【江盛恺】基于新型尾流模型的风电场三维布局优化研究_16页_4mb

基于新型尾流模型的风电场三维布局优化研究总结

核心内容概述

本研究聚焦于基于新型三维尾流模型（3D-COU模型）的风电场三维布局优化问题。通过分析尾流效应、优化算法及实际案例，探讨如何在考虑风资源分布、尾流相互影响及成本约束的前提下，提升风电场的发电效率和经济性。

主要观点

1. 风力机尾流效应

• 尾流影响：下游风力机的风速降低，湍流强度增加，风切变加剧，导致输出功率下降，同时增加疲劳载荷和结构损耗。
• 尾流模型：传统一维Jensen模型存在尾流分布形式与实际不符的问题，导致对部分区域风速的高估；而新型3D-COU模型更贴近实际，其无量纲尾流亏损分布呈双余弦形式，水平方向对称，垂直方向因风切变呈非对称分布。

2. 风电场布局优化

• 影响因素：包括风资源评估、尾流建模、发电量计算、优化算法、优化目标、优化变量及优化策略。
• 优化目标：最小化单位能源成本（COE）或在成本与功率之间进行多目标优化。
• 优化变量：风力机的二维坐标及轮毂高度。
• 约束条件：三维坐标约束及最小间距约束，确保风力机之间的安全距离。

3. 优化算法

• 算法选择：采用粒子群优化（PSO）算法，其中单目标优化与多目标优化分别用于不同场景。
• 算法流程：粒子速度和位置更新遵循公式，通过自适应网格法提高优化效率。
• 参数设置：包括惯性权重、个体与全局认知系数、种群规模、最大迭代次数等，具体参数见下表：

关键信息

1. 布局优化参数

2. 优化目标函数

• 单目标优化：最小化单位能源成本（COE），公式如下：
  $$
  \text{minimize} \quad COE(X) = \frac{C_{total}(h)}{P_{total}(X)}
  $$
• 多目标优化：同时最小化成本和最大化功率，公式如下：
  $$
  \text{minimize} \quad \left(\sum_{i=1}^{N} C(h_i), -P_{total}(X)\right)
  $$

3. 布局优化结果

案例1：10台风力机

• 来流风速：13.0158 m/s（西风，270°）
• 优化布局：沿风向交错排布，纵向保持距离，轮毂高度与参考风高一致。
• 结果对比：
  • 3D-COU模型与Jensen模型结果相似。
  • 单目标优化中，两种模型COE均为1.0079。
  • 多目标优化中，Jensen模型总功率比3D-COU高1.2%。

案例2：20台风力机

• 来流风速：13.0158 m/s（西风，270°）
• 优化布局：一半以上的风力机分布在边界上，垂直方向交错排布。
• 结果对比：
  • 3D-COU模型总功率为10.699 MW，Jensen模型为10.744 MW。
  • 3D-COU模型总成本为13.727 M€，Jensen模型为13.731 M€。
  • 多目标优化中，Jensen模型总功率比3D-COU高2.1%。

结论

• 新型三维尾流模型（3D-COU）在风场布局优化中展现出更高的精度和适用性。
• 粒子群优化算法在处理布局优化问题时表现出良好的效果，能够有效平衡发电效率与建设成本。
• 多目标优化在实际应用中能更灵活地应对风电场设计中的复杂需求，提高整体经济效益和发电能力。