风电场机位的多目标排布优化方法及系统技术方案

本发明专利技术涉及风电场微观选址技术领域，具体提供一种风电场机位的多目标排布优化方法及系统，旨在解决现有风电场排布优化过程中，优化目标单一并且未能充分考虑风况等条件对于优化过程的影响的问题。为此目的，本发明专利技术应用遗传算法，以控制第一优化目标的目标值最小且第二优化目标的目标值最大作为优化目标，对风电场中风电机组的排布方案进行多目标优化，获取多目标优化的Pareto前沿解，以确定风电场的排布优化方案。通过上述配置方式，本发明专利技术在进行风电场的排布方案的优化过程中，综合考虑风电场总输出功率和风电机组前的流向湍流度，在确保风电场总输出功率的前提下，降低了风电机组前的流向湍流度，延长了风电场的运行寿命，提升了全生命周期的发电量。提升了全生命周期的发电量。提升了全生命周期的发电量。

【技术实现步骤摘要】
风电场机位的多目标排布优化方法及系统


[0001]本专利技术涉及风电场微观选址
，具体提供一种风电场机位的多目标排布优化方法及系统。

技术介绍

[0002]风能是一种无污染、可再生的清洁能源，为了加大对风能资源的利用，陆上和海上风电场的建设趋向于大型化、基地化，但与此同时风电场的尾流效应愈发严重。近些年来，针对风电场排布优化的研究逐渐增多。在针对风电场微观选址的研究中，多集中于选取高精度尾流模型或提高优化算法搜索精度和计算效率，而得到的最大输出功率排布方案。这些研究主要缺陷为优化目标单一，多是仅以最大化风电场最大输出功率作为优化目标的。此外，其研究过程中对于地形环境、风况等条件的设定也较为理想化，使得风电场排布优化问题仍存在很大的提升空间。
[0003]相应地，本领域需要一种新的风电场的排布优化方案来解决上述问题。

