大型风电场风机最优布置规律研究_王丰
民勤红沙岗百万千瓦级风电基地风机排布优化研究
优化 ， 多 数情 况 为规 则 的行 列式 排布 。宫靖 远 等提 出， 对平 坦地 形 ， 当盛行 风 向为一个方 向或者两 个方
向（ 互相 为反方 向） 时 ， 风 机 在 盛行 风 向 上 间 距 为 ５ Ｄ～ ９ Ｄ（ Ｄ 为 叶轮直 径 ， 下 同） ， 在垂直 盛行 风 向间距 为 ３ Ｄ～ ５ Ｄ＿ １ ： Ｐ ａ ｔ ｅ ｌ 也指 出 ： 风机布 置 的最优 距离 为
地 利 用率 。通 常 在实 际 风 电场开 发建 设 中 ， 由于各 种 限制 因素 的制 约 ． 风 电场 区域边 界 已确 定 ， 因此 ，
在 确 定 的风 电场 边界 和 风能 资源 情况 下 ， 应保 证 风 机问相 互影 响最 小化 。
风机 的最 优 化布置 研究在早 期基本 属于经 验性
用 于风 电场流场模 拟 的基础数 据 为风 电场 内的
６座 测风塔 同期 观 测数据 ，并 且测 风数 据 做前期 完 整 性检 验 和合 理性 检验 。 满足 Ｇ Ｂ ／ Ｔ １ ８ ７ １ ０ — ２ ０ ０ ２ （ ＜ 风
在盛 行 风 向上风 机 间 隔 ８ Ｄ ～ １ ２ Ｄ，在垂 直于 盛行 风 向 上风 机 间 隔 １ ． ５ Ｄ～ ３ Ｄ［ ３ ］ ． 这些 排 列 方 式在 实 际风 电场 的开发 过程 得到 了广泛 的应用 。 由 于经验 性 结论 的排列 方式 有其 局 限性 。 对 于 不 同风 电 场 和不 同类 型 的风 机 最 优 间 隔是 不 相 同 的， 因此 ． 许 多 学者 开展 了针 对 不 同区域 、 不 同风况
第 ４ ９卷 第 ９期 ２ ０ １ ３年 ９月
甘 肃 水 利 水 电 技 术
ＧＡ ＮＳ Ｕ ＷＡ Ｔ Ｅ Ｒ Ｒ Ｅ Ｓ Ｏ Ｕ ＲＣ Ｅ Ｓ ＡＮ Ｄ Ｉ ｔ Ｙ Ｄ ＲＯＰ ＯＷＥＲⅡ ｅ Ｃ ＨＮ０ ＬＯＧ Ｙ
大型风电场风机最优布置规律研究
大型风电场风机最优布置规律研究王丰;刘德有;曾利华;陈守伦;陈星莺【摘要】采用较完善的风机优化布置计算数学模型,研究了单一风向风况下的风电场风机最优布置的一般性规律,给出了风机布置排数和风机间距的合理取值范围:风电场区域无限制以及风电场沿盛行风向上尺寸较小时,风机横向间距应为2D0～3D0(D0为风轮直径),纵向间距应大于15D0;风电场沿盛行风向上尺寸较大时,可考虑布置3排以上风机,风机纵向间距应为15D0-20D0,风机横向间距应为3D0～5D0;风机优化布置一般可不考虑风速大小的影响.在此基础上,研究了均匀对称风况、1个主导风向风况和多个主导风向风况下的风机最优布置规律,得出了风机最优布置形式与风况特征的规律性基本一致,且风况越复杂,风机最优布置的规律性越弱的结论.【期刊名称】《河海大学学报（自然科学版）》【年(卷),期】2010(038)004【总页数】7页(P472-478)【关键词】风电场;风机;布置排数;风机间距【作者】王丰;刘德有;曾利华;陈守伦;陈星莺【作者单位】河海大学水利水电学院,江苏,南京,210098;河海大学水利水电学院,江苏,南京,210098;河海大学水利水电学院,江苏,南京,210098;河海大学水利水电学院,江苏,南京,210098;河海大学水资源高效利用与工程安全国家工程研究中心,江苏,南京,210098【正文语种】中文【中图分类】TK83风电场风机优化布置是风电场规划中的关键环节,其布置方案的优劣直接影响风电场的发电量以及风电场的经济性水平.在风电场区域边界以及该区域风资源确定的情况下,如风机布置数量太少,将会降低该区域风资源的利用率;但如风机布置数量太多、风机间距太小,则会由于风机尾流的影响而降低各单台风机的发电效益,从而降低整个风电场开发的经济性[1-3].因此,考虑风机布置数量在内的风机最优布置方案是风电场规划设计和开发过程中需要深入研究的重要课题.在最初的研究中,风电场风机优化布置理论基本属于经验性结论,布置方式也基本为规则性的行列布置.如Patel[4]提出:风机布置的最优距离为在盛行风向上风机间隔8D0～12D 0(D 0为风轮直径),在垂直于盛行风向上风机间隔1.5D0～3D0.