海上风电场集电电缆路径规划方法、装置及计算机设备

技术领域

本申请涉及风力发电工程技术领域，尤其涉及一种海上风电场集电电缆路径规划方法、装置及计算机设备。

背景技术

海上风电场通过集电电缆将风力机电能汇集到升压站送出，风力机位置确定后，集电电缆链接拓扑方案会影响到电缆的长度和规格、工程造价、风电场功率损失、运行效益等等。以工程造价、运行效益等为优化目标，对集电线路链接方案进行优化布置是风电场工程设计重要的工作之一。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请的目的在于提出一种海上风电场集电电缆路径规划方法、装置及计算机设备，能够实现集电电缆布置方案的多目标优化，获得较优的集电电缆布置方案，实用性强。

为达到上述目的，本申请第一方面实施例提出一种海上风电场集电电缆路径规划方法，包括：

确定回路链接方案的优化目标；

以所述升压站为极点，计算每台所述风力机的极坐标角度；

建立一个数组集合M，其中，数组Mi为第i个风力机分配方案中每个回路设定的风力机机位数量，i为正整数；

若所述数组集合M中的数组个数小于预设阈值，则根据所述优化目标，采用遍历算法对每个数组中各个回路的风力机链接路径进行优化，以确定海上风电场集电电缆的推荐链接路径；

若所述数组集合M中的数组个数不小于预设阈值，则根据所述优化目标，采用遗传算法对每个数组中各个回路的风力机链接路径进行优化，以确定海上风电场集电电缆的推荐链接路径。

为达到上述目的，本申请第二方面实施例提出一种海上风电场集电电缆路径规划装置，包括：

确定模块，用于确定回路链接方案的优化目标；

计算模块，用于以所述升压站为极点，计算每台所述风力机的极坐标角度；

建立模块，用于建立一个数组集合M，其中，数组Mi为第i个风力机分配方案中每个回路设定的风力机机位数量，i为正整数；

处理模块，用于若所述数组集合M中的数组个数小于预设阈值，则根据所述优化目标，采用遍历算法对每个数组中各个回路的风力机链接路径进行优化，以确定海上风电场集电电缆的推荐链接路径；

所述处理模块，还用于若所述数组集合M中的数组个数不小于预设阈值，则根据所述优化目标，采用遗传算法对每个数组中各个回路的风力机链接路径进行优化，以确定海上风电场集电电缆的推荐链接路径。

本申请第三方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，当所述程序被处理器被执行时实现如第一方面实施例所述的海上风电场集电电缆路径规划方法。

本申请第四方面实施例提出了一种计算机设备，包括处理器、存储器和存储在所述存储器上并可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，实现如第一方面实施例所述的海上风电场集电电缆路径规划方法。

本申请第五方面实施例提出了一种计算机程序产品，包括计算机程序或计算机指令，所述计算机程序或所述计算机指令被处理器执行时实现如第一方面实施例所述的海上风电场集电电缆路径规划方法。

本申请提出的海上风电场集电电缆路径规划方法、装置及计算机设备，至少存在如下有益效果：

通过确定回路链接方案的优化目标，以升压站为极点，计算每台风力机的极坐标角度，建立一个数组集合M，其中，数组Mi为第i个风力机分配方案中每个回路设定的风力机机位数量，i为正整数，若数组集合M中的数组个数小于预设阈值，则根据优化目标，采用遍历算法对每个数组中各个回路的风力机链接路径进行优化，以确定海上风电场集电电缆的推荐链接路径；若数组集合M中的数组个数不小于预设阈值，则根据优化目标，采用遗传算法对每个数组中各个回路的风力机链接路径进行优化，以确定海上风电场集电电缆的推荐链接路径。由此，实现了根据风力机分配方案的数量来选择不同的方式来确定海上风电场集电电缆的推荐链接路径。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是本申请一实施例提出的海上风电场集电电缆路径规划方法的流程示意图；

图2(a)是扰动因子R

图2(b)是扰动因子S

图3(a)是链接方案优化参数配置示例图；

图3(b)是工程A对应的电缆推荐链接方案示例图；

图3(c)是工程B对应的电缆推荐链接方案示例图；

图4是本申请一实施例提出的海上风电场集电电缆路径规划装置的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。相反，本申请的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。

