一种风电场排布优化方法技术

本发明专利技术属于风电场微观选址技术领域，具体公开了一种风电场排布优化方法

【技术实现步骤摘要】
一种风电场排布优化方法、装置、设备及介质


[0001]本专利技术属于风电场微观选址
，具体涉及一种风电场排布优化方法
、
装置
、
设备及介质
。

技术介绍

[0002]在风电场的前期阶段进行布局优化是在年度统计尺度上尽可能减少风电场中尾流影响的关键技术，直接决定了风电场投产后的发电量
。
良好的布局优化方案可以使风电场中的各个机组尽可能避免相互的尾流影响，在提高风电场总出力
、
降低投资成本，以及使整个风电场具有良好的开发前景等方面具有重要意义
。
[0003]风电场布局优化问题从本质上讲是一个复杂的优化问题，其目标是通过优化各个风力机位置从而使相应的尾流相互作用最小，进而提升整体的发电能力
。
这就对求解该问题的优化算法的性能提出了很高的要求
。
风电场布局优化问题需要考虑多个因素，如风资源分布
、
地形
、
环境影响
、
土地使用等
。
常规的风电场布局优化方法通常采用如下步骤
。
首先进行地形分析，通过数字高程模型
(DEM)
和
GIS
技术分析地形特征，确定适合建设风电机组的区域
。
然后开展风能分析：利用数值模拟和实测数据分析风速和风向分布情况，确定最佳的风机布局方案
。
在此基础上构建布局优化模型，使用数学模型对风机布局进行优化，考虑多个因素，如风能资源
、
环境影响
、
土地利用
、
经济效益等，以达到最佳布局方案
。
综合考虑不同目标，如最大化发电量
、
最小化成本
、
最少影响等，通过权衡取得一个平衡点，实现最优方案
。
通常采用较多的人工智能优化算法主要包括：利用机器学习和优化算法，如遗传算法
、
蚁群算法
、
神经网络等
。
这些方法可以单独或组合使用，根据具体情况选择最适合的方案
。
[0004]在风电场排布问题中，传统的启发式算法虽然应用简单，但其实局部搜索能力较低，所需优化时间较长，容易陷入局部最优解
。
在进行风力机数目较多的大型风电场时，传统的优化算法不能得到令人满意的优化结果
。
针对风电场排布问题，开发更加高效
、
稳定的优化算法是进行新一代大型风电场建设的关键技术
。