而王承煦等[5]指出:在盛行风向上要求风机间隔5D0～9D0,在垂直于盛行风向上要求风机间隔3D 0～5D0.这些基于经验判断给出的风机布置间隔距离,在一定程度和特定阶段指导了风电场风机优化布置的探索研究和工程应用.Ammara等[6]曾据此构建了一个风电场风机布置方案,在保证相同发电量的同时,能够有效地减少风力发电机组的总占用土地面积.实际上,不同风电场和风机类型的风机最优间隔距离是不相同的,上述经验成果只能在一定条件范围内作为风机优化布置设计的参考.为此,许多学者针对不同风况、不同区域边界的特定风电场进行了风机最优布置的更精确的计算研究.Mosetti等[7]首先提出了基于遗传算法的风机优化布置计算方法,把风电场总投资成本、发电效益作为优化变量,用两者的比值作为目标参数,评价不同风机布置方案优劣.该计算方法采用穷举法对不同风机布置方案进行经济比较,最终确定相对优化的风机布置方案,摆脱了风机经验布置间距的限制,可以获得更科学、合理的结果.Grady等[8]在Mosetti等[7]研究的基础上,利用遗传算法研究了风机优化布置问题,并结合理论分析,对风机优化布置形式进行了计算分析和校核,得到了更好的结果.Marmidis等[9]采用Monte-Carlo方法对风电场风机优化布置问题进行了研究,提出了研究该问题的新思路和新方法.Mosetti等[7-9]的研究虽提出了若干创新性的计算方法和模型,研究成果也为风电场风机优化布置的研究和实际工程设计提供了重要的理论基础,但其中所采用的风机优化布置计算模型还不完善,更未对风电场风机最优布置的一般性规律进行系统的探讨分析和论证研究.本文以风电场效益最大化为目标,在已有研究成果的基础上,采用一维非线性尾流扩张模型、基于动能衰减原理的尾流叠加模型、协调发电量与成本的风电场效益评价模型、考虑不同风机台数的发电量与成本之比的增量装机评价模型以及遗传算法[10]进行优化计算求解,研究了单风向风况和各典型风况下的风电场风机最优布置的一般性规律以及有关因素的影响关系.1 单一风向风况下的风机最优布置规律单一风向风况下的风机最优布置规律是复杂风况下风机最优布置规律的研究基础.因此,本文首先从风机最优布置间距、风速对风机最优布置间距的影响以及复杂边界风电场的风机最优布置规律等方面入手研究单一风向风况下的风机最优布置规律.1.1 风机的最优布置间距风机布置间距(中心点间距)包括垂直于盛行风方向的横向间距和盛行风方向的纵向间距.前人基于经验的研究结论是:风机的最小横向间距范围为2D0～5D0,最小纵向间距范围为5D0～12D0[4-5].实际上,风电场风机的横向、纵向间距应该按“在盛行风向上,上游风机尾流对下游其他风机出力无影响或影响很小”的原则确定.即对于不同的风电场,其最优风机间距是不同的,应根据风场区域形状及尺寸、风机类型等因素经综合优化设计计算后确定.但目前常用的上述风机间距取值范围所依据的主要是半经验性的风机优化布置数学模型,特别是其风机尾流模型存在较大的简化误差,故不能满足当今大型风电场的风机优化布置设计需要.对于风电场区域无限制的情况,风机的最优纵向间距可按“上游风机尾流风速恢复至90%”的原则确定.即确定风机的最优纵向间距首先应研究确定风机尾流风速的变化规律.由于采用一维非线性尾流模型计算时,风机的轴向推力系数对风机尾流风速影响最大,其他参数如地表粗糙度、风机轮毂安装高程等影响较小,而由文献[11]可知,设计良好的叶片在其运行范围内大部分轴向诱导系数值一般为0.33左右,则可估算得到相应的推力系数为0.88左右,因此,可采用推力系数0.88求得对应的风机尾流风速与风机下游距离的关系曲线,如图1(a)所示.图中U0为风机上游风速,x为风机后沿轴向的距离.计算分析结果表明,该关系曲线受风轮直径D0的影响很小.由图1(a)可知,风机的最优纵向间距约为15D0.当风机采用排列状方式布置时,设首排风机出力为对应风电场自由风速下的最大出力,则在单一风向下不考虑横向风机之间的尾流影响和风机轴向推力系数的变化时,第2排风机的相对出力为72.9%,第3排风机的相对出力为53.1%.以此类推可知,当风场布置3排或3排以上风机时,后排风机出力受前排风机的影响很大,因此后排风机的纵向间距应适当增大.