本申请涉及的相关名词解释如下：

集电电缆：即是汇集风力机所发电量并输送至升压站的输电系统，海上风电场集电线路主要由海缆、海缆终端头、海缆连接头、风机环网柜组成。

海上风电场通过集电电缆将风力机电能汇集到升压站送出，风力机位置确定后，集电电缆链接拓扑方案会影响到电缆的长度和规格、工程造价、风电场功率损失、运行效益等等。以工程造价、运行效益等为优化目标，对集电线路链接方案进行优化布置是风电场工程设计重要的工作之一。

集电电缆的布置(也称集电电缆拓扑)需要考虑风场的规模、风机单机容量、海缆电压等级、冗余度或可靠性要求、工程造价，甚至开发商风险承担能力等各种因素，因此，集电线路设计是一个多目标优化、权衡博弈的过程。

在现有技术中，一般采用模糊聚类(FuzzyC-Means，FCM)算法对全场风机进行每个回路中的风力机分配(区域划分)。对于每个回路中(区域内)风力机的优化连接一般通过Prime最小生成树法获取，其优化目标为回路电缆路径最短。考虑到多目标优化的需求，现有技术中有对上述优化连接进行改进，提出成本最小树算法，其算法流程为：在距离最小树的基础上通过增加边形成环，并删除环上的边，形成新的树，计算新的树成本是否更优，如果更优则更新树，否则继续迭代。

区别于陆上风电场，海上风电场集电电缆路径规划特点是：1)每个回路中的风力机分配不受地形影响；2)电缆路径不受地形影响或受地形影响较弱；3)风力机单机容量大，使每回路风力机台数相对陆上较少；4)风力机顺主导风向间隔距离大；5)随着精细化设计的发展，风力机机位布置由规则向不规则发展。

针对海上风电场的上述特点，本申请提出一种针对星型-树状链式结构接线方式的优化方法，其中，星型-树状链式结构是指：电缆以升压站为出发点呈放射状将风力机串接，在风力机节点处允许有树状分支。对于星型-树状链式结构接线方式优化布置基本步骤为：1)将风电场风力机按照集电线路回路数分组；2)按照优化目标，对每个回路链接方案进行优化。

本申请在风电场风力机回路(区域)分配、区域内风力机优化链接方法和优化方法等方面提出改进方案，具体包括：

(1)区域内风机链接优化：本申请在Prime最小生成树法的选择条件公式中增加一个扰动因子，随机设定扰动因子，获取N个链接方案作为粒子群，采用粒子群算法获取较优方案，可以方便地实施多目标优化。由于申请的方案是先通过改变扰动因子形成不同的连接方案，然后计算整个方案的优化目标值，而不是仅依靠prime方法在连接方案形成过程中进行优选，所以申请的方案相较于现有技术的方案，能够更方便地实施多目标优化。优化目标可以量化时，可以使用粒子群算法优化计算；优化目标为定性分析时，可作为否决条件对方案进行筛选。

(2)针对海上风电场的特点，本申请的方案提出一种简单的回路分配方法：以升压站位置为极点，计算每台风机的极坐标角度，以任一机位的极坐标角度为起点，顺时针按照每个回路的设定风力机台数，依次分配风力机到各个回路，遍历风电场所有风力机作为起始点，采用(1)中所述的区域内风机链接优化方法链接每个回路，选取优化目标较优者作为推荐方案。

(3)在实际工程中往往会遇到风电场风力机数量不能被升压站设定回路数整除的情况。本申请采用随机分配方法将尾数分配到各个回路，形成N个分配方案，通过上述(1)和(2)的方法获取每个分配方案的链接拓扑方案，采用遗传算法获取较优方案作为推荐方案。另外，当回路数和尾数组合方案较小时，在本申请所提供方案的实际应用中，工作人员也可以选择采用遍历的方法获取较优方案。

下面结合附图对本申请提出的海上风电场集电电缆路径规划方法、装置及计算机设备进行说明。

图1是本申请一实施例提出的海上风电场集电电缆路径规划方法的流程示意图。

其中，需要说明的是，本实施例的海上风电场集电电缆路径规划方法的执行主体为海上风电场集电电缆路径规划装置，该海上风电场集电电缆路径规划装置可以由软件和/或硬件的方式实现，该海上风电场集电电缆路径规划装置可以配置在计算机设备中，计算机设备可以包括但不限于终端、服务器端等。

