2023.5.6

基于遗传算法的不同轮毂高度风电场布局优化。1.以风电场输出功率最大为目标，风机数量、轮毂高度、风机位置为变量，使用嵌套遗传算法（具有随机初始风机数量，GA1生成一个二进制矩阵m×n（m：一代的个体总数，n：可放风机的位置总数。.m、n在优化开始时确定）优化风机位置；基于GA1的每个个体中确定的风机数量，GA2生成一个二进制矩阵g×h（g：轮毂高度组合的个体数量，h：随GA1中确定的风机数量和位置决定，是变化的）优化轮毂高度。在为GA1中的相应个体选择GA2中的轮毂高度的最佳组合之后，可以确定潜在风电场布局的功率输出。然后，GA2将继续优化由GA1生成的所有潜在布局的轮毂高度。在得到所有潜在布局的功率输出后，GA1将根据目标函数选择达到较好结果的布局，然后对所选择的布局进行交叉和变异）优化风机布局。2.通过预测试和与以前的研究结果进行比较，验证了遗传算法参数的合理性（基于文献13进行）。3.通过三个案例研究（恒定风速风向（78m轮毂高度处12m/s，50m处的风速可根据78m处的计算得出（下同），北风）、恒风速（12m/s）36个风向(各风向概率相同)、变风速（8m/s、12m/s、17m/s）变风向（文中图8给出各风向的概率）），比较使用不同轮毂高度的风机和使用相同轮毂高度的风机的风电场最大输出功率。结果表明，在风机总数相同的情况下，采用不同轮毂高度风机的风电场输出功率较好。4.基于案例3还考虑了不同的成本模型（简化的成本模型及综合成本模型），以单位功率成本最小为目标优化布局。结果表明，使用不同轮毂高度的风机可以降低风电场的单位功率成本。5.以一个大型实际风电场为例，对不同轮毂高度的风力发电机组的实际运行情况进行了分析，验证了前三个案例的结论。