图1 风机尾流风速 U及尾流影响直径y的变化曲线Fig.1 Variation of relativewake flow and wakediameter of wind turbines关于风机的最优横向间距,可按“上游风机尾流对其他列的风机出力无影响或影响很小”的原则选取.即确定风机的最优横向间距首先应研究确定风机尾流影响区域的变化规律,如图1(b)所示.由图1(b)可知,风机尾流影响范围(即影响区域直径)随着下游距离的增加而增加.当风场布置2排风机时,风机最小横向间距应为2.5D0;风场布置3排风机时,风机最小横向间距应为3D 0;随着风机布置排数的增多,风机的最小横向间距也应适当增大.对于风电场区域确定的情况,受风场尺寸以及风电场开发经济性等因素的限制,风机最优布置间距一般需根据风场具体情况适当调整.例如,设某风电场尺寸为2000m×2000m,风机轮毂中心高程H0=60m,转轮直径D0=40m,推力系数CT=0.88,地面平均粗糙度 Z0=0.3m,风机额定风速13m/s,风机功率曲线按P=0.3ui3描述,ui为第i台风机的工作风速;风电场自由风速恒定为12m/s,0°方向来风,网格按照迎风方向划分为15×15,则风电场风机最优布置计算结果如图2所示,其风机出力、成本及适应值曲线如图3所示.图2 风机布置方案Fig.2 Optimal configuration of wind turbines从上述计算结果可以看出:对于单一风向风况的风电场,风机最优布置方式可为并行排状形式,风机最优排数可由风电场风机适应值曲线决定;随着风机数量的增加,对应最优布置方案的适应值参数随之改变,其总体趋势为先减小后增大,均存在一个极小值.对于上述算例,当风机布置少于3排时,其适应值较大,经济性较差;当风机布置为3排时,即风机数量为30～45台时,其适应值较小且变化不大,此时的风机最小纵向间距约为20D0;当风机布置为4排时,其适应值迅速增大,即风电场的经济性明显降低,此时的风机最小纵向间距约为10D 0.对于上述算例,当其他参数不变时,改变该风电场区域沿盛行风方向上的纵向尺寸,可以计算得到其风机最优布置排数等参数,如表1所示.由表1可见:当风电场沿盛行风方向上的尺寸较小时(小于20D 0),沿盛行风方向上应布置1～2排风机,风机的纵向间距在允许范围内应取最大值,而横向间距应为2D0～3D0;当风电场沿盛行风方向上的尺寸较大时(＞20D0),沿盛行风方向上可考虑布置3排或更多排风机,此时,风机的最优纵向间距为15D0～20D0,最优横向间距为3D0～5D0.图3 风机总出力 P、成本 C及适应值曲线Fig.3 Output power,cost and fitness of wind turbines表1 风机最优布置排数计算结果Table 1 Calculated results of optimalplacement rows of wind turbines风场纵向尺寸L 计算最优布置排数建议布置排数建议风机纵向间距建议风机横向间距≥2.0D 0 12D0＜L≤20D0 2 1～2 最大可能值≥2.5D 0 20D0＜L≤55D0 3 2～3 10D0～15D0 ≥3.0D 0 L＞55D0 4 ＞3 15D0～ 20D0 3D0～5D0 L≤12D0 1 11.2 风速对风机最优布置间距的影响风电场自由风速变化时,风机的出力及尾流风速随之变化,风机最优布置也可能发生改变.对于区域无限制的风场,其最优布置间距根据尾流风速恢复系数确定,与风速大小无关;对于区域确定的风场,在风机排数一定的情况下,风速大小对风机最优布置间距可能存在一定的影响.假设沿盛行风方向上,风场中分别布置3台、4台风机,如图4所示,并设图4(a)中的L1+L2=2000m,图4(b)中的L1+L2+L3=3000m,其余参数同前述算例.在风机台数一定的情况下,以风机总出力最大为目标,把自由风速U1作为变量,经优化设计计算可得到风机布置位置以及风场风机总出力,计算结果如图5所示.由图5可见,当沿盛行风方向上布置3台、4台风机时,其最优布置位置在一定的风速范围内是不变的.最优布置位置的突变条件是:随着自由风速的增大,中间风机出力增大至额定出力时,为满足风电场风机总出力最大,中间风机最优位置会逐渐向上游风机靠近;当风场自由风速足够大、风机均达到额定出力时,风机的最优布置位置会出现多值的优化计算结果.