JP2022136002A - Optimization system and method for parameter configuration of wave energy device - Google Patents
Optimization system and method for parameter configuration of wave energy device Download PDFInfo
- Publication number
- JP2022136002A JP2022136002A JP2022031268A JP2022031268A JP2022136002A JP 2022136002 A JP2022136002 A JP 2022136002A JP 2022031268 A JP2022031268 A JP 2022031268A JP 2022031268 A JP2022031268 A JP 2022031268A JP 2022136002 A JP2022136002 A JP 2022136002A
- Authority
- JP
- Japan
- Prior art keywords
- data
- wave energy
- energy device
- document
- aqwa
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004364 calculation method Methods 0.000 claims abstract description 83
- 238000004458 analytical method Methods 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 36
- 238000010248 power generation Methods 0.000 claims abstract description 31
- 238000004088 simulation Methods 0.000 claims abstract description 13
- 238000007667 floating Methods 0.000 claims description 46
- 230000002068 genetic effect Effects 0.000 claims description 44
- 230000006870 function Effects 0.000 claims description 36
- 239000013535 sea water Substances 0.000 claims description 15
- 238000013016 damping Methods 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 10
- 230000005484 gravity Effects 0.000 claims description 7
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 238000005094 computer simulation Methods 0.000 claims description 3
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 claims 1
- 238000007405 data analysis Methods 0.000 abstract description 3
- 208000034699 Vitreous floaters Diseases 0.000 description 17
- 230000008569 process Effects 0.000 description 14
- 230000035772 mutation Effects 0.000 description 8
- 238000010187 selection method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 108090000623 proteins and genes Proteins 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010353 genetic engineering Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/30—Energy from the sea, e.g. using wave energy or salinity gradient
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Biomedical Technology (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Other Liquid Machine Or Engine Such As Wave Power Use (AREA)
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、波力エネルギー発電分野、特に波力エネルギー装置のパラメータ設定の最適化システム及び方法に関する。 The present invention relates to the field of wave energy power generation, and more particularly to systems and methods for optimizing parameter settings of wave energy devices.
波力エネルギーは、海洋エネルギーの具体的な形態で、海洋エネルギーのうちの最も主要なエネルギーの一つであり、その開発及び使用は、エネルギー危機の緩和及び環境汚染の低減に非常に重要である。現在、グリーン再生可能エネルギーとして波力エネルギーは世界的に注目され、開発利用の将来性が広い。しかしながら、海の波の運動は不規則で不安定であり、どのように波力エネルギーを十分に利用するかについては、ますます科学研究作業者に注目されている。 Wave energy is a specific form of ocean energy and is one of the most major forms of ocean energy, and its development and use are of great importance for alleviating the energy crisis and reducing environmental pollution. . At present, wave energy is attracting attention worldwide as a green renewable energy, and has wide potential for development and utilization. However, the motion of ocean waves is erratic and unstable, and how to fully harness wave energy is of increasing interest to scientific researchers.
波力エネルギー装置は、波力エネルギーを捕捉して収集し、電気エネルギーに変換し、波力発電を実現する。しかしながら、構造パラメータの異なる波力エネルギー装置は、異なる海域条件での発電力に差異があり、具体的な海域条件での発電力が最大となる波力エネルギー装置の構造パラメータ設定、即ち波力エネルギー装置のパラメータの最適化設定をどのように見つけるかが、波力エネルギー発電研究の重要な技術になっている。 A wave energy device captures and collects wave energy, converts it into electrical energy, and realizes wave power generation. However, wave energy devices with different structural parameters have different power generation under different sea conditions. How to find the optimal settings of the parameters of the device has become a key technique in wave energy power research.
実際の研究において、波力エネルギー装置を最適化する場合に、エネルギー獲得電力と構造パラメータとの間の関係は常に見えなくて複雑であり、設計変数の増加に伴い、異なる変数マッチングの組合せも倍増する。例えば、実際の海域に配置された波力エネルギー装置のエネルギー捕捉の性能は常に浮体の形状寸法、ＰＴＯ減衰、アレイ配列方式などの要因に影響されるので、大量のデータに依存するしか波力エネルギー装置に対してエネルギー獲得電力の影響パラメータの分析を行うことができず、それによって装置の影響パラメータの最適なマッチングを得る。しかし、物理モデル試験手段により当該大量のデータの需要を満たすことは明らかに困難である。一方、数値シミュレーション方法により、即ち数値シミュレーションソフトウェアを利用して手動で異なるパラメータマッチングの波力エネルギー装置モデルを確立し、関連エネルギー獲得データを処理して取得する場合、効率が低く、時間がかかり、短時間で十分なデータが取得できないなどの問題がある。 In practical research, when optimizing wave energy devices, the relationship between energy capture power and structural parameters is always invisible and complicated, and with the increase of design variables, the combination of different variable matching also doubles. do. For example, the energy capture performance of a wave energy device deployed in an actual sea area is always influenced by factors such as the geometry of the floating body, PTO damping, and the array arrangement method, so it can only rely on a large amount of data. No energy capture power influence parameter analysis can be performed for the device, thereby obtaining the best matching of the device influence parameters. However, it is obviously difficult to meet the demand for such large amounts of data by means of physical model testing. On the other hand, through numerical simulation methods, that is, using numerical simulation software to manually establish wave energy device models with different parameter matching, and process and acquire relevant energy acquisition data, is inefficient, time-consuming, and There are problems such as not being able to acquire sufficient data in a short time.
上記の課題について、本発明は、簡単で快速な方法により、具体的な海域条件での発電力が最大の波力エネルギー装置の構造パラメータ設定を効率的に見つけることができる波力エネルギー装置のパラメータ設定の最適化システム及び方法を提供することを目的としている。 In view of the above problems, the present invention provides a simple and fast method for efficiently finding the structural parameter setting of a wave energy device with the maximum power generation under specific sea conditions. It is an object to provide a configuration optimization system and method.
本発明は、ＭＡＴＬＡＢ（登録商標）言語とＷｉｎｄｏｗｓ（登録商標）バッチコマンドで書かれたものであって、波力エネルギー装置の具体的な形式に基づいて構築されたＭＡＴＬＡＢ、ＡＱＷＡ（登録商標）及びＡＰＤＬの協調シミュレーションシステムであり、シミュレーションモデリングの作成、データの読み込み・読み取り、水動力の算出、エネルギー獲得データの出力を行い、前記波力エネルギー装置の平均発電力を算出するＭＡ－Ｓｙｓｔｅｍと、前記ＭＡ－Ｓｙｓｔｅｍの計算結果を知的最適化アルゴリズムと組み合わせ、平均発電力が最大の波力エネルギー装置に対応するパラメータを算出する最適化演算システムと、を含む波力エネルギー装置のパラメータ設定の最適化システムを提供している。 The present invention is written in the MATLAB® language and Windows® batch commands and is built upon specific forms of wave energy devices such as MATLAB, AQWA® and The MA-System, which is an APDL co-simulation system that creates simulation modeling, reads and reads data, calculates hydraulic power, outputs energy acquisition data, and calculates the average power generation of the wave energy device; an optimization calculation system that combines the calculation results of the MA-System with an intelligent optimization algorithm to calculate the parameters corresponding to the wave energy device with the highest average power generation. provides the system.
本発明では、ＭＡＴＬＡＢは、中央プラットフォームとして入出力データを集約して処理し、バッチコマンドによりソフトウェアを呼出し、ソフトウェア間のデータ伝送チャネルを建て、システム内のモジュールを順次直列に実行することで、ＭＡＴＬＡＢ、ＡＱＷＡ及びＡＰＤＬの協調シミュレーションを実現する。本発明によれば、大量のデータ分析を基に知的最適化アルゴリズムを採用して全自動最適化操作を行い、単一の波力エネルギー装置又は複数のアレイ配置の波力エネルギー装置に対してエネルギー獲得電力の影響パラメータの分析を行うことで、装置の影響パラメータの最適値を取得し、具体的な海域条件での発電力が最大となる波力エネルギー装置の構造パラメータ設定を見つける。本発明は網羅的な最適化に比べて、最適化時間を大幅に節約し、最適化効率を向上させ、波力エネルギーに対する十分な利用を簡単で効率的に実現することができる。 In the present invention, MATLAB as a central platform aggregates and processes input and output data, invokes software by batch commands, establishes data transmission channels between software, and serially executes modules in the system, so that MATLAB , AQWA and APDL co-simulation. According to the present invention, an intelligent optimization algorithm is adopted based on a large amount of data analysis to perform a fully automatic optimization operation for a single wave energy device or multiple array wave energy devices. An analysis of the influence parameters of the energy harvest power is performed to obtain the optimum values of the influence parameters of the device and find the structural parameter settings of the wave energy device that maximize the power generation under specific sea conditions. Compared with exhaustive optimization, the present invention can greatly save optimization time, improve optimization efficiency, and realize full utilization of wave energy simply and efficiently.
本発明では、前記ＭＡ－Ｓｙｓｔｅｍは、前記波力エネルギー装置の具体的な形式に基づいて、モデルの制御及びシミュレーション計算に用いる、波浪条件、計算用のステップサイズ及びステップ数、荷重の大きさ及び付勢方式、浮体構造パラメータ、浮体数及びアレイ配置、重力加速度、海水密度、海の水深を少なくとも含むパラメータ変数が、ＭＡＴＬＡＢにより定義され入力されるパラメータ入力モジュールと、ＡＰＤＬソフトウェアモデリングコマンドフローのフォーマットで前記パラメータ変数における浮体構造パラメータ、浮体数及びアレイ配置を第１データドキュメントに書き込み、ＡＰＤＬソフトウェアにより前記第１データドキュメントにおけるモデリングコマンドフローを読み出してモデル作成を完了し、少なくともモデルグリッドノードデータ及び水動力算出ユニットのデータを第２データドキュメントに格納するモデル生成モジュールと、ＡＱＷＡソフトウェアに基づいて周波数領域計算結果を算出する周波数領域算出ユニットと、ＡＱＷＡソフトウェア及び前記周波数領域計算結果に基づいて時間領域計算結果を算出する時間領域算出ユニットと、を含むＡＱＷＡソルバーモジュールと、前記時間領域計算結果が記憶されたデータドキュメントに含まれる浮体の運動変位と運動速度の時刻歴データを読み出し、時刻歴データとＰＴＯ減衰力に基づいて浮体の瞬時電力の時刻歴と平均電力を算出して出力するデータ処理モジュールと、を含んでもよい。 In the present invention, the MA-System includes wave conditions, step size and number of steps for calculation, load magnitude and A parameter input module in which parametric variables including at least biasing schemes, floating structure parameters, number of floating bodies and array configuration, acceleration of gravity, seawater density, and sea depth are defined and entered by MATLAB and in the format of an APDL software modeling command flow. Write floating structure parameters, number of floating bodies and array layout in said parameter variables into a first data document, read modeling command flow in said first data document by APDL software to complete model building, and at least model grid node data and hydraulic power a model generation module for storing the data of the computation unit in a second data document; a frequency domain computation unit for computing a frequency domain computation result based on the AQWA software; and a time domain computation result based on the AQWA software and the frequency domain computation result. a time domain calculation unit for calculating the AQWA solver module, reading the time history data of the motion displacement and motion velocity of the floating body included in the data document storing the time domain calculation result, and reading the time history data and the PTO attenuation A data processing module that calculates and outputs a time history and average power of the instantaneous power of the floating body based on the force.
