方案，逐一进行年度性能输出分析和造价成本估算，获得各系统方案的年度性价比参数r
wz
，以年度性价比参数r
wz
为目标函数选择优化方案，得到与厂址太阳能资源条件和吸热器额定热功率匹配的聚光集热系统优化方案。
11.进一步的，所述差分进化算法的进化过程包括如下步骤：
12.a1：确定差分进化算法控制参数，确定适应度函数，其中差分进化算法的控制参数包括种群大小np、缩放因子f、交叉概率cr、最大迭代次数g
max
、解空间维数d；
13.a2：随机产生初始种群；
14.a3：对种群进行评价，即计算种群中每个个体的适应度值；
15.a4：判断是否达到终止条件或进化代数达到最大，若是则终止进化并将得到最佳个体作为最优解输出，若否则继续；
16.a5：进行变异和交叉操作，得到中间种群；
17.a6：在原种群和中间种群中选择个体，得到新一代种群；
18.a7：进化代数g＝g 1，转步骤a3。
19.进一步的，以年度性价比参数r
wz
为适应度函数，以所述特定变量为种群变量，以各系统方案性价比r
wzi
方差σ和最大迭代次数g
max
为终止条件，对缩放因子f、交叉概率cr进行反函数设计，采用ade方法进行系统优化。
20.进一步的，步骤a2中产生初始种群包括如下步骤：
21.b1：确定所述特定变量及其上下限；
22.b2：每个变量在其上下限范围内随机初始化，生成0代np个种群，共生成6个0代种群。
23.进一步的，在步骤a5中，当进化未达到终止条件时，采用ade方法进行变异操作，包括如下步骤：
24.c1：计算各变量均值avg；
25.c2：查询各系统方案性价比r
wzi
中最优值的种群编号opt-i；
26.c3：进行各变量变异操作；
27.c4：做变异操作后有效性检查，当变量突破其上下限时，对变量重新进行初始化。
28.进一步的，在步骤a5中，在原种群x
ji
(g)和变异种群x
ji
(g 1)之间通过交叉操作，得到中间种群u
ji
(g 1)，即
[0029][0030]
其中cr为交叉概率，rnd为1～np之间的随机整数。
[0031]
进一步的，在步骤a6中，进行选择操作时，采用贪婪算法，在原种群x
ji
(g)和中间种群u
ji
(g 1)中选择个体，得到新一代种群，即
[0032][0033]
选择操作完成后，得到新一代种群，进入下一代进化。
[0034]
进一步的，聚光集热系统年度性能wa的确定方法为，在全年12个月中选择12个典型日，针对聚光集热系统逐日进行从日出到日落的逐时计算，考虑太阳能辐射条件i
t
＝1w/m2，则聚光集热系统总投资造价z由定日镜、吸热器、吸热塔以及镜场土地投资费用构成，即z＝zh zr z
t
z
l
，其中，定日镜投资费用zh＝chna，ch为定日镜单位面积投资费用，n为镜场定日镜数量，a为一个定日镜的反射面积；吸热器投资费用zr＝c
rar
，cr为吸热器单位面积投资费用，ar为吸热器吸热面积；吸热塔投资费用z
t
＝c
t exp(0.0113(h
t-rh/2))，c
t
为样本塔投资费用，h
t
为吸热器布置高度，rh为吸热器设备高度；镜场土地投资费用z
l
＝c
lal
，c
l
为单位面积土地投资费用，a
l
为镜场占地面积。
[0035]
本发明的优点在于：本发明采用差分进化算法通过变异、交叉、进化，择优汰劣，引导系统方案逐步向最优解逼近，确定聚光集热系统优化布局方案；在设计点条件下对聚光集热系统优化布局方案通过系统性能耦合计算后，得到与吸热器额定热功率匹配的聚光集热系统优化方案；通过多个设计点条件聚光集热系统优化方案的年度性能输出分析和造价成本估算，得到与厂址太阳能资源条件和吸热器额定热功率匹配的聚光集热系统优化方案。
[0036]
下面结合附图和实施例对本发明作进一步说明。
附图说明
[0037]
图1为镜场坐标系示意图。
[0038]
图2为镜场定日镜布局示意图。
[0039]
图3为镜场辐射交错布局示意图。
[0040]
图4为隔环定日镜径向间距示意图。
[0041]
图5为镜场分区域布置示意图。
[0042]
图6为定日镜轮廓尺寸、外接圆直径、附加安全距离、特征直径示意图。
[0043]
图7为区域定日镜间方位角的计算示意图。