图4 风机布置Fig.4 Placement of wind turbines图5 不同上游风速下风机最优布置间距L与风机总出力P曲线Fig.5 Relationship between optimal spacing of wind turbines and output power under different upstream wind speeds一般来说,由于风机年利用小时数相对较低,风场自由风速大多是在额定风速附近或小于额定风速.因此,在风电场风机优化布置时,只需参照图5中的第1段直线即可.也就是说,在风电场风机最优布置计算时一般不需考虑风速大小变化的影响.1.3 复杂边界风电场的风机最优布置规律风电场的开发可能由于某些因素限制,如用地限制、地形限制以及建筑物限制等,使得实际风电场的区域边界形状各不相同,这对风机最优布置方案也会有一定的影响.除上述方形风场外,对于梯形、圆形以及不规则形状的风电场,其风机优化布置的计算结果如图6所示.其中,对于不同形状的风电场,本文通过在风场内限制某些区域不允许布置风机的方式实现,在图6中,不允许布置风机的网格点以“×”号表示.图6 单一风向下风电场风机最优布置方案Fig.6 Optimal configurations of wind farms under single wind direction condition由图6可见,对于梯形、圆形和不规则形状的风电场,由于风机布置位置受风场边界制约,最优布置方案与方形风电场略有差异,但其最优布置方案所体现的风机布置规律与方形风电场基本一致,即本文上述给出的风机最优布置规律也适用于不规则形状的风电场.2 其他典型风况下的风机最优布置规律风电场最优风机布置与风况密切相关.典型风况中,除单一风向外,还包括均匀对称风向风况、1个主导风向风况和多个主导风向风况,其风玫瑰图如图7所示.图7 典型风况的风玫瑰图Fig.7 Wind roses of typical wind conditions2.1 均匀对称风向情况在某些特殊地区,如草原、沙漠等平坦区域,全年各个方向的来风以及概率均相等或相差不大,其风况主要体现为均匀对称风向.此时,上述算例的风机优化布置计算结果如图8所示.图8 均匀风向下风电场风机最优布置方案Fig.8 Optimal configurations of wind farms under uniform wind direction condition对于均匀对称风向风况,不同形状风电场中风机最优布置的规律性较强,基本表现为沿风场区域边缘对称布置的形式.当风机数量较多时,除边缘风机外,其余风机布置在风场中央区域.2.2 1个主导风向情况根据实际风场的风能资源情况,在我国大部分地区(如四类风资源区),多数风电场的风况是1个主导风向风况.对于这种情况的风电场风机最优布置计算结果如图9所示.图9 1个主导风向下风电场风机最优布置方案Fig.9 Optimal configurations of wind farms under single wind direction dominated condition对于1个主导风向的风电场,其风机最优布置规律主要体现在:主导风向概率越大,风机最优布置方案越接近于对应该主导风向的风机最优布置形式,且沿主导风向的风机间距基本满足本文上述给出的风机最小间距的要求.对于这类风电场,在风机优化布置时,一般可先按单风向风况进行排布设计,然后根据主导风向的风能密度概率函数进行局部调整,最终确定风机最优布置方案.2.3 多个主导风向情况当地形比较复杂时,风电场可能由于地形以及障碍物等的影响,存在多个主导风向的情况.对于这种情况的风电场风机最优布置计算结果如图10所示.图10 多个主导风向下风电场风机最优布置方案Fig.10 Optimal configurations of wind farms under multiple wind direction dominated condition对于存在多个主导风向的风电场,风况情况比较复杂,其风机最优布置规律性较弱.因此,对于这类风电场的风机最优布置设计,一般应通过详细的优化计算确定.3 结论a.在风电场区域无限制的情况下,风机的横向间距应为2D0～3D0,纵向间距应大于15D0;当风机布置的排列数增加时,应逐步适当增大后排风机的纵横间距.b.