如图1所示，该海上风电场集电电缆路径规划方法包括以下步骤：

步骤101，确定回路链接方案的优化目标。

本实施例中，可以获取风力机数据、升压站数据、电缆数据等相关数据，来确定回路链接方式的优化目标。其中，风力机数据可以包括但不限于风力机的位置坐标、风力机功率等；升压站数据可以包括但不限于升压站的位置坐标、允许风场集电电缆接入回路数等；电缆数据可以包括但不限于载流量、单位价格、电缆附件价格、安装价格、直流电阻、电压等级等。还可以获取依据优化目标需要的其他相关数据。能够理解的是，上述数据可以由工作人员输入。

由于本申请的方案采用了粒子群算法和遗传算法获取较优方案，所以优化目标值可以是任何受链接拓扑方案影响且可以量化的目标值。如果某些优化目标值是不可量化的定性目标，也可以在优化过程中作为否定因素剔出那些不符合要求的链接方案。下面举例说明不同的优化目标。

1)沿电缆路径累加的优化指标值计算

设立数组集合W(Nf,Ns,C,L)，集合中每一项W

其中，k为机位节点i的下级节点数量。

2)与电缆长度有关的优化目标值计算

设立数组集合W(Nf,Ns,C,L)，集合中每一项W

其中，k为机位节点i的下级节点数量。

3)与拓扑结构有关的优化目标值

在实际工程中可能存在其他优化目标值的情况，工作人员可以自行编制优化目标值计算方法，使用本申请提供的方法获取较优方案。还可以对各种目标值加权求和获取综合优化目标值，再使用本申请提供的方法获取较优方案。

4)电缆型号选择

实际工程中，需要根据电缆载流量选择电缆。设定节点对优化目标贡献值Ci为风力机输出电流，通过上述公式(1)获得每个风机节点的输出电流Ii，再与电缆标定载流量比较选择相应的电缆。

步骤102，以升压站为极点，计算每台风力机的极坐标角度。

步骤103，建立一个数组集合M，其中，数组Mi为第i个风力机分配方案中每个回路设定的风力机机位数量，i为正整数。

本实施例中，可以预先建立一个数组集合，记为M，该数组集合M中的每个数组，代表一个风力机分配方案，每个风力机分配方案对应数组中的各个元素，代表该分配方案中每个回路设定的风力机机位数量。

在本申请实施例一种可能的实现方式中，当每个回路设定的风力机台数相等时，数组集合M中的数组为1；当风场中风力机数量N不能被升压站允许的集电电缆回路数G整除、且回路之间的风力机机位数量差为1时，数组集合M中的数组个数为

需要说明的是，依据风电场电力系统的约束或工程建设需求，还可以设置更多的组合方式，本申请对此不作限制。

步骤104，若数组集合M中的数组个数小于预设阈值，则根据优化目标，采用遍历算法对每个数组中各个回路的风力机链接路径进行优化，以确定海上风电场集电电缆的推荐链接路径。

步骤105，若数组集合M中的数组个数不小于预设阈值，则根据优化目标，采用遗传算法对每个数组中各个回路的风力机链接路径进行优化，以确定海上风电场集电电缆的推荐链接路径。

本申请实施例中，根据数组集合M中包含的数组个数与预设阈值的大小关系，可以选择不同的优化方式，根据确定的优化目标进行优化计算，以确定海上风电场集电电缆的推荐链接路径。

其中，预设阈值可以由工作人员预先设定，比如，可以设置预设阈值为300、500等，也可以根据遗传算法中的迭代次数和种群数量确定，比如，可以确定预设阈值为遗传算法中迭代次数*种群数量*3，本申请对此不作限制。

本实施例中，当数组集合M中的数组个数小于预设阈值时，则可以根据优化目标，采用遍历算法对每个数组中各个回路的风力机链接路径进行优化，以确定海上风电场集电电缆的推荐链接路径；当数组集合M中的数组个数不小于预设阈值时，则可以根据优化目标，采用遗传算法对每个数组中各个回路的风力机链接路径进行优化，以确定海上风电场集电电缆的推荐链接路径。下面分别对采用遍历算法和遗传算法进行优化计算的具体实现过程进行说明。