本発明では、前記周波数領域算出ユニットにおいて、ＡＱＷＡソフトウェアの周波数領域計算入力ドキュメントのフォーマットで周波数領域分析データを第３データドキュメントに書き込み、ＡＱＷＡソフトウェアで前記第３データドキュメントを読み出して周波数領域分析を行い、分析結果を第４データドキュメントに記憶するようにし、前記周波数領域分析データは、前記パラメータ変数における重力加速度、海水密度及び海の水深と、前記浮体の構造パラメータにより自発算出された浮体重量、慣性モーメント及び重心位置と、前記第２データドキュメントにおけるモデルグリッドノードデータと水動力算出ユニットのデータと、を含み、前記時間領域算出ユニットにおいて、ＡＱＷＡソフトウェアの時間領域計算入力ドキュメントのフォーマットで、少なくとも波浪条件、計算用のステップサイズ及びステップ数、荷重の大きさ及び付勢方式を第５データドキュメントに書き込み、前記第４データドキュメントを読み込んだ上で、ＡＱＷＡソフトウェアで前記第５データドキュメントを読み出して時間領域分析を行い、分析結果を第６データドキュメントに記憶するようにしてもよい。 In the present invention, the frequency domain calculation unit writes the frequency domain analysis data in the frequency domain calculation input document format of the AQWA software to the third data document, reads the third data document with the AQWA software, and performs the frequency domain analysis. , the analysis result is stored in a fourth data document, and the frequency domain analysis data includes the gravitational acceleration, seawater density and seawater depth in the parameter variables, and the weight and inertia of the floating body spontaneously calculated from the structural parameters of the floating body. moment and center of gravity position, and model grid node data and hydraulic power calculation unit data in said second data document; , the step size and number of steps for calculation, the magnitude of the load and the biasing method are written in a fifth data document, the fourth data document is read, and the fifth data document is read by the AQWA software to perform the time domain An analysis may be performed and the analysis results stored in the sixth data document.
本発明では、前記知的最適化アルゴリズムは遺伝的最適化アルゴリズムであってもよい。 In the present invention, said intelligent optimization algorithm may be a genetic optimization algorithm.
本発明では、前記最適化演算システムは、前記ＭＡ－Ｓｙｓｔｅｍに入力されたパラメータ変数から少なくとも一つを最適パラメータ変数として選択し、他のパラメータ変数をそのまま保持するパラメータ変数選択モジュールと、前記最適パラメータ変数を符号化し、異なる変数の数値範囲に基づいて対応する符号長を決定して同一の個体符号列に統合し、複数の異なる個体符号列を生成し、遺伝的最適化アルゴリズムの初期個体群を構成する初期個体群生成モジュールと、前記ＭＡ－Ｓｙｓｔｅｍを呼び出し、前記初期個体群における異なる個体の平均発電力を個体の目的関数として算出し、各個体の関連エネルギー獲得データを第７データドキュメントに出力する目的関数生成モジュールと、前記目的関数を最大化することで、適応度関数を決定する適応度関数決定モジュールと、個体群において前記適応度関数により良好な個体を選択し劣悪な個体を排除し、遺伝代数に達するまで繰り返して選別し、最終的な遺伝的個体群における個体を最適個体とする遺伝的最適化演算モジュールと、前記最適個体を前記波力エネルギー装置の発電力が最大となる構造パラメータとして出力する最適パラメータ出力モジュールと、を含んでもよい。 In the present invention, the optimization calculation system comprises a parameter variable selection module that selects at least one of the parameter variables input to the MA-System as an optimal parameter variable and retains the other parameter variables as they are; Encode the variables, determine the corresponding code lengths based on the numerical ranges of different variables, integrate them into the same individual code string, generate multiple different individual code strings, and set the initial population of the genetic optimization algorithm. Calling the constituent initial population generation module and the MA-System, calculating the average power generation of different individuals in the initial population as an individual objective function, and outputting the relevant energy acquisition data of each individual to a seventh data document. a fitness function determination module that determines a fitness function by maximizing the objective function; and a fitness function that selects good individuals and excludes poor individuals from a population of individuals using the fitness function. , a genetic optimization calculation module that repeatedly selects until the genetic algebra is reached, and selects an individual in the final genetic population as an optimal individual; and an optimal parameter output module that outputs as a parameter.
本発明は、波力エネルギー装置の具体的な形式に基づいて、ＭＡＴＬＡＢ、ＡＱＷＡ及びＡＰＤＬの協調シミュレーションシステムであるＭＡ－Ｓｙｓｔｅｍを構築し、前記波力エネルギー装置の平均発電力を算出するステップ１）と、前記ＭＡ－Ｓｙｓｔｅｍを知的最適化アルゴリズムと組み合わせ、平均発電力が最大の波力エネルギー装置に対応する構造パラメータを算出するステップ２）と、を含む波力エネルギー装置のパラメータ設定の最適化方法を提供する。 The present invention builds MA-System, a co-simulation system of MATLAB, AQWA and APDL, based on the specific form of the wave energy device, and calculates the average power generation of the wave energy device Step 1) and 2) combining said MA-System with an intelligent optimization algorithm to calculate the structural parameters corresponding to the wave energy device with the highest average power generation. provide a way.
本発明では、前記ステップ１）は、前記波力エネルギー装置の具体的な形式に基づいて、モデルの制御及びシミュレーション計算に用いる、波浪条件、計算用のステップサイズ及びステップ数、荷重の大きさ及び付勢方式、浮体構造パラメータ、浮体数及びアレイ配置、重力加速度、海水密度、海の水深を少なくとも含むパラメータ変数が、ＭＡＴＬＡＢにより定義され入力されるステップ１－１）と、ＡＰＤＬソフトウェアモデリングコマンドフローのフォーマットで前記パラメータ変数における浮体構造パラメータ、浮体数及びアレイ配置を第１データドキュメントに書き込み、ＡＰＤＬソフトウェアで前記第１データドキュメントにおけるモデリングコマンドフローを読み出してモデル作成を完了し、少なくともモデルグリッドノードデータ及び水動力算出ユニットのデータを第２データドキュメントに格納するステップ１－２）と、ＡＱＷＡソフトウェアに基づいて周波数領域算出ユニットが周波数領域計算結果を算出し、ＡＱＷＡソフトウェア及び前記周波数領域計算結果に基づいて時間領域算出ユニットが時間領域計算結果を算出するステップ１－３）と、前記時間領域計算結果が記憶されたデータドキュメントに含まれる浮体の運動変位と運動速度の時刻歴データを読み出し、時刻歴データとＰＴＯ減衰力に基づいて浮体の瞬時電力の時刻歴と平均電力を算出して出力するステップ１－４）と、を含んでもよい。 In the present invention, the step 1) includes wave conditions, step size and number of steps for calculation, magnitude of load and load used for model control and simulation calculation, based on the specific type of the wave energy device. Step 1-1), in which parameter variables including at least the biasing scheme, floating structure parameters, number of floating bodies and array arrangement, gravitational acceleration, seawater density, and sea depth are defined and input by MATLAB; writing floating body structure parameters, floating body numbers and array layouts in said parameter variables into a first data document in a format, reading modeling command flow in said first data document with APDL software to complete model building, and at least model grid node data and Step 1-2) of storing the data of the hydraulic power calculation unit in a second data document; the frequency domain calculation unit calculating a frequency domain calculation result based on the AQWA software; and based on the AQWA software and the frequency domain calculation result step 1-3) in which the time domain calculation unit calculates the time domain calculation result; and step 1-4) of calculating and outputting the time history and average power of the instantaneous power of the floating body based on the PTO damping force.
本発明では、前記ステップ１－３）は、ＡＱＷＡソフトウェアの周波数領域計算入力ドキュメントのフォーマットで周波数領域分析データを第３データドキュメントに書き込み、ＡＱＷＡソフトウェアで前記第３データドキュメントを読み出して周波数領域分析を行い、分析結果を第４データドキュメントに記憶するようにするステップ１－３－１）と、ＡＱＷＡソフトウェアの時間領域計算入力ドキュメントのフォーマットで、少なくとも波浪条件、計算用のステップサイズ及びステップ数、荷重の大きさ及び付勢方式を第５データドキュメントに書き込み、前記第４データドキュメントを読み込んだ上で、ＡＱＷＡソフトウェアで前記第５データドキュメントを読み出して時間領域分析を行い、分析結果を第６データドキュメントに記憶するステップ１－３－２）と、をさらに含み、前記周波数領域分析データは、前記パラメータ変数における重力加速度、海水密度及び海の水深と、前記浮体構造パラメータにより自発算出された浮体重量、慣性モーメント及び重心位置と、前記第２データドキュメントにおけるモデルグリッドノードデータと水動力算出ユニットのデータを含んでもよい。 In the present invention, the step 1-3) writes the frequency domain analysis data in the format of the frequency domain calculation input document of the AQWA software into the third data document, reads the third data document with the AQWA software, and performs the frequency domain analysis. Step 1-3-1) to store the analysis results in the fourth data document, and in the format of the time domain calculation input document of AQWA software, at least wave conditions, step size and number of steps for calculation, load After writing the magnitude and biasing scheme to a fifth data document, reading the fourth data document, reading the fifth data document with AQWA software to perform a time domain analysis, and applying the analysis results to a sixth data document. step 1-3-2), wherein the frequency domain analysis data includes the acceleration of gravity, seawater density and sea depth in the parameter variables, and the weight of the floating body spontaneously calculated from the floating body structure parameters, It may include moment of inertia and center of gravity position, model grid node data and hydraulic power calculation unit data in the second data document.
本発明では、前記ステップ２）は、前記ＭＡ－Ｓｙｓｔｅｍに入力されたパラメータ変数から少なくとも一つを最適パラメータ変数として選択し、他のパラメータ変数をそのまま保持するステップ２－１）と、前記最適パラメータ変数を符号化し、異なる変数の数値範囲に基づいて対応する符号長を決定して同一個体符号列に統合し、複数の異なる個体符号列を生成し、遺伝的最適化アルゴリズムの初期個体群を構成するステップ２－２）と、前記ＭＡ－Ｓｙｓｔｅｍを呼び出し、前記初期個体群における異なる個体の平均発電力を個体の目的関数として算出し、各個体の関連エネルギー獲得データを第７データドキュメントに出力するステップ２－３）と、前記目的関数を最大化することで、適応度関数を決定するステップ２－４）と、個体群において前記適応度関数により良好な個体を選択し劣悪な個体を排除し、遺伝代数に達するまで繰り返して選別し、最終的な遺伝的個体群における個体を最適個体とするステップ２－５）と、前記最適個体を前記波力エネルギー装置の発電力が最大となる構造パラメータとして出力するステップ２－６）と、を含んでもよい。 In the present invention, step 2) selects at least one of the parameter variables input to the MA-System as an optimum parameter variable, and holds the other parameter variables as they are. Step 2-1); Encode variables, determine corresponding code lengths based on the numerical ranges of different variables, integrate them into the same individual code string, generate multiple different individual code strings, and construct the initial population of the genetic optimization algorithm. step 2-2) to call the MA-System to calculate the average power generation of different individuals in the initial population as individual objective functions, and output the associated energy acquisition data of each individual to a seventh data document; step 2-3); determining a fitness function by maximizing the objective function; , step 2-5) of repeatedly selecting individuals in the final genetic population until the genetic algebra is reached, and selecting the individuals in the final genetic population as optimal individuals; and step 2-6) of outputting as .