技术实现思路

[0004]为了克服上述缺陷，提出了本专利技术，以提供解决或至少部分地解决现有风电场排布优化过程中，未能综合考虑风况、流向湍流度等条件对于优化过程的影响以及优化目标单一的问题。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电场机位的多目标排布优化方法，其特征在于，所述方法包括：根据预设的风电场的区域和所述风电场中确定的风电机组的数量，建立遗传算法的初始化种群，其中，所述初始化种群中包含多个个体，每个个体分别是一种风电场中风电机组的排布方案；以控制第一优化目标的目标值最小且第二优化目标的目标值最大作为优化目标，基于遗传算法并根据所述初始化种群，对所述风电场中风电机组的排布方案进行多目标优化；当所述第一优化目标和所述第二优化目标同时达到收敛后，得到所述多目标优化的Pareto前沿解，所述Pareto前沿解包括每台风电机组在所述风电场的区域内的位置；根据所述Pareto前沿解确定所述风电场的排布优化方案；其中，所述第一优化目标为计算每个个体对应的所述排布方案下所述风电场内所有风电机组前的综合流向湍流度中所述综合流向湍流度的最大值；所述第二优化目标为计算每个个体对应的所述排布方案下所述风电场的总输出功率。2.根据权利要求1所述的风电场机位的多目标排布优化方法，其特征在于，所述方法还包括根据以下步骤计算每个个体对应的所述排布方案下所述风电场内所有风电机组前的综合流向湍流度中所述综合流向湍流度的最大值：针对所述风电场中的每个风电机组，根据风电场任意位置处的上游风电机组产生的附加流向湍流度，并按照下式所述的方法，获得所述风电场任意位置处的流向湍流度：其中，为风向角为θ
l
时，风电场中(x，y，z)位置处的流向湍流度；ΔIu
m
(x，y，z)为风电场中(x，y，z)位置处的第m台上游风电机组在(x，y，z)处产生的附加流向湍流度；N为所述风电场中当前风电机组位置上游机组的数量；根据当前风电机组所在位置以及所述风电场任意位置处的流向湍流度，并按照下式所述的方法，获得当前风电机组的轮毂前多个点位的流向湍流度并获取多个点位的流向湍流度的最大值，作为所述风电机组i前的流向湍流度的流向湍流度的最大值，作为所述风电机组i前的流向湍流度其中，为风向角为θ
l
时，(x，y，z)点位的流向湍流度；I0为当前风电机组的轮毂前方的大气湍流度；根据预设的风资源数据和不同风向下每个风电机组前的流向湍流度，并按照下式所述的方法，获得所述个体中的所有风电机组前的综合流向湍流度：其中，I
w
(i)为所述个体中风电机组i前的综合流向湍流度；f(θ
l
)为风向角为θ
l
时的风频；N
θ
为所述风向角的数量；根据所述个体中的所有风电机组前的综合流向湍流度，获取所有风电机组前的综合流向湍流度中所述综合流向湍流度的最大值。3.根据权利要求1所述的风电场机位的多目标排布优化方法，其特征在于，所述方法还包括根据以下步骤计算每个个体对应的所述排布方案下所述风电场的总输出功率：针对所述风电场中的每个风电机组，根据当前风电机组的上游风电机组在当前风电机
组所在位置处的平均速度损失，并按照下式所述的方法，获得当前风电机组的平均速度损失：其中，ΔU
i
为第i台风电机组的平均速度损失；ΔU
ij
为第j台风电机组在第i台风电机组处的平均速度损失；q
ij
为一个二进制变量，当且仅当当前风电机组i处于第j台上游风电机组产生的尾流区内时q
ij
＝1，其他情况q
ij
＝0；N
t
为所述风电场中风电机组的数量；根据当前风电机组的平均速度损失，并按照下式所述的方法，获取在预设的风况下当前风电机组的轮毂前的风速：U
i
＝U0‑
ΔU
i
其中，U0为所述风电机组轮毂高度处的自由流入流风速；U
i
为预设的风况下当前风电机组的轮毂前的风速，所述风况的风速为u
k
，所述风况的风向角为θ
l
；根据所述风况下当前风电机组的轮毂前的风速和当前风电机组的功率曲线，获取在所述风况下当前风电机组的输出功率；其中，所述功率曲线包括所述轮毂前的风速与所述风电机组的输出功率之间的对应关系；根据所述输出功率和所述风向，并按照下式所述的方法，获取在当前风电场的排布方案下所述风电场的总输出功率：其中，P
total
为在当前风电场的排布方案下所述风电场的总输出功率；Power(U
i
)为风速为u
k
，风向为θ
l
时，第i台风电机组的输出功率；f(u
k
，θ
l
)为风速为u
k
，风向角为θ
l
时的风频；N
θ
为所述风向角的数量；N
u
为所述风速的数量。4.根据权利要求1所述的风电场机位的多目标排布优化方法，其特征在于，每个所述个体中的风电场中风电机组的排布方案满足约束条件，所述约束条件为所述风电场中任意两个风电机组之间的距离大于风轮直径的N倍，其中，N为大于1的正整数。5.根据权利要求1所述的风电场机位的多目标排布优化方法，其特征在于，所述Pareto前沿解还包含所述第一优化目标的最终目标值和所述第二优化目标的最终目标值，“当所述第一优化目标和所述第二优化目标同时达到收敛后，得到所述多目标优化的Pareto前沿解”的步骤包括：当所述第一优化目标和所述第二优化目标首次同时达到收敛后，再进行多次多目标优化，并获取在每次多目标优化中当所述第一优化目标和所述第二优化目标同时达到收敛后得到的Pareto前沿解；若所述多次多目标优化的Pareto前沿解都与所述首次同时达到收敛后得到的Pareto前沿解相同，则将所述首次同时达到收敛后得到的Pareto前沿解作为最终的Pareto前沿解；若所述多次多目标优化的Pareto前沿解中至少一个Pareto前沿解与所述首次同时达到收敛后得到的Pareto前沿解不同，则根据所述Pareto前沿解中第一优化目标的最终目标值和第二优化目标的最终目标值，选取最小的第一优化目标的最终目标值对应的Pareto前沿解或选取最大的第二优化目标的最终目标值对应的Pareto前沿解，作为最终的Pareto前沿解。
6.一种风电场机位的多目标排布优化系统，其特征在于，所述系统包括：初始化种群建立模块，其被配置为根据预设的风电场的区域和所述风电场中确定的风电机组...

【专利技术属性】
技术研发人员：葛铭纬，曹立超，李宝良，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：