本实施例中，采用遍历算法对每个数组中各个回路的风力机链接路径进行优化，以确定海上风电场集电电缆的推荐链接路径，可以包括以下步骤：

Step1，从数组集合M中获取一个数组Mi；

Step2，以任一风力机机位的极坐标角度为起点，顺时针按照数组Mi中设定的每个回路的风力机台数，将每台风力机分配至对应回路，并依据预先建立的扰动因子与链接方式的映射关系，采用粒子群算法，确定各个回路链接方案的优化目标值，并记录所有回路链接方案对应的优化目标值中的最优优化目标值；

Step3，遍历每个风力机机位的极坐标角度为起点，进行Step2的计算，根据每次记录的最优优化目标值，确定数组Mi对应的候选推荐回路链接方案，并记录候选推荐回路链接方案对应的优化目标值；

Step4，重复执行Step1至Step3，直至数组集合M中的每个数组均处理完成，根据每个候选回路推荐链接方案对应的优化目标值，从候选回路推荐链接方案中确定出海上风电场集电电缆的推荐链接路径。

本实施例中，可以依次获取数组集合M中的数组进行优化，比如，先获取数组集合M中的第一个数组(记为M

其中，优化目标值最优的判断与优化目标类型相关，比如，优化目标为所用的电缆长度最小，则选取优化目标值最优者作为风电场集电电缆链接推荐方案，即选取的是优化目标值最小(电缆长度最短)的链接方案；又比如，优化目标为集电电缆造价最低，则选取优化目标值最优者作为风电场集电电缆链接推荐方案，即选取的是优化目标值最低(整体造价最低)的链接方案。

本实施例中，采用遗传算法对每个数组中各个回路的风力机链接路径进行优化，以确定海上风电场集电电缆的推荐链接路径，可以包括以下步骤：

Step01，从数组集合M中随机获取Ns个数组以组成回路分配数组集合Ms；

Step02，以每个风力机机位的极坐标角度为起点，顺时针按照回路分配数组集合Ms内每个数组Msa中设定的每个回路的风力机台数，将每台风力机分配至对应回路，并依据预先建立的扰动因子与链接方案的映射关系，采用粒子群算法，确定各个回路链接方案的优化目标值，并根据各个回路链接方案的优化目标值，确定每个数组Msa对应的优化目标值T

Step03，创建数组Q，并按照如下公式(3)确定数组Q中的元素Q

其中，a＝1～Ns，当a＝1时，Q

Step04，获取Ns个范围在0～1之间的随机数Ra，并按照如下公式(4)获取Ns个整数k，

Q

其中，a＝1～Ns，当R

Step05，根据获取的Ns个整数k，从数组集合Ms中选择Ns个回路链接方案以组成父代种群数组集合Mf；

Step06，在父代种群数组集合Mf中随机选择Ns对回路链接方案，每对回路链接方案对应的分配数组分别为Mfg和Mfw，且g≠w，g和w均为正整数；

Step07，建立新的链接方案数组Mz，并按照如下公式(5)为链接方案数组Mz赋值，并对Mfg(k)≠Mfw(k)的项进行标记以获取标记项，如果链接方案数组Mz中的风力机机位总数大于风电场机位总数，则随机在标记项中减去一个机位，且每个标记项仅减一个机位，直到使链接方案数组Mz中的风力机机位总数等于风电场机位总数，返回执行Step06，直至获得Ns个链接方案数组Mz作为杂交种群；

M

Step08，针对父代种群数据集合Mf中的数组Mfp(p＝1～NS)，调换数组Mfp中不同回路的风力机机位数，以获得新的数组集合Mb作为变异种群；

Step09，按照Step02，获取父代种群数据集合Mf、链接方案数组Mz和数组集合Mb中每个数组对应的优化目标值，并根据优化目标值获取前Ns个数组以确定新的群种数组集合Ms；

Step10，若迭代次数小于预设次数，则返回执行Step03及后续步骤，否则，根据父代种群数据集合Mf、链接方案数组Mz和数组集合Mb中每个数组对应的优化目标值，确定海上风电场集电电缆的推荐链接路径。