本発明は、知的最適化アルゴリズムとＭＡＴＬＡＢ、ＡＱＷＡ及びＡＰＤＬの協同シミュレーションソフトウェアであるＭＡ－Ｓｙｓｔｅｍとの巧みな結合に基づいて、簡単で快速な方法により、具体的な海域条件での発電力が最大の波力エネルギー装置の構造パラメータ設定の波力エネルギー装置の最適化方法を効率的に探し、最適化時間を大幅に節約し、最適化効率を向上させる波力エネルギー装置のパラメータ設定の最適化システム及び方法を提供することを目的としている。 Based on the clever combination of intelligent optimization algorithm and MA-System, a collaborative simulation software of MATLAB, AQWA and APDL, the present invention provides a simple and fast way to generate power under specific sea conditions. Optimization of wave energy device parameter setting, which efficiently finds the wave energy device optimization method of the maximum wave energy device structural parameter setting, greatly saves the optimization time, and improves the optimization efficiency It is an object to provide a system and method.
以下に、下記実施形態を参照して本発明をさらに説明し、理解すべきこととしては、下記実施形態は本発明を説明するだけであり、本発明を限定するものではない。各図において同一又は対応する参照符号は同一の部材を示し、重複説明を省略する。 Hereinafter, the present invention will be further described with reference to the following embodiments, and it should be understood that the following embodiments only describe the present invention and do not limit the present invention. In each figure, the same or corresponding reference numerals denote the same members, and redundant description is omitted.
一般的に、ここで本明細書に記載及び表示された本発明の実施例の構成要素は様々な異なる構成で配置され設計されることができる。したがって、以下に図面に提供された本発明の実施例の詳細な説明は特許請求する本発明の範囲を限定するものではなく、本発明の選択実施例のみを表す。本発明の説明において、説明すべきこととして、用語「第１」、「第２」、「第３」などは、単に目的を説明するために用いられ、相対的な重要性を指示するか又は暗示すると理解することができない。 In general, the components of the embodiments of the invention described and illustrated herein can be arranged and designed in a variety of different configurations. Accordingly, the detailed descriptions of embodiments of the invention provided below in the drawings are not intended to limit the scope of the claimed invention, but rather represent only selected embodiments of the invention. In describing the present invention, it should be noted that the terms "first", "second", "third", etc. are used merely to describe purpose, indicate relative importance or Implicit cannot be understood.
ここで、ＭＡＴＬＡＢ言語とＷｉｎｄｏｗｓバッチコマンドで記述される波力エネルギー装置のパラメータ設定の最適化システムを開示し、図１に示すように、ＭＡ－Ｓｙｓｔｅｍ及び最適化演算システムを含む。ＭＡ－Ｓｙｓｔｅｍは、波力エネルギー装置の具体的な形式に基づいて構築されたＭＡＴＬＡＢ、ＡＱＷＡ及びＡＰＤＬの協調シミュレーションシステムであり、シミュレーションモデリングの作成、データの読み込み・読み取り、水動力の算出、エネルギー獲得データの出力を行い、波力エネルギー装置の平均発電力を算出する。最適化演算システムにおいて、ＭＡ－Ｓｙｓｔｅｍの計算結果を知的最適化アルゴリズムと組み合わせ、平均発電力が最も大きい波力エネルギー装置に対応するパラメータを算出する。 Here, an optimization system for setting parameters of wave energy devices written in MATLAB language and Windows batch commands is disclosed, including MA-System and optimization operation system, as shown in FIG. The MA-System is a MATLAB, AQWA and APDL co-simulation system built on the concrete form of wave energy devices, creating simulation modeling, loading and reading data, calculating hydraulic power, and capturing energy. Output the data and calculate the average generated power of the wave energy device. In the optimization calculation system, the calculation results of the MA-System are combined with the intelligent optimization algorithm to calculate the parameters corresponding to the wave energy device with the highest average power generation.
［ＭＡ－Ｓｙｓｔｅｍ］
本発明では、ＭＡ－Ｓｙｓｔｅｍは、ＭＡＴＬＡＢ、ＡＱＷＡ（ANSYS AQWA）及びＡＰＤＬ（ANSYS PARAMETRIC DESIGN LANGUAGE）の協調シミュレーションであり、パラメータ入力モジュール、モデル生成モジュール、ＡＱＷＡソルバーモジュール及びデータ処理モジュールを含む。ＭＡＴＬＡＢはデータ分析ソフトウェアであり、ＡＱＷＡは、水動力数値シミュレーションソフトウェアであり、ＡＰＤＬはモデリングソフトウェアであり、本分野では、ＡＰＤＬは一般的にＡＱＷＡに合わせてモデルを建て、対応するグリッドノードデータドキュメント等を導出してＡＱＷＡの計算に用いるものである。図２に示すように、ＭＡＴＬＡＢは、中央プラットフォームとして入出力データを集約して処理し、バッチコマンドによりソフトウェアを呼び出し、ソフトウェア間のデータ伝送チャネルを建て、システム内のモジュールを順次直列に実行する。以下、具体的な方法を結び付けて本発明の最適化システムを説明する
[MA-System]
In the present invention, MA-System is a MATLAB, AQWA (ANSYS AQWA) and APDL (ANSYS PARAMETRIC DESIGN LANGUAGE) co-simulation, including a parameter input module, a model generation module, an AQWA solver module and a data processing module. MATLAB is data analysis software, AQWA is water power numerical simulation software, APDL is modeling software, in this field, APDL generally builds models according to AQWA, corresponding grid node data documents, etc. is derived and used for the calculation of AQWA. As shown in FIG. 2, MATLAB, as a central platform, aggregates and processes input and output data, calls software by batch commands, establishes data transmission channels between software, and serially executes modules in the system. In the following, the optimization system of the present invention will be described in conjunction with specific methods.
図３に示すように、ＭＡＴＬＡＢは、パラメータ入力モジュールの起動を制御し、波力エネルギー装置の具体的な形式に基づいて、ＭＡＴＬＡＢによりモデルの制御及びシミュレーション計算に用いるパラメータ変数が定義され入力され、パラメータ変数は少なくとも、波浪条件、計算用のステップサイズ及びステップ数、荷重の大きさ及び付勢方式、浮体構造パラメータ、浮体数及びアレイ配置、重力加速度、海水密度、海の水深などを含む As shown in FIG. 3, MATLAB controls the activation of the parameter input module, according to the specific form of the wave energy device, the parameter variables used for model control and simulation calculation are defined and input by MATLAB, Parametric variables include at least wave conditions, step size and number of steps for calculation, load magnitude and biasing scheme, floating structure parameters, number of floating bodies and array configuration, gravitational acceleration, seawater density, sea depth, etc.
また、ＭＡＴＬＡＢは、モデル生成モジュールの起動を制御し、ＡＰＤＬソフトウェアモデリングコマンドフローのフォーマットで上記定義されたパラメータ変数における浮体構造パラメータ、浮体数及びアレイ配置を第１データドキュメントに書き込む。当該第１データドキュメントは、モデルを作成するためのコマンドストリームファイルであり、＊．ｔｘｔテキストドキュメントであってもよいが、これに限定されない。ＡＰＤＬソフトウェアは、モデルを建てる過程中、第１データドキュメントである＊．ｔｘｔテキストドキュメントにおけるモデリングコマンドフローを読み出し、モデルノードを作成し、ノードからラインを生成し、ラインからモデルサーフェスを生成し、喫水に応じてモデル水線を分割し、ｓｈｅｌｌ６３（Ansysにおけるユニットタイプ）エンティティにマージし、メッシュを分割してから、メッシュ関連データを第２データドキュメントに格納して導出する。当該第２データドキュメントは、少なくともモデルグリッドノードデータと水動力算出ユニットのデータを含み、＊．ａｑｗａドキュメントであってもよいが、これに限定されない。なお、実際操作において、浮体形状の相違によってモデリングコマンドフローを調整する。 MATLAB also controls the invocation of the model generation module and writes the float structural parameters, float number and array placement in the parameter variables defined above in the format of the APDL software modeling command flow to the first data document. The first data document is a command stream file for creating a model, *. txt text document, but is not limited to this. During the process of building the model, the APDL software will extract the first data document, *. txt text document, create model nodes, generate lines from nodes, generate model surfaces from lines, split model waterlines according to draft, and shell63 (unit type in Ansys) entities After merging and splitting the mesh, the mesh-related data is stored and derived in a second data document. The second data document includes at least model grid node data and hydraulic power calculation unit data; It may be an aqwa document, but is not limited to this. In addition, in actual operation, the modeling command flow is adjusted according to the difference in the shape of the floating body.
また、ＭＡＴＬＡＢはＡＱＷＡソルバーモジュールの起動を制御し、周波数領域及び時間領域の分析算出を行う。ＡＱＷＡソルバーモジュールは、周波数領域算出ユニット及び時間領域算出ユニットを含む。周波数領域算出ユニットは、ＡＱＷＡソフトウェアに基づいて周波数領域計算結果を算出する。時間領域算出ユニットは、ＡＱＷＡソフトウェア及び周波数領域計算結果に基づいて時間領域計算結果を算出する。 MATLAB also controls the activation of the AQWA solver module to perform analytical computations in the frequency domain and time domain. The AQWA solver module includes a frequency domain calculation unit and a time domain calculation unit. The frequency domain calculation unit calculates the frequency domain calculation result based on AQWA software. The time domain calculation unit calculates the time domain calculation result based on the AQWA software and the frequency domain calculation result.
具体的には、周波数領域算出ユニットにおいて、ＭＡＴＬＡＢにより周波数領域分析データをＡＱＷＡソフトウェアの周波数領域計算入力ドキュメントのフォーマットで第３データドキュメントに書き込み、周波数領域分析データは、少なくともパラメータ変数における重力加速度、海水密度及び海の水深と、浮体構造パラメータにより自発算出された浮体重量、慣性モーメント及び重心位置と、第２データドキュメントである＊．ａｑｗａドキュメントにおけるモデルグリッドノードデータと水動力算出ユニットのデータと、を含む。当該第３データドキュメントは、＊．ｄａｔドキュメントであってもよいが、これに限定されない。 Specifically, in the frequency domain calculation unit, MATLAB writes the frequency domain analysis data in the format of the frequency domain calculation input document of the AQWA software to the third data document, and the frequency domain analysis data is at least the gravitational acceleration in the parameter variables, seawater The density and depth of the sea, the weight of the floating body, the moment of inertia and the position of the center of gravity spontaneously calculated from the floating body structure parameters, and the second data document *. Contains model grid node data and hydraulic power calculation unit data in an aqwa document. The third data document is *. dat document, but is not limited to this.
