2023年3月14日

基于新型多阶段策略的海上风电机组定位优化方法案例研究。该论文提出了一种多阶段启发式优化布局策略，它比连续模型有更低的空间搜索复杂度，比离散模型有更大的灵活性，可以获得更高的AEP。 第一阶段：应用离散模型(网格)，通过贪婪算法(Greedy)求解，以最佳适应度值(年发电量AEP最大，风电场效率最高)为标准依次添加风机，直到域中风电机数目与指定数目相同，得到最优布局，并将其作为第二阶段的初始解；第二阶段：应用连续模型来细化第一阶段的布局，通过随机搜索算法(RS)求解，随机选择一个风机，将其移动到新位置，如果获得更佳适应度值，则接受新位置，否则不接受，当终止准则达到时输出最优布局。 本文采用高斯尾流模型来模拟尾流效应，AEP是风速和风向的函数。 最后通过四个案例验证算法的先进性与可行性。案例1：恒定风速(12m/s)风向(北风)，30个风机，计算区域1800m×1800m，风机直径40m。与GA、SA、PS、PSO、GPSO、PSO-fmincon等多种算法相比，本文提出的Greedy-RS算法输出功率平均值最高，偏差相对娇小。案例2：恒定风速(12m/s)，变风向(36个均匀分布)，39台风机，结果同上，主要倾向于将风机置于计算区域的最外侧。案例3：变风速(12m/s和17m/s为主导风向)变风向(主要在280°和360°之间)，39台风机，与其他算法相比，本文提出的算法功率输出增量更明显，鲁棒性更强。案例4：缅因湾风电场布局优化，46台风机，型号NREL 5MW，计算区域5930m×5930m，与其他算法相比，本文提出的算法平均AEP最佳，增强最明显。 总结：进一步确定论文方向，题目为——基于LCOE的多阶段海上风电机组定位优化研究，将定位与电缆成本相结合，互相制约。