[0044]
图8为隔环定日镜径向间距的计算示意图。
[0045]
图9为定日镜镜型示意图。
[0046]
图10为方位-俯仰双轴跟踪及驱动装置示意图。
[0047]
图11为俯仰
–
倾斜双轴跟踪及驱动装置示意图。
[0048]
图12为定日镜余弦效率示意图。
[0049]
图13为镜-镜间、塔-镜的阴影示意图。
[0050]
图14为镜-镜间的遮挡示意图。
[0051]
图15为进化流程框图。
[0052]
图16为聚光集热系统优化布局方案镜场布局示意图。
[0053]
图17为聚光集热系统优化算法框图。
[0054]
图18为聚光集热系统优化方案示意图。
具体实施方式
[0055]
以下对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
[0056]
实施例1
[0057]
本实施例公开了一种塔式光热电站聚光集热系统优化算法，其特征在于包括如下步骤：
[0058]
s1：根据给定的镜场首环半径rn、定日镜本体技术参数、吸热器本体技术参数、吸热器额定热功率和min(dni
1～n
)，估算吸热器吸热面积和镜场定日镜数量，建立基于特定变量的聚光集热系统方案，特定变量包括定日镜区域环向间距系数αxsk、定日镜区域径向间距系数rxsk、区域末环环向间距系数
△azkmax
、区域环向宽度
△rkmax
、吸热器布置高度h
t
、吸热器高径比rh/rd；针对聚光集热系统方案，进行年度性能输出分析和造价成本估算，获得该系统方案的年度性价比参数r
wz
，以年度性价比参数r
wz
为目标函数选择优化方案，所述年度性价比参数r
wz
＝wa/z，其中wa为聚光集热系统年度性能，z为聚光集热系统总投资造价；采用差分进化算法针对所述特定变量通过变异、交叉、进化，以年度性价比参数r
wz
最大为目标函数择优汰劣，引导系统方案逐步向最优解逼近，获得所述特定变量的优化组合结果和聚光集热系统优化布局方案。
[0059]
s2：以设计时点和n个不同的dni
1～n
输入组成n个设计点条件，针对聚光集热系统优化布局方案通过系统性能优化耦合计算分析后，把综合效率较低的定日镜搬离到效率较高的位置或裁剪删除，得到n个与dnii输入对应的聚光集热系统优化方案，其中，系统性能优化耦合计算分析包括系统性能计算、吸热器瞄准策略及优化和吸热器外形尺寸优化；针对n个聚光集热系统优化方案，逐一进行年度性能输出分析和造价成本估算，获得各方案的年度性价比参数r
wz
，以年度性价比参数r
wz
为目标函数选择优化方案，得到与厂址太阳能资源条件和吸热器额定热功率匹配的聚光集热系统优化方案。
[0060]
其中，所述差分进化算法的进化过程包括如下步骤：
[0061]
a1：确定差分进化算法控制参数，确定适应度函数，其中差分进化算法的控制参数包括种群大小np、缩放因子f、交叉概率cr、最大迭代次数g
max
、解空间维数d；
[0062]
a2：随机产生初始种群；
[0063]
a3：对种群进行评价，即计算种群中每个个体的适应度值；
[0064]
a4：判断是否达到终止条件或进化代数达到最大，若是则终止进化并将得到最佳个体作为最优解输出，若否则继续；
[0065]
a5：进行变异和交叉操作，得到中间种群；
[0066]
a6：在原种群和中间种群中选择个体，得到新一代种群；
[0067]
a7：进化代数g＝g 1，转步骤a3。
[0068]
其中，以年度性价比参数r
wz
为适应度函数，以所述特定变量为种群变量，以各系统方案性价比r
wzi
方差σ和最大迭代次数g
max
为终止条件，对缩放因子f、交叉概率cr进行反函数设计，采用ade方法进行系统优化。
[0069]
其中，步骤a2中产生初始种群包括如下步骤：
[0070]
b1：确定所述特定变量及其上下限；
[0071]
b2：每个变量在其上下限范围内随机初始化，生成0代np个种群，共生成6个0代种群。
[0072]
其中，在步骤a5中，当进化未达到终止条件时，采用ade方法进行变异操作，包括如下步骤：
[0073]
c1：计算各变量均值avg；
[0074]
c2：查询各系统方案性价比r
wzi
中最优值的种群编号opt-i；
[0075]