次に、ＭＡＴＬＡＢは、サフィックスが．ｃｏｍと．ｂａｔであるＷｉｎｄｏｗｓバッチファイルを作成し、両者のそれぞれに含まれるバッチコマンドステートメントは下記の通りである。
．ｃｏｍファイル：
ｒｕｎ ｌｉｎｅ Ｂｕｏｙ
．ｂａｔファイル：
ＩＦ ＥＸＩＳＴ．．＼ｂｉｎ＼ｗｉｎｘ６４ ｒｅｍ”ここで、ＡＱＷＡソフトウェアインストールパス” ｓｔｄ
ＩＦ ＥＸＩＳＴ．．＼ｂｉｎ＼ｗｉｎｘ６４ ．．＼ｂｉｎ＼ｗｉｎｘ６４＼ａｑｗａ ｓｔｄ／ＮＯＷＩＮＤ。
MATLAB then uses the suffix . com and. bat and the batch command statements contained in each of the two are as follows:
. com file:
run line buoy
. bat file:
IF EXIST. . \bin\winx64 rem "where AQWA software installation path" std
IF EXIST. . \bin\winx64 . . \bin\winx64\aqwa std/NOWIND.
その後、ＭＡＴＬＡＢにより上記サフィックスが．ｃｏｍと．ｂａｔであるＷｉｎｄｏｗｓバッチファイルを呼び出し、上記したＷｉｎｄｏｗｓバッチコマンドに基づいてＡＱＷＡソフトウェアにおけるｌｉｎｅモジュール（即ち、周波数領域分析モジュール）を起動し、先に生成された第３データドキュメントである＊．ｄａｔドキュメントを読み込み、周波数領域分析を行い初め、周波数領域分析結果を結果ドキュメントとして第４データドキュメントに記憶する。当該第４データドキュメントは、ＡＮＢｕｏｙ．ｒｅｓドキュメントであってもよいが、これに限定されない。 MATLAB then converts the above suffix to . com and. Call the Windows batch file, which is *.bat, and start the line module (ie, the frequency domain analysis module) in the AQWA software based on the above Windows batch command, and extract the previously generated third data document, *. The dat document is read, the frequency domain analysis is performed, and the result of the frequency domain analysis is stored in a fourth data document as a result document. The fourth data document is ANBuoy. It may be a res document, but is not limited to this.
また、時間領域算出ユニットにおいて、ＭＡＴＬＡＢによりＡＱＷＡソフトウェアの時間領域計算入力ドキュメントのフォーマットで、少なくとも波浪条件、計算用のステップサイズ及びステップ数、荷重の大きさ及び付勢方式等を第５データドキュメントに書き込む。当該第５データドキュメントは＊．ｄａｔドキュメントであってもよいが、これに限定されない。ここで、線形荷重を加えることを選択する場合、荷重データを対応するフォーマットで第５データドキュメントである＊．ｄａｔドキュメントのＣａｔｅｇｏｒｙ９に直接書き込むことができる。固定荷重を選択する場合、Ｆｏｒｔｒａｎ言語でＡＱＷＡソフトウェアを再開発する必要がある。例えば、減衰モーメントをプログラミングにより浮体に加え、ダイナミックリンク＊．ｄｌｌファイルを生成し、ＡＱＷＡソフトウェアの計算経路に置き、ＦＤＬＬコマンドにより時間領域算出で呼び出す。これにより、ＭＡ－ＳｙｓｔｅｍのＡＱＷＡソルバーモジュールにおいて呼び出すことができるように、異なる荷重のダイナミックリンク＊．ｄｌｌファイルを予め用意する必要がある。より詳細には、予め用意された異なる荷重のダイナミックリンク＊．ｄｌｌファイルを同じフォルダに置き、荷重の大きさに応じてダイナミックリンク＊．ｄｌｌファイルを命名することができる。ある固定荷重を使用する場合、第５データドキュメントである＊．ｄａｔドキュメントのコマンド制御バーにＦＤＬＬを記入することで、ＭＡＴＬＡＢは当該固定荷重に対応するダイナミックリンク＊．ｄｌｌファイルをＡＱＷＡソフトウェアの算出経路フォルダにコピーし、ｕｓｅｒ＿ｆｏｒｃｅ６４．ｄｌｌと名前を変更し、これにより固定荷重の加えを実現することができる。 Also, in the time domain calculation unit, at least the wave conditions, the step size and number of steps for calculation, the magnitude of the load and the biasing method, etc. are stored in the fifth data document in the format of the time domain calculation input document of the AQWA software by MATLAB. Write. The fifth data document is *. dat document, but is not limited to this. Now, if we choose to apply a linear load, we will load the load data in a corresponding format into a fifth data document, *. You can write directly to Category9 of the dat document. Choosing a fixed weight requires redeveloping the AQWA software in the Fortran language. For example, a damping moment is added to the floating body by programming, and the dynamic link *. dll file, put it in the calculation path of the AQWA software, and call it in the time domain calculation with the FDLL command. This allows the dynamic linking of different weights *. dll file must be prepared in advance. More specifically, dynamic link *. Place the dll file in the same folder, and dynamically link *. dll file can be named. When using a fixed weight, the fifth data document, *. dat document's command control bar causes MATLAB to create a dynamic link *. dll file to the calculation path folder of the AQWA software, user_force64. dll, which allows the addition of fixed weights to be achieved.
上記のように、ＭＡＴＬＡＢは、第５データドキュメントである＊．ｄａｔドキュメントを作成した後、再びサフィックスが．ｃｏｍと．ｂａｔであるＷｉｎｄｏｗｓバッチファイルを作成し、両者のそれぞれに含まれるバッチコマンドステートメントは下記の通りである。
．ｃｏｍファイル：
ｃｏｐｙ ＡＬＢｕｏｙ．ｒｅｓ ＡＮＢｕｏｙ．ｒｅｓ
ｒｕｎ ｎａｕｔ Ｂｕｏｙ
．ｂａｔファイル：
ＩＦ ＥＸＩＳＴ ．．＼ｂｉｎ＼ｗｉｎｘ６４ ｒｅｍ ”ここで、ＡＱＷＡソフトウェアインストールパス” ｓｔｄ
ＩＦ ＥＸＩＳＴ ．．＼ｂｉｎ＼ｗｉｎｘ６４ ．．＼ｂｉｎ＼ｗｉｎｘ６４＼ａｑｗａ ｓｔｄ ／ＮＯＷＩＮＤ
上記のＷｉｎｄｏｗｓバッチコマンドの作用としては、最後にＭＡＴＬＡＢによって上記．ｃｏｍと．ｂａｔのＷｉｎｄｏｗｓバッチファイルを呼び出して上記操作を実現し、時間領域分析を終了することである。
As noted above, MATLAB uses the fifth data document, *. dat document, again the suffix is . com and. bat and the batch command statements contained in each of the two are as follows:
. com file:
copy ALBuoy. res ANBuoy. res
run naut buoy
. bat file:
IF EXIST . . \bin\winx64 rem ”here, AQWA software installation path” std
IF EXIST . . \bin\winx64 . . \bin\winx64\aqwa std /NOWIND
As an effect of the above Windows batch command, MATLAB finally executes the above . com and. bat Windows batch file to implement the above operations and finish the time domain analysis.
その後、ＭＡＴＬＡＢにより上記サフィックスが．ｃｏｍと．ｂａｔであるＷｉｎｄｏｗｓバッチファイルを呼び出し、上記したＷｉｎｄｏｗｓバッチコマンドに基づいて、周波数領域分析結果である第４データドキュメント（即ち、ＡＮＢｕｏｙ．ｒｅｓ）を読み込んだ上で、ＡＱＷＡソフトウェアにおけるｎａｕｔモジュール（即ち、時間領域分析モジュール）を起動し、先に生成された第５データドキュメントである＊．ｄａｔドキュメントを読み込み、時間領域分析を開始し、時間領域分析結果を結果ドキュメントとして第６データドキュメントに記憶する。当該第６データドキュメントは、少なくとも浮体の運動変位と運動速度の時刻歴データを含み、ＡＮＢｕｏｙ．Ｌｉｓドキュメントであってもよいが、これに限定されない。 MATLAB then converts the above suffix to . com and. bat, and read the fourth data document (ie, ANBuoy.res), which is the result of the frequency domain analysis, based on the Windows batch command described above, and then execute the naut module (ie, time region analysis module) and the previously generated fifth data document, *. dat document, start the time domain analysis, and store the time domain analysis result as a result document in a sixth data document. The sixth data document includes at least time history data of motion displacement and motion velocity of the floating body, and ANBuoy. It may be, but is not limited to, a Lis document.
また、ＭＡＴＬＡＢは、データ処理モジュールを制御し、第６データドキュメントであるＡＮＢｕｏｙ．Ｌｉｓドキュメントを読み出し、浮体の運動速度とＰＴＯ減衰力などに基づいて浮体の瞬時電力の時刻歴及び平均電力を算出し、その後、算出された浮体変位、速度、電力時刻歴及び平均電力等のデータを外部ファイルに出力して保存する。当該外部ファイル、例えば＊．ｔｘｔ、＊．ｄａｔ、＊．ｘｌｓｘ等の異なるタイプファイルとして自主選択されてもよく、こられのファイル及び需要に応じて、関連図表などを描いてもよい。 MATLAB also controls the data processing module and creates a sixth data document, ANBuoy. Read the Lis document, calculate the time history and average power of the instantaneous power of the floating body based on the motion speed of the floating body and the PTO damping force, etc. Then, the calculated data such as displacement, speed, power time history and average power is output to an external file and saved. The external file, eg *. txt, *. dat, *. xlsx, etc., may be self-selected, and related charts, etc. may be drawn according to these files and needs.
［最適化演算システム］
本発明では、最適化演算システムは、ＭＡ－Ｓｙｓｔｅｍの計算結果を知的最適化アルゴリズムと組み合わせ、平均発電力が最も大きい波力エネルギー装置に対応する最適パラメータを算出する。ここで、各種の知的最適化アルゴリズムは従来の成熟技術として、論理的には、いずれも本発明のＭＡ－Ｓｙｓｔｅｍの決済結果と組み合わせることができて、波力エネルギー装置の最適化問題を解決することができる。ただし、各種の知的最適化アルゴリズムの原理は互いに異なり、徹底的に例をあげて非現実であるので、本発明は、遺伝的最適化アルゴリズムのみを例として具体的な操作過程を詳しく紹介する。本発明はこれに限定されず、他の知的最適化アルゴリズムと本発明のＭＡ－Ｓｙｓｔｅｍとが組み合わせる最適化過程は、本発明の保護範囲に含まれるべきである。
[Optimization calculation system]
In the present invention, the optimization computing system combines the computational results of the MA-System with an intelligent optimization algorithm to calculate the optimal parameters corresponding to the wave energy device with the highest average power generation. Here, various intelligent optimization algorithms, as mature technologies in the past, can be logically combined with the settlement results of the MA-system of the present invention to solve the optimization problem of wave energy devices. can do. However, the principles of various intelligent optimization algorithms are different from each other, and the examples are unrealistic, so the present invention only takes the genetic optimization algorithm as an example to introduce the specific operation process in detail. . The present invention is not limited thereto, and the optimization process in which the MA-System of the present invention combines with other intelligent optimization algorithms should be included in the protection scope of the present invention.