本实施例中，可以先设定种群数量为Ns，在数组集合M中随机获取Ns个分配方案(即数组)，组成回路分配数组集合Ms。对于回路分配数组集合Ms中的每个数组Msa(a＝1～Ns)，采用步骤Step02，计算每个数组Msa的优化目标值。在步骤Step08中，调换数组Mfp中不同回路的风力机机位数时，可以对数组Mfp中分配机位数多的回路和机位数少的回路进行机位数随机对调一项或多项，以获得变异种群。在步骤Step09中，按照Step02的计算过程，获取父代种群数据集合Mf、链接方案数组Mz和数组集合Mb中每个数组对应的优化目标值，即共获得3*Ns个回路分配方案的优化目标值，保留优化目标值前Ns个的回路分配方案作为新的群种数组集合Ms。当迭代次数小于预设次数时，返回步骤Step03再次执行该步骤及后续步骤，直至迭代次数达到预设次数，将优化目标值最优方案作为推荐方案。

在上述采用遍历算法和采用遗传算法对每个数组中各个回路的风力机链接路径进行优化的过程中，需要预先建立扰动因子与链接方案的映射关系，下面对扰动因子与链接方案的映射关系进行解释说明。

本实施例中，扰动因子与链接方案的映射关系如公式(6)所示：

D

其中，W

本实施例中，当获取了回路需要链接的风力机、以及升压站位置后，本申请所提供的方法采用改进Prime最小生成树法形成链接拓扑方案，具体步骤如下：

第一步：建立机位节点集合S，用于保存已链接的机位节点，并存入升压站进线端口坐标为第一个节点S

D

公式(7)中：θ为风力机机位节点W

第二步：按上述公式(6)计算每一个未链接节点W

将D

本实施例中，通过设置不同的扰动因子R

之后，建立了扰动因子和链接方案的映射关系后，可以采用粒子群算法，获取较优的回路链接方案。本实施例中，依据预先建立的扰动因子与链接方案的映射关系，采用粒子群算法，确定各个链接方案的优化目标值，可以包括以下步骤：

Step a，获取m个0～1之间的随机数R

其中，V

Step b，将获取的随机数R

Step c，分别按照如下公式(9)、(10)更新粒子位置R

V

w＝e

S

其中，t为迭代次数；

Step d，若t小于预设迭代次数阈值，则返回执行Step b，直至t达到预设迭代次数阈值。

本实施例的海上风电场集电电缆路径规划方法，通过确定回路链接方案的优化目标，以升压站为极点，计算每台风力机的极坐标角度，建立一个数组集合M，其中，数组Mi为第i个风力机分配方案中每个回路设定的风力机机位数量，i为正整数，若数组集合M中的数组个数小于预设阈值，则根据优化目标，采用遍历算法对每个数组中各个回路的风力机链接路径进行优化，以确定海上风电场集电电缆的推荐链接路径；若数组集合M中的数组个数不小于预设阈值，则根据优化目标，采用遗传算法对每个数组中各个回路的风力机链接路径进行优化，以确定海上风电场集电电缆的推荐链接路径。由此，实现了根据风力机分配方案的数量来选择不同的方式来确定海上风电场集电电缆的推荐链接路径，能够获得较优的集电电缆布置方案。

下面结合具体工程来说明本申请的优势。

在工程A中，场区南北方向约6300m，东西方向约8800m，风电场规划容量361.2WM，风电场布置56台容量6450kW的风力机，集电电缆采用35kV海底电缆，电缆参数如表1所示，升压站进线电缆回路数12。

表1

该示例中，链接方案优化参数设置如图3(a)所示，从图3(a)可以看出，回路优化设置中，迭代次数50，种群数量30，粒子更新最大速度0.05，整体敏感系数C1＝0.5，个体敏感系数C2＝0.2。场区优化设置中，迭代次数10，种群数量30，组合最小数500。以风电场电缆造价最低为优化目标值，即：1)计算回路第i个机位节点的输出电流；2)选择本节点到上级节点链接电缆型号；3)计算本节点到上级节点的长度；4)计算电缆价格，遍历回路中所有节点，获得电缆总造价Cm。该回路的优化目标值为T＝1/Cm。优化结果如表2所示，最终推荐的链接拓扑方案如图3(b)所示。

