2023年3月31日

—基于机器学习尾流模型的运营海上风电场改造布局优化。1.本文在优化框架中使用机器学习尾流模型代替解析模型，介绍了机器学习尾流模型的建模过程（通过人工神经网络构建速度和湍流模型。对于低风速区，用144个数据训练模型，选其他的22个数据测试模型。对于高风速区，用293个数据训练模型，选其他的22个数据测试模型。以此来避免模型过度拟合，导致泛化性差）。训练后的模型用于测试并与CED模拟结果进行比较，证明了机器学习尾流模型的精度与CFD模拟处于同一水平。2.使用遗传算法（GA）和基于SQP梯度的多多起点全局优化算法（GS）对Horns Rev风电场进行改造优化（保留原有风机的位置，添加风机）和自由优化（在该区域上对所有风机重新布局），目标函数为年发电量AEP。风机数量从80增加到120。当风机数量为90、100时，改造获得更高的AEP；当风机数量为120时，自由布局有更好的结果，因为风机密度过大带来更大的尾流效应。 想法：考虑机器学习（K-邻近算法、K-平均算法）与风机聚类相结合。