図１に示すように、最適化演算システムは、パラメータ変数選択モジュール、初期個体群生成モジュール、目的関数生成モジュール、適応度関数決定モジュール、遺伝的最適化演算モジュール及び最適パラメータ出力モジュールを含む。パラメータ変数選択モジュールは、ＭＡ－Ｓｙｓｔｅｍに入力されたパラメータ変数から少なくとも一つを最適パラメータ変数として選択し、他のパラメータ変数を変えずに保持し、ここでは最適化目的に応じてパラメータ変数を選択することができ、例えば、装置の異なる喫水深さ及び高さでの最大の発電力を取得しようとすると、他のパラメータを変えずに保持し、フローター喫水と高さを最適変数として、算出された最大の発電力に対応するフローター最適喫水は、高さと合わせる。初期個体群生成モジュールは、最適パラメータ変数を符号化し、選択された異なる最適パラメータ変数の数値範囲に応じて対応する符号長を決定して同一の個体符号列に統合し、少なくとも２つ以上の異なる個体符号列を生成し、遺伝的最適化アルゴリズムの初期個体群を構成する。目的関数生成モジュールは、ＭＡ－Ｓｙｓｔｅｍを呼び出し、初期個体群における異なる個体の平均発電力を個体の目的関数として算出し、各個体の関連するエネルギー獲得データを第７データドキュメントに出力し、当該エネルギー獲得データは、例えばＭＡＴＬＡＢにより読み出されたＡＱＷＡ時間領域分析結果ドキュメント（即ち第６データドキュメント）、浮体変位、速度時刻歴、及び速度時刻歴とＰＴＯ減衰力から算出された電力時刻歴と平均電力等のデータである。適応度関数決定モジュールは、目的関数を最大化することで、適応度関数を決定する。遺伝的最適化演算モジュールは、個体群において適応度関数により良好な個体を選択し劣悪な個体を排除し、遺伝代数に達するまで繰り返して選別し、最終的な遺伝的個体群における個体を最適個体とする。最適パラメータ出力モジュールは、最適個体を波力エネルギー装置の発電力が最大となる構造パラメータとして出力する。 As shown in FIG. 1, the optimization calculation system includes a parameter variable selection module, an initial population generation module, an objective function generation module, a fitness function determination module, a genetic optimization calculation module and an optimal parameter output module. A parametric variable selection module selects at least one of the parametric variables input to the MA-System as an optimal parametric variable and keeps the other parametric variables unchanged, where the parametric variable is selected according to the optimization objective. For example, trying to obtain maximum power generation at different draft depths and heights of the device, keeping other parameters unchanged and floater draft and height as optimal variables, The floater optimum draft corresponding to the maximum generated power is matched with the height. The initial population generation module encodes the optimal parameter variables, determines corresponding code lengths according to numerical ranges of different selected optimal parameter variables, integrates them into the same individual code string, and generates at least two different An individual code string is generated to form the initial population for the genetic optimization algorithm. The objective function generation module calls the MA-System, calculates the average power generation of different individuals in the initial population as the individual objective function, outputs the relevant energy acquisition data of each individual to the seventh data document, and outputs the energy Acquired data include, for example, the AQWA time domain analysis result document read by MATLAB (i.e., the sixth data document), the floating body displacement, the velocity time history, and the power time history and average power calculated from the velocity time history and PTO damping force. and other data. A fitness function determination module determines a fitness function by maximizing an objective function. The genetic optimization calculation module selects good individuals and excludes poor individuals by the fitness function in the population, repeatedly selects until the genetic algebra is reached, and selects the individuals in the final genetic population as the optimal individuals. and The optimal parameter output module outputs the optimal individual as a structural parameter that maximizes the power generation of the wave energy device.
具体的には、以下、実施例及び図４を参照しながら詳しく説明する。同様に、以下の実施例は本発明をさらに説明するだけに用いられ、本発明の保護範囲を限定するものと理解すべきではなく、当業者は、本発明の上記内容に基づいてなされたいくつかの本質的な改良及び調整はいずれも本発明の保護範囲に属する。下記例示的なプロセスパラメータ等も適当な範囲のうちの一例であり、即ち当業者は本明細書の説明により適当な範囲において選択を行うことができ、以下の例示的な具体的数値に限定されるものではない。 Specifically, a detailed description will be given below with reference to Examples and FIG. Similarly, the following examples are only used to further illustrate the present invention, and should not be construed as limiting the protection scope of the present invention. All such essential improvements and adjustments fall within the protection scope of the present invention. The following exemplary process parameters and the like are also examples of appropriate ranges, that is, those skilled in the art can make selections within appropriate ranges based on the description of the present specification, and are limited to the following exemplary specific numerical values. not something.
まず、パラメータ変数選択モジュールは、最適パラメータ変数を選択し、他のパラメータを変えず保持し、例えばフローターの高さを最適パラメータ変数として選択し、他のパラメータ、例えばフローター半径、波浪条件、海の水深などをそのまま保持する。なお、遺伝的アルゴリズムにおいて、遺伝代数、クロスオーバー確率、変異確率を設定する必要がある。 First, the parameter variable selection module selects the optimal parameter variable and keeps other parameters unchanged, for example, selects the height of the floater as the optimal parameter variable, and selects other parameters, such as the floater radius, wave conditions, sea Keep the water depth as it is. In the genetic algorithm, it is necessary to set the genetic algebra, crossover probability, and mutation probability.
続いて、初期個体群生成モジュールは、変更された構造パラメータ変数を符号化し（バイナリエンコード、実数エンコード、整数またはアルファベット順エンコード、一般データ構造エンコードなどを含む）、異なる変数の数値範囲に基づいて対応する符号長を決定して同一の個体符号列に統合し、そしてＮ個の異なる個体符号列を生成し、遺伝的アルゴリズムの初期個体群を構成する。遺伝的最適化選択をした後に、最適化された目的値として個体符号列をデコードする。例えば、円柱形のヒービングブイ（heave buoy）波力エネルギー装置は、浮体の高さＨ及び浮体半径Ｒを設計変数とし、バイナリコードを採用し、Ｈ及びＲの変化範囲はそれぞれ０．２０～０．５１ｍ、０．２～０．３４ｍであり、変化間隔はそれぞれ０．０１ｍ及び０．０２ｍである。このため、Ｈ及びＲはそれぞれ３２種類の変化値及び８種類の変化値を有し、符号列の長さは、それぞれ５ビット及び３ビットを採用し、下記の符号化関係を構築する。
続いて、目的関数生成モジュールは、ＭＡ－Ｓｙｓｔｅｍを呼び出し、個体群の異なる個体の平均発電力を算出して取得し、これを個体の目的関数とするとともに、各個体の関連するエネルギー獲得データを外部ファイルに出力する。 Subsequently, the objective function generation module calls the MA-System, calculates and obtains the average power generation of different individuals in the population group, sets this as the objective function of the individual, and obtains the related energy acquisition data of each individual. Output to an external file.
続いて、適応度関数決定モジュールは、遺伝過程中の適応度関数を決定し、個体の適応値（適応度の値）は、自体が「自然環境に適応する」能力を測定するもので、その大きさが個体の優勝劣敗の結果を決める。波力エネルギー装置の最適化方法において、所望の最終結果は発電力が最大である個体であり、即ち目的関数が最大化され、その適応度関数の形式は以下のとおりである。
次に、遺伝的最適化演算モジュールは遺伝個体群に対して遺伝操作を行い、遺伝操作は、選択、交差及び変異との３つの基本的な演算子を含み、遺伝的アルゴリズムの強力な検索機能を構成し、自然選択並びに遺伝過程における繁殖、ハイブリダイゼーション及び突然変異現象をシミュレーションするメインキャリアである。適応度により個体群から良好な個体を選択して劣悪な個体を排除する操作は選択と称され、「適者生存」原則を体現し、その目的は、優れた個体を保留して次世代の個体群に直接遺伝し、又はペアリングにより交差して新個体を生成して次世代の個体群に遺伝することである。 Next, the genetic optimization operation module performs genetic manipulation on the genetic population, genetic manipulation includes three basic operators of selection, crossover and mutation, and the powerful search function of genetic algorithm , and is the main carrier for simulating reproduction, hybridization and mutation phenomena in natural selection and genetic processes. The operation of selecting good individuals from a population and excluding poor individuals by fitness is called selection, and embodies the principle of "survival of the fittest", the purpose of which is to retain the superior individuals and preserve the next generation of individuals. It is inherited directly to the group or crossed by pairing to generate a new individual and inherited to the next generation population.
選択について、一般的な選択方法は、ルーレット選択方法、ソート選択方法、最適個体選択方法、ランダムリーグ選択方法などがある。本発明では、ルーレット選択方法を例として、個体群のサイズをＮとすると、当該方法の選択フローは下記である。
ａ．適応度比例、即ち各個体の選択される確率を算出する。
ｂ.各個体の累積確率を算出し、ターンテーブルにおける「アークスパン面積」に相当し、面積が大きいほど、選択される確率が大きく、すべての個体の選択確率の総和は１である。
ｃ. ｒ∈[0,1]をランダムに生成し、ｑｉ>ｒとなると、個体ｘｉを選択する。ｒは、タターンテーブルにおいて回転する指針に相当し、ある個体の「アークスパン面積」の範囲内にランダムに留まると、当該個体が選択される。
異なる選択確率で個体を選択すると、適応値が高い個体及び低い個体はいずれも選択されるチャンスがあり、適応値が高い個体はより選択されやすい。
For selection, common selection methods include roulette selection method, sort selection method, optimal individual selection method, random league selection method, and so on. In the present invention, taking the roulette selection method as an example, if the population size is N, the selection flow of the method is as follows.
a. Calculate the fitness proportionality, ie the probability of each individual being selected.
b. Calculate the cumulative probability of each individual, which corresponds to the “arc span area” on the turntable;
c. Randomly generate r ∈ [0,1] and select individual x i if q i >r. r corresponds to a pointer that rotates on the turntable, and when it randomly stays within the "arc span area" of an individual, that individual is selected.
When individuals are selected with different selection probabilities, individuals with high fitness values and individuals with low fitness values both have a chance of being selected, and individuals with high fitness values are more likely to be selected.
交差は、２つの個体がある方式でその一部の遺伝子を互いに交換することにより、２つの新個体を形成するものである。交差により、アルゴリズムの検索能力が飛躍的に向上する。交差点の選択及び遺伝子交換方式に応じて、交差方法は一点交差、二点交差、均一交差及び算術交差などに分けられる。一点交差を例として、具体的な操作方法は次の通りである。個体ストリングに１つの交差点をランダムに設定し、２つの個体交差点のうちいずれか一側の一部構造が交換され、２つの新個体を生成し、例えば、
個体Ａ：１００１↑１１１→１００１０００，新個体
個体Ｂ：００１１↑０００→００１１１１１，新個体
個体群において交換された個体数と個体群数との比率は、交差確率ｐｃと呼ばれ、交差操作の実行効率を反映する。
A crossover is one in which two individuals exchange some of their genes with each other in some way, thereby forming two new individuals. Intersections dramatically improve the search power of algorithms. According to the choice of intersection and the method of gene exchange, intersection methods can be divided into one-point intersection, two-point intersection, uniform intersection and arithmetic intersection. Taking a one-point intersection as an example, the specific operation method is as follows. Randomly set one crossing point on the individual string, exchange the partial structure on either side of the two individual crossing points, and generate two new individuals, for example,
Individual A: 1001↑111→1001000, New individual Individual B: 0011↑000→ 0011111 , The ratio between the number of individuals exchanged in the population of new individuals and the number of individuals in the population is called the crossover probability pc, which is the crossover operation. Reflect execution efficiency.