对于风电场区域确定的情况,单一风向风况下,风机最优布置方式一般为并行排列状形式.当风场区域在盛行风向上的尺寸较小(＜20D0)时,沿盛行风向一般布置1～2排风机,风机的最优纵向间距即为其可能的最大值,风机的横向间距应为2D 0～3D0;当风场区域在盛行风向上的尺寸较大(＞20D 0)时,风机沿盛行风向可考虑布置3排或3排以上,此时,风机纵向间距应为15D0～20D 0,风机横向间距应为3D0～5D 0.c.在实际风电场风机优化布置时,一般可不考虑风速大小变化的影响.d.针对不同风况、不同边界形状的风电场,风机最优布置体现出的规律性有所不同.均匀对称风况下,风机最优布置沿风电场边缘对称分布;单一主导风向风况下,风机最优布置为对应主导风向下的风机最优布置形式与其他非主导风向下的风机优化布置形式的组合,且主导风向的概率越大,最优布置方案越接近于该主导风向下的风机最优布置方案;对于多个主导风向风况,风机最优布置的规律性较弱,其最优布置方案一般应通过详细的优化计算确定.参考文献:【相关文献】[1]FRANDSEN S,BARTHELMIE R,PRYOR S,et al.Analytical modelling of wind speed deficit in large offshore wind farms[J].Wind Energy,2006,9(1/2):39-53.[2]CHRISTIANSENM B,HASAGER C B.Wake effects of large offshorewind farms identified from satellite SAR[J].Remote Sensing of Environment,2005,98(2/3):251-268.[3]VERMEERL J,SORENSEN JN,CRESPOA.Wind turbinewake aerodynamics[J].Progress in Aerospace Sciences,2003,39:467-510.[4]PATELM R.Wind and power solar systems[M].Boca Raton:CRCPress,1999.[5]王承煦,张源.风力发电[M].北京:中国电力出版社,2002:131.[6]AMMARA I,LECLERC C,MASSON C.A viscous three-dimensional differential/actuator-disk method for the aerodynamic analysis of wind farms[J].JSol EnergyEng,2002,124(4):345-356.[7]MOSETTIG,POLONIC,DIVIACCOB.Optimization ofwind turbinepositioningin largewind farmsby meansof agenetic algorithm[J].JWind Eng Ind Aerodyn,1994,51(1):105-106. [8]GRADY SA,HUSSAINIM Y,ABDULLAHM M.Placement of wind turbines using genetic algorithms[J].Renewable Energy,2005,30(2):259-270.[9]MARMIDIS G,LAZAROU S,PYRGIOTI E.Optimal placement of wind turbines in a wind park using Monte Carlo simulation[J].Renewable Energy,2008,33(7):1455-1460.[10]王丰.风电场风能资源评估及风机优化布置研究[D].南京:河海大学,2009.[11]BURTON T,SHARPE D,JENKINSN,et al.Wind energy handbook[M].England:John Wiley&Sons,2001:68.。
大规模风电场的运行与管理策略研究
大规模风电场的运行与管理策略研究引言随着世界能源需求的不断增长和全球变暖的日益严重，清洁能源发展成为全球关注的热门话题。
