《基於粒子群算法的風電場微觀選址最佳化方法研究》是依託同濟大學，由王峻擔任項目負責人的面上項目。
基本介紹
- 中文名：基於粒子群算法的風電場微觀選址最佳化方法研究
- 項目類別：面上項目
- 項目負責人：王峻
- 依託單位：同濟大學
中文摘要,結題摘要,
中文摘要
風電場微觀最佳化選址是根據給定風電場的風向、風速、地形、地貌以及風機特性，確定風機數量和位置，從而使整個風電場產能最優，同時滿足其他經濟、社會或環境指標的要求。本課題建立微觀選址最佳化問題的數學模型，首次套用粒子群最佳化算法進行微觀選址的最佳化研究，以實現風機組的最優布局，提高風電場發電量和經濟效益。此外，本課題針對微觀選址問題的特點，從中提煉關鍵問題，對粒子群最佳化算法的約束處理技術、初始解產生方式及變異方式進行理論探索，並最終套用於微觀選址最佳化研究。
結題摘要
風電場微觀最佳化選址是根據給定風電場的風向、風速、地形、地貌以及風機特性，確定風機數量和位置，從而使整個風電場產能最優，同時滿足其他經濟、社會或環境指標的要求。本課題建立了微觀選址最佳化問題的數學模型，首次套用粒子群最佳化算法進行微觀選址的最佳化研究，實現了風機組的最優布局，提高了風電場發電量和經濟效益。此外，本課題還針對微觀選址問題的特點，從中提煉了關鍵問題，對粒子群最佳化算法的約束處理技術、初始解產生方式及變異方式進行理論探索，並最終套用於微觀選址最佳化研究。本課題主要的研究工作和創新成果如下： 1. 改進了用於微觀選址的風電場數學模型。該模型考慮了風能的全年變化特性、風機尾流的三維描述以及風機功率曲線，解決了先前研究中風能特徵描述簡單、風機尾流影響兩維描述和風機能量變換過於簡化的問題，提高了服務於最佳化算法的模型的精度和可靠性。 2. 提出了連續空間微觀選址最佳化方法。該方法基於上述改進的風電場模型，以風電場發電量最大為最佳化目標，以風機之間的最小允許距離為約束條件，在連續空間進行風機的最佳化排布。與前人研究中採用的離散格線微觀選址最佳化方法相比，該方法大幅度提高了風機選址的自由度，從而提高了最佳化性能。 3. 提出了基於收縮因子粒子群的微觀選址算法。針對微觀選址最佳化問題的非解析、多約束的特點，提出基於收縮因子形式粒子群的靜態評價粒子群算法、動態評價粒子群算法和高斯變異粒子群算法。與已有的經驗算法和離散格線算法相比，該算法大幅度提高了微觀選址方案的風能利用效率，特別適用於風機台數少或排布稀疏的風電場。 4. 提出了高斯粒子群微觀選址算法。針對排布密集風電場風機尾流強耦合的問題，該算法利用差分進化較強的局部搜尋能力，提出基於差分變異和差分局部搜尋的高斯粒子群的最佳化疊代。與上述基於收縮因子粒子群的算法相比，該算法顯著提高了微觀選址最佳化的性能和魯棒性。