変異については、個体符号列におけるある遺伝子値を他の遺伝子値で置換することにより新個体を形成するものであって、新個体を生成する補助方法である。変異操作は遺伝的アルゴリズムに局所的なランダム検索能力を有させ、最適解の収束を加速する。基本位変異法を例とし、その変異方法は変異確率ｐｍに基づいて個体符号列に対してあるビット又はある何ビットの遺伝子をランダムに指定して変動するものであり、バイナリ符号列の変異操作は以下のとおりである。
遺伝代数まで達するか否かについて判断し、達していない場合に順次に目的関数生成モジュール、適応度関数決定モジュール及び遺伝的最適化演算モジュールを循環し、達すると上記循環を終了し、最終的な遺伝的個体群における個体を最適個体とする。
Mutation is an auxiliary method for generating new individuals, in which new individuals are formed by replacing certain gene values in an individual code string with other gene values. Mutation operations give the genetic algorithm local random search capabilities, accelerating convergence to the optimal solution. Taking the base position mutation method as an example, the mutation method randomly designates a certain bit or a certain number of bits of a gene for the individual code string based on the mutation probability p m , and mutates the binary code string. The operation is as follows.
It is determined whether or not the genetic algebra is reached, and if not reached, the objective function generation module, the fitness function determination module, and the genetic optimization calculation module are cycled in order. An individual in the genetic population is taken as the optimal individual.
最後に、最適パラメータ出力モジュールは最適個体、即ち最適化方法により見つけられた発電力が最大である波力エネルギー装置の構造パラメータを出力する。 Finally, the optimal parameter output module outputs the optimal individual, ie the structural parameters of the wave energy device with the maximum generated power found by the optimization method.
上記実施例の具体的な実施過程において、本発明の方法で円柱形ヒービングブイ波力エネルギー装置のシングルフローターを最適化し、フローターの喫水深さＤ、ＰＴＯ荷重の大きさを設計変数とし、他のパラメータを変えずに保持し、表１に示すとおりである。表１は、フローターのパラメータを表す。
ＰＴＯ減衰変数範囲は０～６３０Ｎ／（ｍ／ｓ）であり、均一間隔で６４種類の異なる減衰作業条件を選択し、喫水変数範囲は０．０６ｍ～０．３６ｍであり、同様に１６種類の異なる喫水作業条件を選択する。個体群における最適個体エネルギー獲得電力及び個体群平均エネルギー獲得電力の遺伝代数に伴う変化関係は図５に示す。図５から分かるように、個体群の最適個体エネルギー獲得電力カーブはある所定値に徐々に安定し、これはアルゴリズムが最適解に近づいていることを意味する。第２０世代の最適個体のエネルギー獲得電力は２．４３５ｗであり、対応する喫水は０．３２ｍであり、ＰＴＯ減衰は３６０Ｎ／（ｍ／ｓ）である。 The PTO damping variable range is from 0 to 630 N/(m/s), 64 different damping working conditions are selected at uniform intervals, and the draft variable range is from 0.06 m to 0.36 m. Select different draft working conditions. FIG. 5 shows the change relationship of the optimal individual energy acquisition power and the population average energy acquisition power in the population along with the genetic algebra. As can be seen from FIG. 5, the optimum individual energy gain power curve of the population gradually stabilizes to some predetermined value, which means the algorithm is approaching the optimum solution. The energy gain power of the 20th generation optimal individual is 2.435 w, the corresponding draft is 0.32 m, and the PTO attenuation is 360 N/(m/s).
シングルフローターの最適化結果を検証するために、網羅的アルゴリズムを採用してＰＴＯ減衰と喫水変数の１０２４種類のマッチング組合作業条件でのフローターのエネルギー獲得電力を算出し、そのうちのトップ１％の最適作業条件は表２に示すように、遺伝的アルゴリズムの最適化により得られた最適個体は網羅的に得られた最適作業条件と一致し、シングルフローターの遺伝的アルゴリズムの最適化過程の高い効率を十分に証明する。表２はシングルフローターのトップ１％の最適作業条件を表す。
具体的な実施過程において、本発明の方法を利用して円柱形ヒービングブイ波力エネルギー装置のアレイダブルフローターを最適化し、フローターの喫水深さＤ、ＰＴＯ荷重の大きさを設計変数とし、残りのパラメータはシングルフローターの最適設定と同様である。各フローターは８組の喫水（０．２２～０．３４ｍ）、８組のＰＴＯ減衰（３００～５８０Ｎ／（ｍ／ｓ））を考慮し、フローターは波方向に沿って配置され、間隔が有効波長の半分である。第２０世代に遺伝すると、最適個体のエネルギー獲得電力は５．０３８ｗであり、ここで浮体１と浮体２の喫水及びＰＴＯ減衰はそれぞれ０．３ｍ、０．３ｍ、４２０Ｎ／（ｍ／ｓ）、３００Ｎ／（ｍ／ｓ）である。
In the specific implementation process, the method of the present invention is used to optimize the array double floater of the cylindrical heaving buoy wave energy device. The parameters are similar to the single floater optimal settings. Each floater considers 8 sets of draft (0.22-0.34m), 8 sets of PTO damping (300-580N/(m/s)), floaters are arranged along the wave direction, spacing is effective half the wavelength. Inherited to the 20th generation, the energy acquisition power of the optimum individual is 5.038w, where the draft and PTO attenuation of floating
表３はダブルフローターの４０９６組の作業条件を網羅的に挙げて得られたトップ３％の最適な部分の作業条件であり、遺伝的最適化及び網羅的計算結果を比較して分かるように、最適個体は全体のトップ３％の最適作業条件内に入ることができ、当該最適化結果は非常に確実である。
また、異なる形式の波力エネルギー装置は、モデルの構築及びＡＱＷＡ入力ドキュメントの記入の際に実状に応じてプログラムを修正すればよく、本発明では、円柱形ヒービングブイ波力エネルギー装置を例として説明したが、上記のような装置に限定するべきではない。 In addition, for different types of wave energy devices, the program can be modified according to the actual situation when building the model and filling in the AQWA input document. However, it should not be limited to such devices.
以上をまとめると、遺伝的アルゴリズム及びＭＡ－Ｓｙｓｔｅｍに基づく波力エネルギー装置の最適化方法は、波力エネルギー装置の構造パラメータの最適化過程に用いることができ、最適化結果は非常に高い信頼性を有し、網羅的な最適化に比べると、該方法は最適化時間を節約し、最適化効率を向上させる。また、本発明の方法の最適化過程全体は自動化を実現し、必要なパラメータを予め定義した後、遺伝的アルゴリズムを自動的に利用し、ＭＡ－Ｓｙｓｔｅｍシステムを呼び出して具体的な海域条件での発電力が最大である波力エネルギー装置の最適的構造パラメータを見つける。本発明は、大量のデータ分析を基に知的最適化アルゴリズムを採用して全自動最適化操作を行い、単一の波力エネルギー装置又は複数のアレイ配置の波力エネルギー装置に対してエネルギー獲得電力への影響パラメータの分析を行うことで、装置の影響パラメータの最適なマッチングを取得し、具体的な海域条件での発電力が最大である波力エネルギー装置の構造パラメータ設定を見つける。本発明は網羅的な最適化に比べて、最適化時間を大幅に節約し、最適化効率を向上させ、波力エネルギーに対する十分な利用を簡単で効率的に実現することができる。 In summary, the optimization method for wave energy devices based on genetic algorithm and MA-System can be used in the process of optimizing the structural parameters of wave energy devices, and the optimization results are very reliable. , and compared to exhaustive optimization, the method saves optimization time and improves optimization efficiency. In addition, the entire optimization process of the method of the present invention realizes automation. After predefining the necessary parameters, the genetic algorithm is automatically used to call the MA-System system to perform the analysis under specific sea conditions. Find the optimal structural parameters of the wave energy device with maximum power generation. The present invention adopts an intelligent optimization algorithm based on a large amount of data analysis to perform a fully automatic optimization operation to obtain energy for a single wave energy device or multiple array wave energy devices. A power impact parameter analysis is performed to obtain the best matching of the device impact parameters and find the structural parameter settings of the wave energy device that maximize the power generation in specific sea conditions. Compared with exhaustive optimization, the present invention can greatly save optimization time, improve optimization efficiency, and realize full utilization of wave energy simply and efficiently.
以上の具体的な実施形態は、本発明の目的、技術的解決手段及び有益な効果をさらに詳細に説明し、理解すべきこととして、上記は本発明の具体的な実施形態に過ぎなく、本発明の保護範囲に限定されるものではなく、本発明の基本的な特徴を逸脱しない範囲で、本発明は様々な形式として体現することができるので、本発明における実施形態は説明のためのもので、限定されるものではなく、本発明の範囲は特許請求の範囲によって限定されるもので、明細書により限定されるものではなく、さらに特許請求の範囲に定義された範囲に属し、又はその定義された範囲の等効範囲内の全ての変化は特許請求の範囲に含まれると理解すべきである。本発明の思想と原則内で、行われたいかなる修正、同等置換、改善などは、いずれも本発明の保護範囲内に含まれるべきである。
The above specific embodiments further describe the objectives, technical solutions and beneficial effects of the present invention in more detail, and it should be understood that the above are only specific embodiments of the present invention, and the present invention The embodiments in the present invention are for illustration only, as the present invention can be embodied in various forms without departing from the essential characteristics of the present invention without being limited to the protection scope of the present invention. By and without limitation, the scope of the invention is limited by the claims and not by the specification, and may fall within the scope defined in the claims or any part thereof. It is to be understood that all changes that come within the range of equivalence of the defined range are included in the claims. Any modification, equivalent replacement, improvement, etc. made within the idea and principle of the present invention shall all fall within the protection scope of the present invention.
Claims (9)
波力エネルギー装置の具体的な形式に基づいて構築されたＭＡＴＬＡＢ、ＡＱＷＡ及びＡＰＤＬの協調シミュレーションシステムであり、シミュレーションモデリングの作成、データの読み込み及び読み取り、水動力の算出、エネルギー獲得データの出力を行い、前記波力エネルギー装置の平均発電力を算出するＭＡ－Ｓｙｓｔｅｍと、
前記ＭＡ－Ｓｙｓｔｅｍの計算結果を知的最適化アルゴリズムと組み合わせ、平均発電力が最大の波力エネルギー装置に対応するパラメータを算出する最適化演算システムと、を含む、
波力エネルギー装置のパラメータ設定の最適化システム。 Written in MATLAB language and Windows batch commands,
A MATLAB, AQWA, and APDL co-simulation system based on a specific form of wave energy device, creating simulation modeling, loading and reading data, calculating hydraulic power, and outputting energy capture data. , a MA-System that calculates the average power generation of the wave energy device;
an optimization calculation system that combines the calculation results of the MA-System with an intelligent optimization algorithm to calculate parameters corresponding to the wave energy device with the highest average power generation;
Optimization system for parameter settings of wave energy devices.