c3：进行各变量变异操作；
[0076]
c4：做变异操作后有效性检查，当变量突破其上下限时，对变量重新进行初始化。
[0077]
其中，在步骤a5中，在原种群x
ji
(g)和变异种群x
ji
(g 1)之间通过交叉操作，得到中间种群u
ji
(g 1)，即
[0078][0079]
其中cr为交叉概率，rnd为1～np之间的随机整数。
[0080]
其中，在步骤a6中，进行选择操作时，de采用贪婪算法，在原种群x
ji
(g)和中间种群u
ji
(g 1)中选择个体，得到新一代种群，即
[0081][0082]
选择操作完成后，得到新一代种群，进入下一代进化。
[0083]
其中，聚光集热系统年度性能wa的确定方法为，在全年12个月中选择12个典型日，针对聚光集热系统逐日进行从日出到日落的逐时计算，考虑太阳能辐射条件i
t
＝1w/m2，则聚光集热系统总投资造价z由定日镜、吸热器、吸热塔以及镜场土地投资费用构成，即z＝zh zr z
t
z
l
，其中，定日镜投资费用zh＝chna，ch为定日镜单位面积投资费用，n为镜场定日镜数量，a为一个定日镜的反射面积；吸热器投资费用zr＝c
rar
，cr为吸热器单位面积投资费用，ar为吸热器吸热面积；吸热塔投资费用z
t
＝c
t exp(0.0113(h
t-rh/2))，c
t
为样本塔投资费用，h
t
为吸热器布置高度，rh为吸热器设备高度；镜场土地投资费用z
l
＝c
lal
，c
l
为单位面积土地投资费用，a
l
为镜场占地面积。
[0084]
本发明建立基于特定变量的聚光集热系统方案，采用差分进化算法针对所述特定变量通过变异、交叉、进化，择优汰劣，引导系统方案向最优解逼近，获得聚光集热系统优化
布局方案；以设计时点和n个不同的dni
1～n
输入组成n个设计点条件，针对聚光集热系统优化布局方案计算输出n个与dnii输入对应的与吸热器额定热功率匹配的聚光集热系统优化方案；针对n个聚光集热系统优化方案，逐一进行年度性能输出分析和造价成本估算，以年度性价比参数r
wz
为目标函数选择优化方案，得到与厂址太阳能资源条件和吸热器额定热功率匹配的聚光集热系统优化方案。
[0085]
实施例2
[0086]
本实施例公开了一种塔式光热电站聚光集热系统优化算法。
[0087]
1.1镜场坐标系
[0088]
建立右手空间直角坐标系规则的镜场坐标系，定义吸热塔中心
±
0.00点为镜场坐标系(0,0,0)点，西-东向为x轴，南-北向为y轴，z轴垂直于水平面、朝向天顶，见图1。
[0089]
1.2镜场布局
[0090]
针对采用柱形外部吸热器的塔式光热电站，镜场定日镜采用环形布置形式。
[0091]
定日镜布局方式有辐射交错方式和仿生螺旋方式，见图2。本发明镜场定日镜布局方式采用辐射交错方式。
[0092]
采用辐射交错方式的镜场定日镜布置根据定日镜特征直径dm、环向间距系数和r0计算定日镜间方位角α，见图3；隔环定日镜径向间距
△
r根据镜场地形坡度、按照前后定日镜间不产生遮挡损失的条件进行计算，见图4；相邻环定日镜径向间距根据定日镜径向间距系数计算。
[0093]
定日镜环向间距
△az
随定日镜环半径r的增加逐渐加大。定日镜环向间距
△az
过大，将导致镜场效率和土地利用率下降，因此镜场应进行分区域布置，当区域末环的定日镜环向间距
△az
超过预定的限值时，剩余的定日镜进入下一个区域进行布置，见图5。
[0094]
1.3定日镜外接圆直径、附加安全距离和特征直径
[0095]
定日镜特征直径dm＝d0 d，d0为定日镜轮廓外接圆直径，d为定日镜间附加安全距离，h、w为定日镜轮廓的高度、宽度尺寸，见图6。
[0096]
1.4数学模型中的6个变量
[0097]
1.4.1镜场布局变量
[0098]
1)定日镜区域环向间距系数αxsk[0099]
由定日镜特征直径dm、定日镜所在镜场区域zonek的序号k、定日镜区域环向间距系数αxsk计算区域首环的定日镜环向间距
△az
＝dk＝max[dm,max(h,w)(1 (k-1)αxsk))]。
[0100]
由区域首环定日镜半径r
0k
和区域首环定日镜环向间距dk计算区域定日镜间方位角αk＝sin-1