表2

在工程B中，场区南北方向约6000m，东西方向约10000m，该风电场场地特点是顺主导风向狭长，风机机位布置规整。风电场规划容量462WM。风电场布置66台容量7000kW风机。集电电缆采用35kV海底电缆，电缆参数如表1所示，升压站进线电缆回路数16。该示例中，仍采用如图3(a)所示的链接方案优化参数设置，则最终的优化结果如表3所示，最终推荐的链接拓扑方案如图3(c)所示。

表3

需要说明的是，本申请所提供的方案不仅可以应用于风力发电工程，还可以应用到其他工程领域。比如，光伏发电场光伏元件发出的电能汇集到升压箱，升压后通过电缆汇集到升压变电站，这些升压箱有十几个，甚至几十个，且可能是不规则地分布在场区内，当场地对电缆走向约束不大时，本申请所提供的方案也可用于光伏发电场升压箱到升压变电站的电缆链接方案优化；又比如，对于场地对电缆走向约束不大的陆上风电场，也可以应用本申请所提供的方案来获取电缆链接方案；再比如，将供水站视为升压站，将各个供水点视为风力机，将管道压降、出口水压范围等作为优化目标值，本申请所提供的方案也可用于农业灌溉网络规划布置优化。

为了实现上述实施例，本申请还提出了一种海上风电场集电电缆路径规划装置。

图4是本申请一实施例提出的海上风电场集电电缆路径规划装置的结构示意图，如图4所示，该海上风电场集电电缆路径规划装置20包括：

确定模块210，用于确定回路链接方案的优化目标。

计算模块220，用于以所述升压站为极点，计算每台所述风力机的极坐标角度。

建立模块230，用于建立一个数组集合M，其中，数组Mi为第i个风力机分配方案中每个回路设定的风力机机位数量，i为正整数。

在本申请实施例一种可能的实现方式中，建立模块230具体用于：当每个所述回路设定的风力机台数相等时，数组集合M中的数组为1；当风场中风力机数量N不能被所述升压站允许的集电电缆回路数G整除、且回路之间的风力机机位数量差为1时，数组集合M中的数组个数为

处理模块240，用于若所述数组集合M中的数组个数小于预设阈值，则根据所述优化目标，采用遍历算法对每个数组中各个回路的风力机链接路径进行优化，以确定海上风电场集电电缆的推荐链接路径。

所述处理模块240，还用于若所述数组集合M中的数组个数不小于预设阈值，则根据所述优化目标，采用遗传算法对每个数组中各个回路的风力机链接路径进行优化，以确定海上风电场集电电缆的推荐链接路径。

在本申请实施例一种可能的实现方式中，处理模块240具体用于执行如下操作：

Step1，从所述数组集合M中获取一个数组Mi；

Step2，以任一所述风力机机位的极坐标角度为起点，顺时针按照所述数组Mi中设定的每个回路的风力机台数，将每台所述风力机分配至对应回路，并依据预先建立的扰动因子与链接方式的映射关系，采用粒子群算法，确定各个回路链接方案的优化目标值，并记录所有回路链接方案对应的优化目标值中的最优优化目标值；

Step3，遍历每个所述风力机机位的极坐标角度为起点，进行Step2的计算，根据每次记录的所述最优优化目标值，确定所述数组Mi对应的候选推荐回路链接方案，并记录所述候选推荐回路链接方案对应的优化目标值；

Step4，重复执行Step1至Step3，直至所述数组集合M中的每个数组均处理完成，根据每个所述候选回路推荐链接方案对应的优化目标值，从所述候选回路推荐链接方案中确定出海上风电场集电电缆的推荐链接路径。

在本申请实施例一种可能的实现方式中，处理模块240具体还用于执行如下操作：

Step01，从所述数组集合M中随机获取Ns个数组以组成回路分配数组集合Ms；

Step02，以每个所述风力机机位的极坐标角度为起点，顺时针按照所述回路分配数组集合Ms内每个数组Msa中设定的每个回路的风力机台数，将每台所述风力机分配至对应回路，并依据预先建立的扰动因子与链接方案的映射关系，采用粒子群算法，确定各个回路链接方案的优化目标值，并根据所述各个回路链接方案的优化目标值，确定每个数组Msa对应的优化目标值T