技术实现思路

[0005]本专利技术的目的在于提供一种风电场排布优化方法
、
装置
、
设备及介质，以解决现有风电场排布优化过程中优化时间长，难以全面优化，导致发电量低的技术问题
。
[0006]为实现上述目的，本专利技术采用如下技术方案予以实现：
[0007]第一方面，本专利技术提供一种风电场排布优化方法，包括以下步骤：
[0008]获取风电场基础数据，根据风电场基础数据建立尾流干涉模型；
[0009]根据风电场基础数据建立发电量计算模型；
[0010]根据尾流干涉模型生成初始风电场布局；
[0011]根据初始风电场布局和发电量计算模型以最大发电量为目的建立目标函数；
[0012]根据目标函数，将初始风电场布局作为初始风机坐标，采用生物地理学优化算法
更新风机坐标，得到最优风机布局
。
[0013]本专利技术的进一步改进在于：其特征在于，所述风电场基础数据包括叶轮直径
、
轮毂高度
、
测风数据
、
风机推力曲线和功率曲线
。
[0014]本专利技术的进一步改进在于：其特征在于，所述根据风电场基础数据建立尾流干涉模型的步骤中，尾流干涉模型：
[0015][0016][0017]式中，
U
w
是为风速，
U0是上游风机风速，
C
T
是风机推力系数，
σ
是尾流半径，
d
是风轮直径，
k
w
是尾流扩张系数
。
[0018]本专利技术的进一步改进在于：其特征在于，所述根据风电场基础数据建立发电量计算模型的步骤中，具体包括：
[0019]根据风电场基础数据进行风资源统计，得到不同风速等级对应的全年累计小时数；
[0020]根据不同风速等级对应的全年累计小时数建立发电量计算模型；
[0021]发电量计算模型：
[0022][0023]式中，
G
k
表示第
k
个风机的发电量，
n
表示风速等级数量，
N
i
表示第
i
个风速等级对应的全年累计小时数，
P
i
表示第
i
个风速等级对应的输出功率
。
[0024]本专利技术的进一步改进在于：其特征在于，所述根据尾流干涉模型生成初始风电场布局的步骤中，具体包括：
[0025]在风电场内划分正方形的第一区域，将第一区域划分为若干等间距的网格；
[0026]根据尾流干涉模型在网格内随机设置若干个风电机组作为初始风电场布局
。
[0027]本专利技术的进一步改进在于：其特征在于，所述据初始风电场布局和发电量计算模型以最大发电量为目的建立目标函数的步骤中，目标函数：
[0028][0029]式中，
G
表示风电场的发电量，
m
表示网格的个数，
G
k
表示第
k
个发电机的发电量
。
[0030]本专利技术的进一步改进在于：其特征在于，所述根据目标函数，将初始风电场布局作为初始风机坐标，采用生物地理学优化算法更新风机坐标，得到最优风机布局的步骤中，具体包括：
[0031]A1、
根据发电量计算模型计算初始风电场布局的发电量，即初始发电量；
[0032]A2、
将初始风机坐标作为生物地理学优化算法的输入，判断是否发生迁移，若发生迁移则采用差分法生成候选解；
[0033]若未发生迁移则判断是否发生变异，若发生变异则通过高斯变异生成候选解；
[0034]A3、
对候选解进行非支配解排名，得到最优候选解；
[0035]A4、
计算最优候选解的发电量，若最优候选解的发电量小于初始发电量则重复步骤
A2
～
A3
；
[0036]若大于初始发电量，则将初始风机坐标替换为最优候选解，重复步骤
A2
～
A3
，直至达到最大迭代次数，得到最优风机布局
。
[0037]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种风电场排布优化方法，其特征在于，包括以下步骤：获取风电场基础数据，根据风电场基础数据建立尾流干涉模型；根据风电场基础数据建立发电量计算模型；根据尾流干涉模型生成初始风电场布局；根据初始风电场布局和发电量计算模型以最大发电量为目的建立目标函数；根据目标函数，将初始风电场布局作为初始风机坐标，采用生物地理学优化算法更新风机坐标，得到最优风机布局
。2.
根据权利要求1所述的一种风电场排布优化方法，其特征在于，其特征在于，所述风电场基础数据包括叶轮直径
、
轮毂高度
、
测风数据
、
风机推力曲线和功率曲线
。3.
根据权利要求1所述的一种风电场排布优化方法，其特征在于，其特征在于，所述根据风电场基础数据建立尾流干涉模型的步骤中，尾流干涉模型：据风电场基础数据建立尾流干涉模型的步骤中，尾流干涉模型：式中，
U
w
是为风速，
U0是上游风机风速，
C
T
是风机推力系数，
σ
是尾流半径，
d
是风轮直径，
k
w
是尾流扩张系数
。4.
根据权利要求1所述的一种风电场排布优化方法，其特征在于，其特征在于，所述根据风电场基础数据建立发电量计算模型的步骤中，具体包括：根据风电场基础数据进行风资源统计，得到不同风速等级对应的全年累计小时数；根据不同风速等级对应的全年累计小时数建立发电量计算模型；发电量计算模型：式中，
G
k
表示第
k
个风机的发电量，
n
表示风速等级数量，
N
i
表示第
i
个风速等级对应的全年累计小时数，
P
i
表示第
i
个风速等级对应的输出功率
。5.
根据权利要求1所述的一种风电场排布优化方法，其特征在于，其特征在于，所述根据尾流干涉模型生成初始风电场布局的步骤中，具体包括：在风电场内划分正方形的第一区域，将第一区域划分为若干等间距的网格；根据尾流干涉模型在网格内随机设置若干个风电机组作为初始风电场布局
。6.
根据权利要求1所述的一种风电场排布优化方...

【专利技术属性】
技术研发人员：程瑜，郭辰，时铭，张立英，邵振州，张国，杨紫藩，曾利华，冯笑丹，张金波，李来龙，曹治，蒋贲，孟鹏飞，刘吉辰，鲍捷，
申请(专利权)人：中国华能集团清洁能源技术研究院有限公司华能新能源股份有限公司，
类型：发明
国别省市：