(0.5dk/r
0k
)。
[0101]
区域环向间距系数αxsk随镜场区域zonek变化，在同一个区域中αxsk不变，见图7和图8。
[0102]
2)定日镜区域径向间距系数rxsk[0103]
在图8中，β为镜场场地坡度角，zj为j环定日镜支柱顶点标高，rj为j环定日镜半径，hh为定日镜支柱高度，d为j环定日镜支柱顶点到吸热器吸热面中心点的距离，h为吸热器吸热面中心点标高。
[0104]
在同一个区域的隔环定日镜径向间距
△
r根据镜场地形坡度、按照前后定日镜间不产生遮挡损失的条件进行计算。
[0105]
①
当镜场场地南北、东西方向均存在坡度时，β＝min(β
sn
,β
ew
)。
[0106]
②
zj＝rjtan(β) hh[0107]
③
[0108]
④
γ β＝sin-1
(0.5dm/d) sin-1
(rj/d)
[0109]
⑤△
r＝dmcosβ/cosγ
[0110]
相邻环定日镜径向间距及其半径根据定日镜区域径向间距系数rxsi计算确定。
[0111]
△rj 1
＝rxsk△
r r
j 1
＝rj
△rj 1
[0112]
区域径向间距系数rxsk随镜场区域zonek变化，在同一个区域中rxsk不变。
[0113]
3)区域末环的定日镜环向间距系数
△azkmax
、区域首-末环半径差
△rkmax
[0114]
①
在同一个区域中，定日镜环向间距
△az
随定日镜环半径r
jk
的增加逐渐加大，当定日镜环向间距
△az
超过
△azkmax
d0时，剩余的定日镜进入下一个区域进行布置。
[0115]
②
在同一个区域中，定日镜环半径r
jk
逐渐加大，当定日镜环半径r
jk
与区域首环定日镜半径r
0k
之差超过预定的限值
△rkmax
时，剩余的定日镜进入下一个区域进行布置。
[0116]
4)区域首环定日镜半径r
0k
[0117]
镜场区域zonek＝1时，区域首环定日镜半径r
01
＝rn，rn为镜场首区首环半径，为给定值，与电站发电岛区域半径相关。
[0118]
镜场区域zonek》1时，区域首环定日镜半径为：
[0119]r0k
＝rj
△rj 1,l
，
△rj 1,l
＝max(
△rj 1
3.0,max(h,w) 4.0)
[0120]
△rj 1
为k-1区域末环(j环)相邻环定日镜径向间距，各分区间最小净距为4.0m。
[0121]
1.4.2吸热器布置高度h
t
[0122]
吸热器布置高度h
t
为吸热器管屏中心点的布置高度。吸热器布置高度h
t
的变化使定日镜径向间距和系统镜场布局发生变化，系统性能与吸热器布置高度h
t
也密切相关。
[0123]
1.4.3吸热器高径比rh/rd[0124]
吸热器高径比rh/rd为吸热器管屏高度与吸热器管屏多边形外接圆直径之间的比值。吸热器高径比rh/rd的变化对定日镜瞄准策略和定日镜反射光斑能量的截取率构成影响。
[0125]
1.5数学模型中的恒量
[0126]
1.5.1吸热器本体技术参数
[0127]
包括吸热管屏数量、吸热管外径、吸热管厚度、涂层性能、表面能流密度峰值、熔盐流程等。
[0128]
1.5.2吸热器面积ar[0129]
根据吸热器额定热功率和吸热器平均能流密度进行估算。
[0130]
吸热器额定热功率是指吸热器在设计点时的输出热功率。
[0131]
1.5.3定日镜规格技术参数
[0132]
包括定日镜跟踪方式、面轴偏心距、反射面积、反射效率、表面洁度系数、镜面二维坡度偏差、跟踪偏差、太阳圆盘形状偏差等。
[0133]
1.5.4镜场定日镜数量
[0134]
根据吸热器额定输入热功率、定日镜规格技术参数、设计点dni和系统效率估算镜
场定日镜数量，为保证估算的镜场定日镜数量大于最终优化数量，系统效率取较小值。
[0135]
1.5.5镜场首环半径rn
[0136]
镜场首环半径rn与电站发电岛区域半径相关，为给定值。
[0137]
1.6生成聚光集热系统方案
[0138]
采用1.5中的恒量，通过聚光集热系统数学模型中的6个变量的单一变化或组合变化，生成若干个不同的聚光集热系统方案。
[0139]
2聚光集热系统性能模型
[0140]
2.1定日镜
[0141]
2.1.1定日镜规格
[0142]
由多面平面反射镜构成，反射面积在15～140m2之间。
[0143]
2.1.2定日镜镜型
[0144]
定日镜镜型为平面、球面(二维曲面)、抛物线面(一维曲面)。见图9。
[0145]
为了在吸热器表面形成较小的光斑，定日镜一般采用由若干平面反射镜构成球面镜型(flat spherical)，定日镜球面曲率随定日镜到吸热器的距离变化。
[0146]
2.1.3定日镜跟踪太阳方式
[0147]
1)方位-俯仰双轴跟踪
[0148]
定日镜固定旋转轴为立柱，与水平面垂直，定日镜从动旋转轴与镜面平行、与固定旋转轴互相垂直，采用双齿轮减速机驱动。见图10。
[0149]
镜面中心与副轴之间存在偏心距。
[0150]
2)俯仰
–
倾斜双轴跟踪
[0151]
定日镜主轴与水平面平行或带有倾角，定日镜副轴与镜面平行、与主轴互相垂直。采用液压推杆驱动。见图11。
[0152]
镜面中心与副轴之间存在偏心距，主、副轴之间也存在偏心距。定日镜主轴与水平面平行或带有倾角，定日镜副轴与镜面平行、与主轴垂直。镜面中心与副轴之间存在偏心距，主、副轴之间也存在偏心距。
[0153]
2.2聚光集热系统性能
[0154]
对于一个系统方案，根据镜场定日镜布置条件、吸热器工艺条件和太阳入射向量、dni条件，对镜场每个定日镜逐一进行性能分析计算后，得到系统方案的整体性能。
[0155]
2.2.1余弦效率η
cos,i
[0156]
定日镜中心点法线与太阳入射光线的夹角的余弦为该定日镜的余弦效率，η
cos,i
＝cos(αi)。见图12。
[0157]
由于定日镜镜面中心点与旋转轴之间存在偏心距，因此在跟踪过程中，定日镜镜面中心和中心点法线方向在不断变化。
[0158]
定日镜镜面中心和中心点法线方向n根据太阳入射光线s和镜面反射光线r通过计算确定。
[0159]
2.2.2大气衰减η
attenuation,i
[0160]
η
attenuation,i
＝0.99321-0.0001176di 1.97d
i2
/108(di≤1000m)
[0161]
η
attenuation,i
＝exp(-0.0001106di)(di》1000m)
[0162]
2.2.3阴影损失η
shadow,i
[0163]
在太阳光线入射线路上，相邻定日镜之间、接收塔对定日镜可能产生阴影，使被阴影全部或部分覆盖的定日镜的有效反射面积减小。见图13。
[0164]
2.2.4遮挡损失η
block,i
[0165]
在定日镜反射线路上，相邻定日镜之间可能发生遮挡，使被遮挡的定日镜有效反射面积减小。见图14。
[0166]
2.2.5定日镜成像能量及能流密度分布
[0167]
采用定日镜成像能流密度模型，针对每个定日镜计算其在吸热器表面的成像能量：
[0168][0169]
p
hi
＝iaηi[0170]
ηi＝η
cos,i
η
attenuation,i
η
shadow,i
η
block,i
η
other
[0171]
wi为镜场中第i个定日镜反射到吸热器表面并被吸热器吸收的能量，w；p
h,i
为镜场中第i个定日镜反射的能量，w；σ
hf
为定日镜总有效偏差，m；σ
hfx
为定日镜切面有效偏差，m；σ
hfy
为定日镜矢状面有效偏差，m；x,y定日镜光斑像素到成像中心的距离，m。
[0172]
i为计算时点对应的dni值；a为定日镜反射面积；η
other
为杂项效率，η
other
＝η
ref
η
clean
，η
ref
、η
clean
分别为定日镜反射效率和镜面洁度系数。
[0173]
2.2.6溢出损失η
spillage,i
[0174]
定日镜在吸热器表面形成的光斑能量未全部被吸热器吸收，则产生溢出损失。
[0175]
第i个定日镜的溢出损失η
spillage,i
＝1.0-wi/p
h,i
。
[0176]
系统总的溢出损失η
spillage,i
＝1.0-∑wi/∑p
h,i
。
[0177]
2.2.7吸热器获取能量w
[0178]
吸热器获取总能量w＝∑wi。
[0179]
2.3聚光集热系统年度性能wa计算
[0180]
在全年12个月中选择12个典型日(见表2-1)，针对聚光集热系统逐日进行从日出到日落的逐时计算，得到系统年度性能。
[0181]
表2-1年度12个典型日
[0182]
[0183][0184]
考虑太阳能辐射条件i
t
＝1w/m2，
[0185]
3聚光集热系统优化目标函数——性价比r
wz
[0186]
以性价比r
wz
参数作为目标函数进行系统方案优化，选择性价比r
wz
最大的方案为优化方案。
[0187]
3.1聚光集热系统投资造价z估算
[0188]
聚光集热系统总投资造价由定日镜、吸热器、吸热塔以及镜场的土地投资费用构成。
[0189]
z＝zh zr z
t
z
l
(单位：元)
[0190]
定日镜：zh＝chna，ch为定日镜单位面积投资费用(元/m2)；n为镜场定日镜数量；a为一个定日镜的反射面积。
[0191]
吸热器：zr＝c
rar
，cr为吸热器单位面积投资费用(元/m2)；ar为吸热器吸热面积。
[0192]
吸热塔：z
t
＝c
t exp(0.0113(h
t-rh/2))，c
t
为样本塔投资费用(万元/m)；h
t
为吸热器布置高度；rh为吸热器设备高度。
[0193]
镜场土地：z
l
＝c
lal
，c
l
为单位面积土地投资费用(元/m2)；a
l
为镜场占地面积。
[0194]
3.2性价比r
wz
[0195]rwz
＝wa/z(单位：mw/元)
[0196]
4采用差分进化算法进行系统布局优化
[0197]
4.1差分进化算法
[0198]
差分进化算法是一种基于现代智能理论的优化算法，通过群体内个体之间的相互合作与竞争产生的群体智能来指导优化搜索的方向。该算法的基本思想是：从一个随机产生的初始种群开始，按照一定的规则产生新个体，然后将新个体与当代种群中相应的个体相比较，如果新个体的适应度优于当前个体的适应度，则在下一代中就用新个体取代旧个体，否则仍保存旧个体。通过不断地进化，保留优良个体，淘汰劣质个体，引导搜索向最优解逼近。
[0199]
4.1.1进化流程
[0200]
见图15，其具体进化流程如下：
[0201]
(1)确定差分进化算法控制参数，确定适应度函数。差分进化算法控制参数包括：种群大小np、缩放因子f与交叉概率cr。
[0202]
(2)随机产生初始种群。
[0203]
(3)对种群进行评价，即计算种群中每个个体的适应度值。
[0204]
(4)判断是否达到终止条件或进化代数达到最大。若是，则终止进化，将得到最佳个体作为最优解输出；若否，继续。
[0205]
(5)进行变异和交叉操作，得到中间种群。
[0206]
(6)在原种群和中间种群中选择个体，得到新一代种群。
[0207]
(7)进化代数g＝g 1，转步骤(3)。
[0208]
4.1.2控制参数
[0209]
算法主要的控制参数包括：种群规模(np)、缩放因子(f)和交叉概率(cr)。
[0210]
np主要反映算法中种群信息量的大小，np值越大种群信息包含的越丰富，但是带来的后果就是计算量变大，不利于求解。反之，使种群多样性受到限制，不利于算法求得全局最优解，甚至会导致搜索停滞。
[0211]
cr主要反映的是在交叉的过程中，子代与父代、中间变异体之间交换信息量的大小程度。cr的值越大，信息量交换的程度越大。反之，如果cr的值偏小，将会使种群的多样性快速减小，不利于全局寻优。
[0212]
相对于cr，f对算法性能的影响更大，f主要影响算法的全局寻优能力。f越小，算法对局部的搜索能力更好，f越大算法越能跳出局部极小点，但是收敛速度会变慢。此外，f还影响种群的多样性。
[0213]
4.2采用差分进化算法进行聚光集热系统优化
[0214]
以系统数学模型 系统性能模型、系统方案的性价比r
wz
为适应度函数；以系统数学模型中的6个变量为种群变量；以各系统方案性价比r
wzi
方差σ和最大迭代次数g
max
为终止条件，对缩放因子f、交叉概率cr进行反函数设计，采用差分进化平均算法(ade)进行聚光集热系统优化。
[0215]
4.2.1控制参数设计
[0216]
差分进化算法包括5个控制参数：种群规模np、缩放因子f、交叉概率cr、最大迭代次数g
max
、解空间维数d。