前記波力エネルギー装置の具体的な形式に基づいて、モデルの制御及びシミュレーション計算に用いる、波浪条件、計算用のステップサイズ及びステップ数、荷重の大きさ及び付勢方式、浮体構造パラメータ、浮体数及びアレイ配置、重力加速度、海水密度、海の水深を少なくとも含むパラメータ変数が、ＭＡＴＬＡＢにより定義され入力されるパラメータ入力モジュールと、
ＡＰＤＬソフトウェアモデリングコマンドフローのフォーマットで前記パラメータ変数における浮体構造パラメータ、浮体数及びアレイ配置を第１データドキュメントに書き込み、ＡＰＤＬソフトウェアにより前記第１データドキュメントにおけるモデリングコマンドフローを読み出してモデル作成を完了し、少なくともモデルグリッドノードデータ及び水動力算出ユニットのデータを第２データドキュメントに格納するモデル生成モジュールと、
ＡＱＷＡソフトウェアに基づいて周波数領域計算結果を算出する周波数領域算出ユニットと、ＡＱＷＡソフトウェア及び前記周波数領域計算結果に基づいて時間領域計算結果を算出する時間領域算出ユニットと、を含むＡＱＷＡソルバーモジュールと、
前記時間領域計算結果が記憶されたデータドキュメントに含まれる浮体の運動変位と運動速度の時刻歴データを読み出し、時刻歴データとＰＴＯ減衰力に基づいて浮体の瞬時電力の時刻歴と平均電力を算出して出力するデータ処理モジュールと、を含む、
請求項１に記載の波力エネルギー装置のパラメータ設定の最適化システム。 The MA-System is
Based on the specific type of the wave energy device, wave conditions, step size and number of steps for calculation, load magnitude and biasing method, floating body structural parameters, number of floating bodies used for model control and simulation calculation and a parameter input module in which parameter variables including at least array geometry, gravitational acceleration, seawater density, and seawater depth are defined and entered by MATLAB;
writing the floating structure parameters, number of floating bodies, and array layout in the parametric variables in the APDL software modeling command flow format to a first data document, reading the modeling command flow in the first data document by the APDL software to complete the model creation; a model generation module that stores at least model grid node data and hydraulic power calculation unit data in a second data document;
an AQWA solver module including a frequency domain calculation unit for calculating a frequency domain calculation result based on the AQWA software; and a time domain calculation unit for calculating a time domain calculation result based on the AQWA software and the frequency domain calculation result;
Read the time history data of motion displacement and motion velocity of the floating body included in the data document storing the time domain calculation results, and calculate the time history and average power of the instantaneous power of the floating body based on the time history data and the PTO damping force. a data processing module that outputs the
A system for optimizing parameter settings of a wave energy device according to claim 1.
前記時間領域算出ユニットにおいて、ＡＱＷＡソフトウェアの時間領域計算入力ドキュメントのフォーマットで、少なくとも波浪条件、計算用のステップサイズ及びステップ数、荷重の大きさ及び付勢方式を第５データドキュメントに書き込み、前記第４データドキュメントを読み込んだ上で、ＡＱＷＡソフトウェアで前記第５データドキュメントを読み出して時間領域分析を行い、分析結果を第６データドキュメントに記憶するようにする、
請求項２に記載の波力エネルギー装置のパラメータ設定の最適化システム。 In the frequency domain calculation unit, the frequency domain analysis data is written in the frequency domain calculation input document format of the AQWA software into a third data document, the AQWA software reads the third data document to perform the frequency domain analysis, and the analysis result is obtained. The frequency domain analysis data is stored in a fourth data document, and the frequency domain analysis data includes the gravitational acceleration, seawater density, and seawater depth in the parameter variables, and the weight of the floating body, the moment of inertia, and the position of the center of gravity spontaneously calculated from the structural parameters of the floating body. and model grid node data and hydraulic power calculation unit data in the second data document,
In said time domain calculation unit, writing at least wave conditions, step size and number of steps for calculation, load magnitude and biasing method in a fifth data document in the format of a time domain calculation input document of AQWA software; reading 4 data documents, reading the fifth data document with AQWA software to perform a time domain analysis, and storing the analysis results in a sixth data document;
A system for optimizing parameter settings of a wave energy device according to claim 2.
請求項１乃至３のいずれか１項に記載の波力エネルギー装置のパラメータ設定の最適化システム。 said intelligent optimization algorithm is a genetic optimization algorithm;
A system for optimizing parameter settings of a wave energy device according to any one of claims 1 to 3.
前記ＭＡ－Ｓｙｓｔｅｍに入力されたパラメータ変数から少なくとも一つを最適パラメータ変数として選択し、他のパラメータ変数をそのまま保持するパラメータ変数選択モジュールと、
前記最適パラメータ変数を符号化し、異なる変数の数値範囲に基づいて対応する符号長を決定して同一の個体符号列に統合し、複数の異なる個体符号列を生成し、遺伝的最適化アルゴリズムの初期個体群を構成する初期個体群生成モジュールと、
前記ＭＡ－Ｓｙｓｔｅｍを呼び出し、前記初期個体群における異なる個体の平均発電力を個体の目的関数として算出し、各個体の関連エネルギー獲得データを第７データドキュメントに出力する目的関数生成モジュールと、
前記目的関数を最大化することで、適応度関数を決定する適応度関数決定モジュールと、
個体群において前記適応度関数により良好な個体を選択し劣悪な個体を排除し、遺伝代数に達するまで繰り返して選別し、最終的な遺伝的個体群における個体を最適個体とする遺伝的最適化演算モジュールと、
前記最適個体を前記波力エネルギー装置の発電力が最大となる構造パラメータとして出力する最適パラメータ出力モジュールと、を含む、
請求項４に記載の波力エネルギー装置のパラメータ設定の最適化システム。 The optimization computing system is
a parameter variable selection module that selects at least one of the parameter variables input to the MA-System as an optimum parameter variable and retains the other parameter variables as they are;
encoding the optimal parameter variables, determining corresponding code lengths based on the numerical ranges of different variables, integrating them into the same individual code string, generating a plurality of different individual code strings, and initializing the genetic optimization algorithm; an initial population generation module that constitutes a population;
an objective function generation module that calls the MA-System, calculates the average power generation of different individuals in the initial population as an individual objective function, and outputs the relevant energy acquisition data of each individual to a seventh data document;
a fitness function determination module that determines a fitness function by maximizing the objective function;
A genetic optimization operation that selects good individuals and excludes poor individuals from the population by the fitness function, repeatedly selects until the genetic algebra is reached, and finally selects the individual in the genetic population as the optimal individual. a module;
an optimal parameter output module that outputs the optimal individual as a structural parameter that maximizes the power generation of the wave energy device;
A system for optimizing parameter settings of a wave energy device according to claim 4.
前記ＭＡ－Ｓｙｓｔｅｍを知的最適化アルゴリズムと組み合わせ、平均発電力が最大の波力エネルギー装置に対応する構造パラメータを算出するステップ２）と、を含む、
波力エネルギー装置のパラメータ設定の最適化方法。 Step 1) of constructing MA-System, a co-simulation system of MATLAB, AQWA and APDL based on the specific form of the wave energy device, and calculating the average power generation of the wave energy device;
2) combining the MA-System with an intelligent optimization algorithm to calculate the structural parameters corresponding to the wave energy device with the highest average power generation;
A method for optimizing parameter settings for wave energy devices.
前記波力エネルギー装置の具体的な形式に基づいて、モデルの制御及びシミュレーション計算に用いる、波浪条件、計算用のステップサイズ及びステップ数、荷重の大きさ及び付勢方式、浮体構造パラメータ、浮体数及びアレイ配置、重力加速度、海水密度、海の水深を少なくとも含むパラメータ変数が、ＭＡＴＬＡＢにより定義され入力されるステップ１－１）と、
ＡＰＤＬソフトウェアモデリングコマンドフローのフォーマットで前記パラメータ変数における浮体構造パラメータ、浮体数及びアレイ配置を第１データドキュメントに書き込み、ＡＰＤＬソフトウェアで前記第１データドキュメントにおけるモデリングコマンドフローを読み出してモデル作成を完了し、少なくともモデルグリッドノードデータ及び水動力算出ユニットのデータを第２データドキュメントに格納するステップ１－２）と、
ＡＱＷＡソフトウェアに基づいて周波数領域算出ユニットが周波数領域計算結果を算出し、ＡＱＷＡソフトウェア及び前記周波数領域計算結果に基づいて時間領域算出ユニットが時間領域計算結果を算出するステップ１－３）と、
前記時間領域計算結果が記憶されたデータドキュメントに含まれる浮体の運動変位と運動速度の時刻歴データを読み出し、時刻歴データとＰＴＯ減衰力に基づいて浮体の瞬時電力の時刻歴と平均電力を算出して出力するステップ１－４）と、を含む、
請求項６に記載の波力エネルギー装置のパラメータ設定の最適化方法。 The step 1) is
Based on the specific type of the wave energy device, wave conditions, step size and number of steps for calculation, load magnitude and biasing method, floating body structural parameters, number of floating bodies used for model control and simulation calculation and step 1-1) in which parametric variables including at least array geometry, gravitational acceleration, seawater density, and seawater depth are defined and entered by MATLAB;
writing the floating structure parameters, number of floating bodies and array arrangement in the parametric variables in the APDL software modeling command flow format to a first data document, reading the modeling command flow in the first data document with the APDL software to complete the model creation; step 1-2) of storing at least model grid node data and hydraulic power calculation unit data in a second data document;
Step 1-3) in which a frequency domain calculation unit calculates a frequency domain calculation result based on the AQWA software, and a time domain calculation unit calculates a time domain calculation result based on the AQWA software and the frequency domain calculation result;
Read the time history data of motion displacement and motion velocity of the floating body included in the data document storing the time domain calculation results, and calculate the time history and average power of the instantaneous power of the floating body based on the time history data and the PTO damping force. and outputting step 1-4) as
A method for optimizing parameter settings of a wave energy device according to claim 6.
ＡＱＷＡソフトウェアの周波数領域計算入力ドキュメントのフォーマットで周波数領域分析データを第３データドキュメントに書き込み、ＡＱＷＡソフトウェアで前記第３データドキュメントを読み出して周波数領域分析を行い、分析結果を第４データドキュメントに記憶するようにするステップ１－３－１）と、
ＡＱＷＡソフトウェアの時間領域計算入力ドキュメントのフォーマットで、少なくとも波浪条件、計算用のステップサイズ及びステップ数、荷重の大きさ及び付勢方式を第５データドキュメントに書き込み、前記第４データドキュメントを読み込んだ上で、ＡＱＷＡソフトウェアで前記第５データドキュメントを読み出して時間領域分析を行い、分析結果を第６データドキュメントに記憶するステップ１－３－２）と、をさらに含み、
前記周波数領域分析データは、前記パラメータ変数における重力加速度、海水密度及び海の水深と、前記浮体構造パラメータにより自発算出された浮体重量、慣性モーメント及び重心位置と、前記第２データドキュメントにおけるモデルグリッドノードデータと水動力算出ユニットのデータを含む、
請求項７に記載の波力エネルギー装置のパラメータ設定の最適化方法。 The step 1-3) is
writing the frequency domain analysis data in the format of the frequency domain calculation input document of the AQWA software into a third data document, reading the third data document with the AQWA software to perform the frequency domain analysis, and storing the analysis results in a fourth data document. Step 1-3-1) to make
After writing at least wave conditions, step size and number of steps for calculation, load magnitude and biasing method in a fifth data document in the format of the time domain calculation input document of AQWA software, and reading the fourth data document. and step 1-3-2) of reading said fifth data document with AQWA software to perform time domain analysis and storing the analysis results in a sixth data document,
The frequency domain analysis data includes the gravitational acceleration, seawater density, and seawater depth in the parameter variables, the weight of the floating body, the moment of inertia, and the position of the center of gravity spontaneously calculated from the floating body structure parameters, and the model grid node in the second data document. including data and hydro power calculation unit data,
A method for optimizing parameter settings of a wave energy device according to claim 7.
