[发明专利]一种风机排布优化方法

权利要求书

1.一种风机排布优化方法，其特征在于，包括以下步骤：

获取目标风电场的地理信息系统的三维点云数据和风数据；

根据地理信息系统的三维点云数据建立CFD模型，模拟风场的空间分布；

将风场模拟结果与所述风数据中的的单点风速风向数据进行结合，获取风电场空间分布风速和风向时程信息；

根据风电场空间分布风速和风向时程信息，利用改进遗传算法优化风机排布，获得优化后的风机排布结果。

2.根据权利要求1所述的风机排布优化方法，其特征在于，所述根据地理信息系统的三维点云数据建立CFD模型，模拟风场的空间分布，具体包括以下步骤：

根据地理信息系统的三维点云数据建立CFD模型，并对计算区域进行网格划分；

基于网格划分结果，利用雷诺时均法RANS对风场进行模拟，模拟时湍流模型选用Realizable k-ε，模拟十六个风向角下风场的空间分布。

3.根据权利要求2所述的风机排布优化方法，其特征在于，所述将风场模拟结果与所述风数据中的的单点风速风向数据进行结合，获取风电场空间分布风速和风向时程信息，具体包括以下步骤：

剔除地形对观测的单点风速风向数据的影响，得到全域风气候信息U_10,open；

式中，U_station为单点实测风速数据，z_0,station为观测站地面粗糙长度，z_station为观测点离地高度，z_d,station为观测站零平面位移高度；

将RANS模拟结果与全域风气候信息进行结合，获取风电场空间分布的空间任意点的风速时程信息；

风电场空间分布风速时程信息的计算公式为：

式中，U(x,i)为风速时程的第i个值，U_10,in是CFD模拟入口的10m高度风速，U_10,open(i)为剔除局部地形后的10m高度风速，U_CFD(x,θ_i)是第i个风速对应的风向角θ_i下的CFD模拟风速。

4.根据权利要求3所述的风机排布优化方法，其特征在于，所述根据风电场空间分布风速和风向时程信息，利用改进遗传算法优化风机排布，获得优化后的风机排布结果，包括以下步骤：

确定风机排布优化涉及的相关参数，遗传算法将区域划分为等距的网格，并假设每个网格中心有两种可能性，安装风机和不安装风机，分别对应1和0，即“基因”，每个个体对应一种风机排布方案，由一串“基因”组成；

种群初始化通过随机的方式给定，每个“基因”随机赋值为0或1；

基于唯一处理计算个体适应度，得到完全不重复的种群个体；

利用轮盘选择法进行随机个体选择；

对每两个个体进行随机交叉，即为两个个体对应位置的“基因”进行互换；

对随机交叉后的每个个体赋予一定的随时间变化的变异率，公式如下；

式中，P_mut为时变变异率，iteration为当前迭代的步数，N_iter为总迭代步数，r₁为初始变异率，r₂为最终变异率；

当计算次数达到设定值时，得到的风机排布优化方案。

5.根据权利要求4所述的风机排布优化方法，其特征在于，所述基于唯一处理计算个体适应度，包括以下步骤：

考虑风机尾流效应，计算每台风机受上游风机尾流影响后的折减风速，折减风速的计算公式如下：

式中，V为考虑风机尾流效应后的折减风速时程，U为风速时程数据，C_t为风机推力系数，k_G为与地面粗糙长度有关的尾流扩散率，ε_G是与风机推力系数相关的参数，s是下游风机离上游的水平距离，D为叶片直径，r为尾流风机中心离上游风机影响区域的径向距离；

根据每台风机轮毂高度的风机折减风速，计算每台风机的年发电量，求和即为整个风电场的年发电；

式中，AEP为风电场的年发电量，N_tur为风机数量，N为样本长度，P为厂家给定的风机功率曲线，V_j为风机折减风速，P_rated为风机的额定发电功率，N_h为样本对应的小时数量，X_turbine为风机的水平坐标；

根据风机排布方案，计算风电场的建设成本，并结合年发电量，确定个体适应度；

Fitness＝1/objective＝AEP/cost

cost＝FCR×ICC+AOE

式中，Fitness表示个体适应度，用单位成本发电量表示，值越大表示结果越好；objective表示目标值，是适应度的倒数；cost表示风电场的建设成本，需考虑初始投资成本ICC和年成本AOE；FCR表示折算率，含义为将初始投资成本折算到年成本的系数，与利率和风机运行寿命有关；A表示将全部费用折算到每年等额年金值，P表示将全部费用折算到第1年年初的现值，i表示年利率，n表示风机运行寿命。