[0217]
1)解空间维数d和种群规模np
[0218]
系统数学模型中有6个变量，解空间维数d＝6。种群规模np通常在维数d的5～10倍之间。
[0219]
2)最大迭代次数g
max
[0220]
最大迭代次数g
max
是算法的终止条件之一，进化代数达到g
max
时，计算结束，输出最优解。
[0221]
4.2.2适应度函数
[0222]
对于聚光集热系统优化，适应度函数是方案性价比r
wz
计算值。
[0223]
4.2.3产生初始种群
[0224]
4.2.3.1系统数学模型中的6个变量和上下限
[0225]
1)定日镜区域环向间距系数αxsk，(αxs
kmin
～αxs
kmax
)
[0226]
2)定日镜区域径向间距系数rxsk，(rxs
kmin
～rxs
kmax
)
[0227]
3)区域末环的定日镜环向间距
△azkmax
，(min
△azkmax
～max
△azkmax
)
[0228]
4)区域首-末环半径差
△rkmax
，(min
△rkmax
～max
△rkmax
)
[0229]
5)吸热器布置高度h
t
，(h
tmin
～h
tmax
)
[0230]
6)吸热器高径比rh/rd，((rh/rd)
min
～(rh/rd)
max
)
[0231]
4.2.3.2系统数学模型中的6个变量的初始化
[0232]
每个变量在其上下限范围内随机初始化，生成0代np个种群。共生成6个0代种群。
[0233]
1)定日镜区域环向间距系数αxs
k,i
(0)
[0234]
αxs
k,i
(0)＝αxs
kmin
rand(0,1)(αxs
kmax-αxs
kmin
),i＝1～np
[0235]
2)定日镜区域径向间距系数rxs
k,i
(0)
[0236]
rxs
k,i
(0)＝rxs
kmin
rand(0,1)(rxs
kmax-rxs
kmin
),i＝1～np
[0237]
3)区域末环的定日镜环向间距
△azkmax,i
(0)
[0238]
△azkmax,i
(0)＝min
△azkmax
rand(0,1)(max
△azkmax-min
△azkmax
),i＝1～np
[0239]
4)区域首-末环半径差
△rkmax,i
(0)
[0240]
△rkmax,i
(0)＝min
△rkmax
rand(0,1)(max
△rkmax-min
△rkmax
),i＝1～np
[0241]
5)吸热器布置高度h
t,i
(0)
[0242]ht,i
(0)＝h
tmin
rand(0,1)(h
tmax-h
tmin
),i＝1～np
[0243]
6)吸热器高径比(rh/rd)
,i
(0)
[0244]
(rh/rd)
,i
(0)＝(rh/rd)
min
rand(0,1)((rh/rd)
max-(rh/rd)
min
),i＝1～np
[0245]
4.2.4生成系统方案
[0246]
取种群编号i一致的变量组合进入系统数学模型，生成系统方案。每一代均可生成np个系统方案。
[0247]
4.2.5性价比r
wzi
计算
[0248]
计算各系统方案的年度性能w
ai
、投资造价zi和性价比r
wzi
＝w
ai
/zi。
[0249]
4.2.6终止条件
[0250]
4.2.6.1最大迭代次数g
max
[0251]
进化代数达到g
max
时，计算终止。
[0252]
4.2.6.2各系统方案性价比r
wzi
方差σ
[0253][0254]
当方差σ小于设定值时，计算终止。
[0255]
4.2.7变异操作
[0256]
当进化未达到终止条件时，进行变异操作。
[0257]
采用ade方法进行变异操作。
[0258]
4.2.7.1计算各变量均值avg
[0259]
4.2.7.2查询各系统方案性价比r
wzi
中最优值的种群编号opt-i
[0260]
4.2.7.3各变量变异操作
[0261]
1)定日镜区域环向间距系数αxs
k,i
(g 1)
[0262]
αxs
k,i
(g 1)＝αxs
k,opt-i
(g) f(g)rand(-1,1)(avg(αxsk(g))-αxs
k,i
(g)),i＝1～np