风能作为一种可再生、环保的能源资源，具有巨大潜力。
大规模风电场的运行与管理策略的研究对于提高风电场的能源利用效率和稳定性，具有重要意义。
本文将探讨大规模风电场的运行与管理策略，以满足任务名称的描述需求。
一、风电场运行策略1. 风能资源评估与规划大规模风电场运行前，需要进行风能资源评估与规划，以确定合适的建设地点和风机布局。
通过利用先进的风能流动模拟技术，结合实地风能观测数据，可以准确评估风电资源的分布和潜在利用能力。
该评估结果将为风电场的规划和建设提供重要数据依据。
2. 风电场运行监控与预警大规模风电场需要建立完善的运行监控系统，通过实时监测各个风机的工作状态和性能指标，及时发现并解决潜在问题，以保证风电场的正常运行。
同时，通过分析风能资源和天气预报数据，实现对风电场运行的预警和调度，以适应不同的风能变化和需求波动。
3. 风电场设备维护与保养风电场的设备维护与保养是保证风机正常运行和延长寿命的关键。
定期检查设备的运行状况、机械部件的磨损以及电气设备的性能，及时进行维修和更换。
同时，建立健全的维护管理制度和备件库存系统，以提高故障处理的效率和风电场的可靠性。
二、风电场管理策略1. 风电场生命周期管理风电场的生命周期管理涉及从风电场规划与设计、建设与投资、运行与维护，到退役与再利用的全过程管理。
通过对各个阶段的环境影响、资源利用、经济效益等进行综合评估，制定科学合理的决策和管理策略，最大程度地优化风电场的效益和可持续发展。
2. 智能化管理与运维技术利用先进的信息与通信技术，实现风电场的智能化管理与运维，可以提高运维效率和运行灵活性。
通过实时数据采集和监测，以及远程控制和优化算法的应用，可以实现设备状态监测、故障诊断和预测、运行优化等功能，从而提高风电场的稳定性和经济性。
3. 回收与再利用随着风力发电技术的进步，旧设备的淘汰换代已成为风电场管理的一项重要课题。
风力发电场布局与风机优化配置研究
风力发电场布局与风机优化配置研究随着人们对可再生能源的需求不断增加，风力发电逐渐成为一种理想的替代能源选择。
为了提高风力发电的效率和稳定性，在布局风力发电场和优化风机配置方面进行研究变得尤为重要。
本文将探讨风力发电场布局和风机优化配置的相关研究，并介绍一些常见的方法和策略。
首先，风力发电场布局是确定风机位置和数量的关键。
布局良好的风力发电场能够最大限度地利用风能资源，提高发电效率。
在进行风力发电场布局时，需要考虑以下几个因素：1. 地理因素：地理条件会对风力资源的分布产生影响。
通过分析风速、风向等数据，可以找到适合布局风力发电场的地点。
通常，风速较高、风向较稳定的地区更适合建设风力发电场。
2. 环境保护：在布局风力发电场时，需要考虑不同的环境因素，如野生动物迁徙路径、栖息地以及人类居住区等。
合理的布局可以最大程度地减少对自然环境和人类生活的影响。
3. 经济因素：经济效益也是布局风力发电场时需要考虑的因素之一。
通过合理布局风机，可以降低建设和运营成本，提高投资回报率。
针对以上因素，一些常见的风力发电场布局方法包括等间距布局、等能量布局和等角度布局等。
等间距布局是在整个风力发电场中均匀分布风机，适用于风能资源较为均匀的地区。
等能量布局根据不同区域的风能资源密度分布情况，对风机进行不同密度的布局。
而等角度布局则是将风机按照一定角度间隔进行布局，以最大化利用风能资源。
除了风力发电场的布局，风机的优化配置也对风力发电效率产生重要影响。
在风机优化配置研究中，一般关注以下几个方面：1. 风机数量：风机数量对风力发电场的发电能力有直接影响。
应根据区域的风能资源状况和需求量来确定适当的风机数量。
少量的风机可能导致发电能力不足，而过多的风机则可能增加成本而无法得到充分利用。
2. 风机高度：风机高度的选择是优化配置的重要因素之一。
较高的风机可获得更高的风速和更稳定的风向，从而提高发电效率。
但是，风机的高度也受到制造成本、土地利用和环境影响等因素的限制。
基于遗传算法的风电场优化排布方法研究
基于遗传算法的风电场优化排布方法研究在风电场设计中，考虑等风速同风向、变风速同风向和变风速变风向三种简化的风流模式，采用修正的尾流模型模拟机组之间尾流的相互干扰效应，使用遗传算法优化风电扬机组的排布，以单位发电量所消耗的成本最低为目标。