Step03，创建数组Q，并按照如下公式确定所述数组Q中的元素Q

其中，a＝1～Ns，当a＝1时，Q

Step04，获取Ns个范围在0～1之间的随机数Ra，并按照如下公式获取Ns个整数k，

Q

其中，a＝1～Ns，当R

Step05，根据获取的所述Ns个整数k，从所述数组集合Ms中选择Ns个回路链接方案以组成父代种群数组集合Mf；

Step06，在所述父代种群数组集合Mf中随机选择Ns对回路链接方案，每对回路链接方案对应的分配数组分别为Mfg和Mfw，且g≠w；

Step07，建立新的链接方案数组Mz，并按照如下公式为所述链接方案数组Mz赋值，并对Mfg(k)≠Mfw(k)的项进行标记以获取标记项，如果所述链接方案数组Mz中的风力机机位总数大于风电场机位总数，则随机在所述标记项中减去一个机位，且每个所述标记项仅减一个机位，直到使所述链接方案数组Mz中的风力机机位总数等于所述风电场机位总数，返回执行Step06，直至获得Ns个链接方案数组Mz作为杂交种群，

M

Step08，针对所述父代种群数据集合Mf中的数组Mfp(p＝1～NS)，调换所述数组Mfp中不同回路的风力机机位数，以获得新的数组集合Mb作为变异种群；

Step09，按照Step02，获取所述父代种群数据集合Mf、所述链接方案数组Mz和所述数组集合Mb中每个数组对应的优化目标值，并根据所述优化目标值获取前Ns个数组以确定新的群种数组集合Ms；

Step10，若迭代次数小于预设次数，则返回执行Step03及后续步骤，否则，根据所述父代种群数据集合Mf、所述链接方案数组Mz和所述数组集合Mb中每个数组对应的优化目标值，确定海上风电场集电电缆的推荐链接路径。

在本申请实施例一种可能的实现方式中，所述海上风电场集电电缆路径规划装置20还包括：

预处理模块，用于预先建立扰动因子与链接方案的映射关系，其中，扰动因子与链接方案的映射关系如下：

根据如下公式确定回路链接方案中的第一个机位节点：

D

其中，D

根据如下公式确定回路链接方案中除第一个机位节点之外的其余机位节点：

D

其中，W

在本申请实施例一种可能的实现方式中，处理模块240具体还用于执行如下操作，以确定各个回路链接方案的优化目标值：

Step a，获取m个0～1之间的随机数R

其中，V

Step b，将获取的所述随机数R

Step c，分别按照如下公式更新粒子位置：

其中，t为迭代次数；

Step d，若t小于预设迭代次数阈值，则返回执行Step b，直至t达到所述预设迭代次数阈值。

需要说明的是，前述对海上风电场集电电缆路径规划方法实施例的解释说明也适用于该实施例的海上风电场集电电缆路径规划装置，其实现原理类似，此处不再赘述。

本申请实施例的海上风电场集电电缆路径规划装置，通过确定回路链接方案的优化目标，以升压站为极点，计算每台风力机的极坐标角度，建立一个数组集合M，其中，数组Mi为第i个风力机分配方案中每个回路设定的风力机机位数量，i为正整数，若数组集合M中的数组个数小于预设阈值，则根据优化目标，采用遍历算法对每个数组中各个回路的风力机链接路径进行优化，以确定海上风电场集电电缆的推荐链接路径；若数组集合M中的数组个数不小于预设阈值，则根据优化目标，采用遗传算法对每个数组中各个回路的风力机链接路径进行优化，以确定海上风电场集电电缆的推荐链接路径。由此，实现了根据风力机分配方案的数量来选择不同的方式来确定海上风电场集电电缆的推荐链接路径，能够获得较优的集电电缆布置方案。

为了实现上述实施例，本申请还提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，当所述程序被处理器被执行时实现如前述实施例所述的海上风电场集电电缆路径规划方法。

为了实现上述实施例，本申请还提出了一种计算机设备，包括处理器、存储器和存储在所述存储器上并可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，实现如前述实施例所述的海上风电场集电电缆路径规划方法。

为了实现上述实施例，本申请还提出了一种计算机程序产品，包括计算机程序或计算机指令，所述计算机程序或所述计算机指令被处理器执行时实现如前述实施例所述的海上风电场集电电缆路径规划方法。

需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。