[0263]
2)定日镜区域径向间距系数rxs
k,i
(g 1)
[0264]
rxs
k,i
(g 1)＝rxs
k,opt-i
(g) f(g)rand(-1,1)(avg(rxsk(g))-rxs
k,i
(g)),i＝1～np
[0265]
3)区域末环的定日镜环向间距
△azkmax,i
(g 1)
[0266]
△azkmax,i
(g 1)＝
△azkmax,opt-i
(g) f(g)rand(-1,1)(avg(
△azkmax
(g))
‑△azkmax,i
(g)),i＝1～np
[0267]
4)区域首-末环半径差
△rkmax,i
(g 1)
[0268]
△rkmax,i
(g 1)＝
△rkmax,opt-i
(g) f(g)rand(-1,1)(avg(
△rkmax
(g))
‑△rkmax,i
(g)),i＝1～np
[0269]
5)吸热器布置高度h
t,i
(g 1)
[0270]ht,i
(g 1)＝h
t,opt-i
(g) f(g)rand(-1,1)(avg(h
t
(g))-h
t,i
(g)),i＝1～np
[0271]
6)吸热器高径比(rh/rd)
,i
(g 1)
[0272]
(rh/rd)
,i
(g 1)＝(rh/rd)
,opt-i
(g) f(g)rand(-1,1)(avg((rh/rd)(g))-(rh/rd)
,i
(g)),i＝1～np
[0273]
4.2.7.4变异操作后有效性检查
[0274]
为保证变异操作后变量不突破其上下限，作变异操作后有效性检查。当变量突破其上下限时，按4.2.3.2对变量重新进行初始化。
[0275]
4.2.8交叉操作
[0276]
在原种群x
ji
(g)和变异种群x
ji
(g 1)之间通过交叉操作，得到中间种群u
ji
(g 1)。
[0277][0278]
cr为交叉概率，rnd为1～np之间的随机整数。
[0279]
完成交叉操作后，由中间种群生成系统方案(4.2.4)，进行各系统方案性价比r
wzi
计算(4.2.5)——种群评价，进入选择操作。
[0280]
4.2.9选择操作
[0281]
采用贪婪算法，在原种群x
ji
(g)和中间种群u
ji
(g 1)中选择个体，得到新一代种群。
[0282][0283]
选择操作完成后，得到新一代种群，进入下一代进化。
[0284]
5设计点条件下聚光集热系统优化
[0285]
利用差分进化算法得到6个变量的优化组合，方案镜场布局如图16所示。
[0286]
在设计点条件下对该系统布局方案通过系统性能优化耦合计算分析(包括系统性能计算、吸热器瞄准策略及优化和吸热器外形尺寸优化)，搬离综合效率较低的定日镜到效率较高的位置，获得聚光集热系统优化方案(参见图17、图18)。
[0287]
聚光集热系统优化方案中确定的内容，包括：
[0288]
1)镜场规模——定日镜数量；
[0289]
2)镜场布局——各定日镜在镜场中的布置坐标(图18)；
[0290]
3)吸热器布置高度；
[0291]
4)吸热器外形尺寸(rh、rd)。
[0292]
本发明建立基于特定变量的聚光集热系统方案，采用差分进化算法针对所述特定
变量通过变异、交叉、进化，择优汰劣，引导系统方案逐步向最优解逼近，获得所述特定变量的优化组合结果和聚光集热系统优化布局方案；以设计时点和n个不同的dni
1～n
输入组成n个设计点条件，针对聚光集热系统优化布局方案计算输出n个与dnii输入对应的与吸热器额定热功率匹配的聚光集热系统优化方案；针对n个聚光集热系统优化方案，逐一进行年度性能输出分析和造价成本估算，以年度性价比参数r
wz
为目标函数选择优化方案，得到与厂址太阳能资源条件和吸热器额定热功率匹配的聚光集热系统优化方案。
[0293]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0294]
当然，以上说明仅仅为本发明的较佳实施例，本发明并不限于列举上述实施例，应当说明的是，任何熟悉本领域的技术人员在本说明书的指导下，所做出的所有等同替代、明显变形形式，均落在本说明书的实质范围之内，理应受到本发明的保护。