前記ＭＡ－Ｓｙｓｔｅｍに入力されたパラメータ変数から少なくとも一つを最適パラメータ変数として選択し、他のパラメータ変数をそのまま保持するステップ２－１）と、
前記最適パラメータ変数を符号化し、異なる変数の数値範囲に基づいて対応する符号長を決定して同一個体符号列に統合し、複数の異なる個体符号列を生成し、遺伝的最適化アルゴリズムの初期個体群を構成するステップ２－２）と、
前記ＭＡ－Ｓｙｓｔｅｍを呼び出し、前記初期個体群における異なる個体の平均発電力を個体の目的関数として算出し、各個体の関連エネルギー獲得データを第７データドキュメントに出力するステップ２－３）と、
前記目的関数を最大化することで、適応度関数を決定するステップ２－４）と、
個体群において前記適応度関数により良好な個体を選択し劣悪な個体を排除し、遺伝代数に達するまで繰り返して選別し、最終的な遺伝的個体群における個体を最適個体とするステップ２－５）と、
前記最適個体を前記波力エネルギー装置の発電力が最大となる構造パラメータとして出力するステップ２－６）と、を含む、
請求項６に記載の波力エネルギー装置のパラメータ設定の最適化方法。
The step 2) is
step 2-1) of selecting at least one of the parameter variables input to the MA-System as the optimum parameter variable and retaining the other parameter variables as they are;
Encoding the optimal parameter variables, determining corresponding code lengths based on the numerical ranges of different variables, integrating them into the same individual code string, generating a plurality of different individual code strings, and initial individuals of the genetic optimization algorithm Step 2-2) for forming a group;
step 2-3) invoking said MA-System to calculate the average power generation of different individuals in said initial population as an individual objective function, and outputting the associated energy gain data of each individual to a seventh data document;
step 2-4) of determining a fitness function by maximizing the objective function;
Step 2-5) of selecting good individuals and excluding poor individuals from the population by the fitness function, repeating selection until the genetic algebra is reached, and making the individual in the final genetic population the optimal individual (step 2-5). When,
Step 2-6) of outputting the optimum individual as a structural parameter that maximizes the power generation of the wave energy device;
A method for optimizing parameter settings of a wave energy device according to claim 6.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110246608.2A CN112949188B (en) | 2021-03-05 | 2021-03-05 | Optimizing system and method for parameter configuration of wave energy device |
| CN202110246608.2 | 2021-03-05 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2022136002A true JP2022136002A (en) | 2022-09-15 |
| JP7349178B2 JP7349178B2 (en) | 2023-09-22 |
Family
ID=76247935
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022031268A Active JP7349178B2 (en) | 2021-03-05 | 2022-03-01 | Optimization system and method for parameter settings of wave energy devices |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP7349178B2 (en) |
| CN (1) | CN112949188B (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116432504A (en) * | 2023-05-16 | 2023-07-14 | 中国船舶集团有限公司第七一九研究所 | Floating ball array swing characteristic analysis method, system and storage medium |
| CN116976201A (en) * | 2023-07-10 | 2023-10-31 | 哈尔滨工业大学 | Self-programming parameterized modeling method and modeling system for micro turbine blade of breathing machine, computer readable storage medium and electronic equipment |
| CN116976199A (en) * | 2023-07-07 | 2023-10-31 | 同济大学 | PCM-TCG photo-thermal performance optimization method based on non-dominant multi-objective genetic algorithm |
| CN117113725A (en) * | 2023-10-19 | 2023-11-24 | 中国海洋大学 | Energy obtaining analysis method of parameter pendulum type wave energy device |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115203854B (en) * | 2022-07-26 | 2023-10-03 | 西南交通大学 | Intelligent design system and method for electric hydrostatic actuator |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012106558A2 (en) * | 2011-02-02 | 2012-08-09 | Columbia Power Technologies, Inc. | Method and system for wave energy conversion |
| CN106709143A (en) * | 2016-11-15 | 2017-05-24 | 山东电力设备有限公司 | VFTO batch simulation analysis method and system based on ATP automatic modeling |
| CN109766604A (en) * | 2018-12-27 | 2019-05-17 | 浙江大学 | A kind of blade high rigidity design method based on random equal geometrical analysis |
| CN111597685A (en) * | 2020-04-14 | 2020-08-28 | 浙江大学 | Shape optimization method for energy obtaining body of multi-degree-of-freedom wave energy device |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101498688B (en) * | 2009-02-25 | 2012-05-09 | 中国海洋大学 | Ocean platform integral lossless detection method based on structural vibration |
| CN105335784B (en) * | 2015-10-22 | 2018-01-23 | 西安电子科技大学 | A kind of method of the optimal soft protection of dsp system of selection based on genetic algorithm |
| CN105447256B (en) * | 2015-12-04 | 2018-07-31 | 国网河北能源技术服务有限公司 | A kind of enhancing excitation emulation genetic optimization method |
| CN107133560B (en) * | 2017-03-17 | 2020-04-14 | 浙江埃特斯力试验设备有限公司 | Impulse response spectrum time domain waveform matching method based on genetic algorithm |
| CN107766926A (en) * | 2017-10-23 | 2018-03-06 | 广东工业大学 | A kind of method and system of wave-activated power generation |
| CN109118016A (en) * | 2018-08-31 | 2019-01-01 | 广东工业大学 | A kind of oscillating float type wave-activated power generation method based on Multiple-population Genetic Algorithm |
| CN109858130A (en) * | 2019-01-24 | 2019-06-07 | 中国海洋大学 | A kind of wave simulation method based on artificial intelligence and numerical model |
| CN110071496A (en) * | 2019-03-29 | 2019-07-30 | 广东工业大学 | A kind of configuration of direct-current grid power optimization and operation method based on wave-activated power generation |
| CN111597684B (en) * | 2020-04-14 | 2022-02-18 | 浙江大学 | Parameter optimization method for multi-degree-of-freedom wave energy device |
| CN112364559B (en) * | 2020-10-12 | 2024-03-15 | 中山大学 | Layout optimization method and device for wave energy power generation device |
-
2021
- 2021-03-05 CN CN202110246608.2A patent/CN112949188B/en active Active
-
2022
- 2022-03-01 JP JP2022031268A patent/JP7349178B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012106558A2 (en) * | 2011-02-02 | 2012-08-09 | Columbia Power Technologies, Inc. | Method and system for wave energy conversion |
| CN106709143A (en) * | 2016-11-15 | 2017-05-24 | 山东电力设备有限公司 | VFTO batch simulation analysis method and system based on ATP automatic modeling |
| CN109766604A (en) * | 2018-12-27 | 2019-05-17 | 浙江大学 | A kind of blade high rigidity design method based on random equal geometrical analysis |
| CN111597685A (en) * | 2020-04-14 | 2020-08-28 | 浙江大学 | Shape optimization method for energy obtaining body of multi-degree-of-freedom wave energy device |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116432504A (en) * | 2023-05-16 | 2023-07-14 | 中国船舶集团有限公司第七一九研究所 | Floating ball array swing characteristic analysis method, system and storage medium |
| CN116432504B (en) * | 2023-05-16 | 2023-09-05 | 中国船舶集团有限公司第七一九研究所 | Floating ball array swing characteristic analysis method, system and storage medium |
| CN116976199A (en) * | 2023-07-07 | 2023-10-31 | 同济大学 | PCM-TCG photo-thermal performance optimization method based on non-dominant multi-objective genetic algorithm |
| CN116976199B (en) * | 2023-07-07 | 2024-03-29 | 同济大学 | PCM-TCG photo-thermal performance optimization method based on non-dominant multi-objective genetic algorithm |
| CN116976201A (en) * | 2023-07-10 | 2023-10-31 | 哈尔滨工业大学 | Self-programming parameterized modeling method and modeling system for micro turbine blade of breathing machine, computer readable storage medium and electronic equipment |
| CN117113725A (en) * | 2023-10-19 | 2023-11-24 | 中国海洋大学 | Energy obtaining analysis method of parameter pendulum type wave energy device |
| CN117113725B (en) * | 2023-10-19 | 2024-01-26 | 中国海洋大学 | Energy obtaining analysis method of parameter pendulum type wave energy device |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112949188A (en) | 2021-06-11 |
| JP7349178B2 (en) | 2023-09-22 |
| CN112949188B (en) | 2022-11-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2022136002A (en) | Optimization system and method for parameter configuration of wave energy device | |
| Wardlaw et al. | Evaluation of genetic algorithms for optimal reservoir system operation | |
| JP6979331B2 (en) | Information processing equipment and information processing method | |
| Noilublao et al. | Simultaneous topology, shape and sizing optimisation of a three-dimensional slender truss tower using multiobjective evolutionary algorithms | |
| Chen | Real coded genetic algorithm optimization of long term reservoir operation 1 | |
| Zhang et al. | Use of parallel deterministic dynamic programming and hierarchical adaptive genetic algorithm for reservoir operation optimization | |
| Chen et al. | Improved particle swarm optimization-based form-finding method for suspension bridge installation analysis | |
| Cunha et al. | A new multiobjective simulated annealing algorithm—MOSA‐GR: Application to the optimal design of water distribution networks | |
| TW201235865A (en) | Data structure for tiling and packetizing a sparse matrix | |
| CN112818437B (en) | Integrated analysis method for calculating optimized charting of offshore wind power single-pile foundation design | |
| Garcia-Teruel et al. | Hull geometry optimisation of wave energy converters: On the choice of the objective functions and the optimisation formulation | |
| Golbaz et al. | Layout and design optimization of ocean wave energy converters: A scoping review of state-of-the-art canonical, hybrid, cooperative, and combinatorial optimization methods | |
| CN113919046A (en) | Pile foundation linearization and foundation structure super-unit calculation method suitable for offshore wind turbine integral coupling calculation | |
| Rani et al. | Optimal Allocation and Sizing of Multiple DG in Radial Distribution System Using Binary Particle Swarm Optimization. | |
| Saad et al. | A new kriging–bat algorithm for solving computationally expensive black-box global optimization problems | |
| CN102902590A (en) | Parallel digital terrain analysis-oriented massive DEM (Digital Elevation Model) deploying and scheduling method | |
| Shang et al. | Performance of genetic algorithms with different selection operators for solving short-term optimized reservoir scheduling problem | |
| CN116755876A (en) | Large model hybrid parallel training acceleration method and system | |
| Hidalgo et al. | Evaluation of optimization algorithms to adjust efficiency curves for hydroelectric generating units | |
| Sullivan et al. | Optimisation of tidal power arrays using a genetic algorithm | |
| CN108734349A (en) | Distributed generation resource addressing constant volume optimization method based on improved adaptive GA-IAGA and system | |
| CN116562166A (en) | IHBA-based distributed power supply location and volume-fixing method for power distribution network | |
| Amini et al. | Optimization study of hydraulic power take-off system for an ocean wave energy converter | |
| Li et al. | Discrete complex-valued code pathfinder algorithm for wind farm layout optimization problem | |
| CN102708241B (en) | Rapid particle swarm method for oil reservoir history fitting |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220301 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220302 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230208 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230221 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230509 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230808 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230904 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7349178 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |