【技术实现步骤摘要】
本专利技术属于新能源，特别是一种新能源设计优化方法及系统。
技术介绍
1、随着全球对可再生能源的关注日益增加，新能源技术的发展正在快速推进。风能、太阳能、地热能等可再生能源的应用不仅在减缓全球变暖、降低温室气体排放方面发挥着重要作用，同时在实现能源的可持续利用、保障能源安全方面也成为重点研究领域。新能源系统的设计与优化直接关系到其经济性和效率，因此开发出一种有效的优化方法显得尤为重要。
技术实现思路
1、本专利技术的目的是提供一种新能源设计优化方法及系统，以解决现有技术中的不足，能够通过综合考虑多元参数候选集、迭代优化和深度学习技术，不仅提高参数优化的科学性和效率，还增强性能预测的准确性和可靠性。
2、本申请的一个实施例提供了一种新能源设计优化方法，所述方法包括：
3、根据新能源系统的初始设计参数，对参数的初始值进行初始化处理，生成多元参数候选集；
4、根据当前多元参数候选集，通过演化过程进行迭代优化，得到优化参数组；
5、利用模糊聚类技术对优化参数组进行分类，并分别训练用于预测每类优化参数对应的新能源系统子性能的深度学习预测子模型；
6、根据分类后的每类优化参数，基于训练好的各个深度学习预测子模型，对新能源系统的各项子性能进行预测；
7、如果存在子性能的预测结果未达到预设标准，将未达到预设标准的子性能对应的优化参数作为新的多元参数候选集，返回执行根据当前多元参数候选集，通过演化过程进行迭代优化，得到优化参数组
8、可选的，所述根据新能源系统的初始设计参数，对参数的初始值进行初始化处理，生成多元参数候选集，包括：
9、对初始设计参数进行归一化处理，将其转换到[0,1]区间，以适应混沌映射的输入要求；
10、利用预设的混沌映射函数，以归一化后的初始设计参数作为输入，生成对应的混沌序列，该混沌序列通过多次迭代混沌映射函数得到，在每次迭代中生成的新数值将作为下一步迭代的输入；
11、将生成的混沌序列进行反归一化处理以映射回原始的参数范围，并将各个混沌序列值逐一映射为新能源系统的具体参数，作为多元参数候选集。
12、可选的，所述根据当前多元参数候选集，通过演化过程进行迭代优化，得到优化参数组，包括：
13、根据所述多元参数候选集构建初始种群，其中，种群中的每个个体代表一个特定的参数组合；
14、利用预设的适应度函数为每个个体计算适应度值，其中，所述适应度函数采用加权方式，将各个新能源系统性能指标归一化后结合；
15、采用生物启发的选择机制，选择适应度值高于预设适应度阈值的个体，并通过交叉操作和变异操作生成新个体，将选择的个体与新个体作为新一代种群；
16、针对所述新一代种群，返回执行所述利用预设的适应度函数为每个个体计算适应度值的步骤，以进行迭代优化，直至迭代达到预设最大代数或适应度变化小于预设变化阈值；
17、获取最终代中适应度最高的个体，作为优化参数组。
18、可选的，所述利用模糊聚类技术对优化参数组进行分类,包括：
19、获取应用于模糊聚类的目标函数，并确定聚类数目，其中，所述目标函数表示每个优化参数组与每个聚类中心的隶属度；
20、通过计算每个优化参数与各个聚类的隶属度，将优化参数分配到与该优化参数隶属度最小的聚类中。
21、本申请的又一实施例提供了一种新能源设计优化系统，所述系统包括：
22、处理模块，用于根据新能源系统的初始设计参数，对参数的初始值进行初始化处理，生成多元参数候选集；
23、优化模块，用于根据当前多元参数候选集，通过演化过程进行迭代优化，得到优化参数组；
24、训练模块，用于利用模糊聚类技术对优化参数组进行分类，并分别训练用于预测每类优化参数对应的新能源系统子性能的深度学习预测子模型；
25、预测模块，用于根据分类后的每类优化参数，基于训练好的各个深度学习预测子模型，对新能源系统的各项子性能进行预测；
26、迭代模块，用于如果存在子性能的预测结果未达到预设标准，将未达到预设标准的子性能对应的优化参数作为新的多元参数候选集，返回执行根据当前多元参数候选集，通过演化过程进行迭代优化，得到优化参数组的步骤，直至所有子性能的预测结果均达到预设标准。
27、本申请的又一实施例提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项中所述的方法。
28、本申请的又一实施例提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项中所述的方法。
29、与现有技术相比，本专利技术提供的一种新能源设计优化方法，根据新能源系统的初始设计参数，对参数的初始值进行初始化处理，生成多元参数候选集；根据当前多元参数候选集，通过演化过程进行迭代优化，得到优化参数组；利用模糊聚类技术对优化参数组进行分类，并分别训练用于预测每类优化参数对应的新能源系统子性能的深度学习预测子模型；根据分类后的每类优化参数，基于训练好的各个深度学习预测子模型，对新能源系统的各项子性能进行预测；如果存在子性能的预测结果未达到预设标准，将未达到预设标准的子性能对应的优化参数作为新的多元参数候选集，返回执行根据当前多元参数候选集，通过演化过程进行迭代优，从而能够通过综合考虑多元参数候选集、迭代优化和深度学习技术，不仅提高参数优化的科学性和效率，还增强性能预测的准确性和可靠性。
本文档来自技高网...【技术保护点】
1.一种新能源设计优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据新能源系统的初始设计参数，对参数的初始值进行初始化处理，生成多元参数候选集，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据当前多元参数候选集，通过演化过程进行迭代优化，得到优化参数组，包括：
4.根据权利要求3所述的方法，其特征在于，所述利用模糊聚类技术对优化参数组进行分类,包括：
5.一种新能源设计优化系统，其特征在于，所述系统包括：
6.根据权利要求5所述的系统，其特征在于，所述处理模块，具体用于：
7.根据权利要求6所述的系统，其特征在于，所述优化模块，具体用于：
8.根据权利要求7所述的系统，其特征在于，所述训练模块，具体用于：
9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1-4中任一项所述的方法。
10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处
...【技术特征摘要】
1.一种新能源设计优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据新能源系统的初始设计参数，对参数的初始值进行初始化处理，生成多元参数候选集，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据当前多元参数候选集，通过演化过程进行迭代优化，得到优化参数组，包括：
4.根据权利要求3所述的方法，其特征在于，所述利用模糊聚类技术对优化参数组进行分类,包括：
5.一种新能源设计优化系统，其特征在于，所述系统包括：
6.根据权利要...
【专利技术属性】
技术研发人员：张雄飞，孔令磊，
申请(专利权)人：浙江煜龙电力设计有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。