文章对采用遗传算法进行风电场优化排布的方法进行了研究，建立了数学模型以及求解方法，可为将来真实风场的风机排布提供参考依据。
标签：遗传算法；风电场；尾流模型；优化排布1 概述在风电场场址范围内，考虑由环境引发的自然风的变化及由风机自身引发的风扰动（即尾流因素），如何排列布置风力发电机组，使整个风电场年发电量最大，从而降低能源的生产成本以获得较好的经济效益是风电场设计关注的重要问题。
对于范围一定的风电场，如果不考虑风经过风机受到的影响，理论上风场内布置的风机数量越多，平均的单位度电投资越低，风电场的经济性越好。
但是当风经过风机后，风轮不仅转化了部分风能，同时对风形成了扰动，导致空气湍流增大，因此在风机下游侧的风速比上游侧会有一定程度的突变减小。
经过风机后，随着距离的增加，风速逐渐恢复，其恢复程度与上下游风机的间距有关。
如果风机布置过密，风机间的间距太小，经过上游风机影响后的风速来不及恢复，将造成到达下游风机的风速较低，从而导致单位电量效益较小、单位电量投资成本较大，经济性较差。
而如果风机布置过于稀疏，同范围下风电场的总装机容量就会过小，同时道路、集电线路等投资成本和运行维护费用均因距离的增加而增高，风电场经济性较差。
文章对基于遗传算法的风电场风机优化排布方法进行了研究，建立了数学模型和求解方法，合理确定风机布置数量和布置方案。
2 问题研究现状目前国内主要采用商业软件进行风电场的发电量计算，风机的优化排布主要依靠经验，缺乏基本理论的学术研究。
对于地形平坦的风电场，当主风向为一个方向时，风机在平行主风向上间距为5D～9D（D为叶轮直径，下同），在垂直主风向间距为3D～5D。
风电场布局优化研究
风电场布局优化研究随着环保意识的不断深入，风电发电作为一种清洁能源，得到了越来越广泛的应用。
而在风电场的建设过程中，一个重要的问题是如何优化风电场的布局，以使得发电效率最大化。
本文将探讨风电场布局优化的相关研究。
一、问题背景风能是一种具有不稳定性的可再生能源，风速大小和方向都会发生变化，因此风电场的布局对于发电效率有着非常重要的影响。
在风电场建设之前，需要通过随机模拟等方法进行风资源评估，以确定风电场的选址和布局方案。
然而，即使知道了风资源分布情况，也需要通过优化布局来适应复杂的地形、气象等因素，以实现最大化的发电效率。
二、布局优化目标风电场的布局优化主要目标是最大化风能的利用率。
对于水平轴风力发电机而言，最大输出功率出现在额定风速的一定范围内。
因此，优化布局的目标是让风力发电机避免受到障碍物的影响，在此范围内获得最大的风能利用率。
对于密集布置的风力发电机而言，如果风机之间距离太小，会导致相互影响，减少整个风电场的发电效率。
因此，布局的另一个目标是合理设置风机之间的距离，使其既能充分利用风能，又不会相互干扰。
三、布局优化方法目前，风电场布局优化主要采用两种方法：传统方法和智能优化方法。
1. 传统方法传统方法通常采用模拟和优化的方法，包括遗传算法、粒子群算法、神经网络等。
这些方法需要对风资源和地形等影响因素进行评估，然后确定一组合理的布局方案。
虽然这些方法能够得到较为合理的布局方案，但是需要对影响因素进行充分的评估和分析，计算过程比较繁琐。
2. 智能优化方法智能优化方法是在传统方法的基础上，利用人工智能等技术对风电场布局进行优化。
该方法可以根据实时数据调整风机的转速、方向和风机之间的距离，以充分利用风能，最大化发电效率。
此外，智能优化方法还可以适应复杂的气象条件、海拔高度等因素，实现针对性的优化。
四、未来展望随着风电技术的不断发展和完善，风电场布局的优化方法也在不断更新和完善。
未来，风电场布局优化将更多地利用新技术和新方法，探索更加精细的优化方案。
风电场布局优化研究及资讯多目标问题求解方法
风电场布局优化研究及资讯多目标问题求解方法随着全球对可再生能源的需求增加，风能作为一种清洁、可再生的能源来源受到了广泛关注。
风电场作为一种常见的风能利用方式，在能源发展中扮演着重要角色。
然而，风电场的布局问题一直是一个具有挑战性的任务，本文将研究风电场布局优化以及解决这一多目标问题的方法。
在风电场布局优化研究中，目标是找到最佳的风机布局方案，以最大化风能的捕获并最小化风机之间的干扰。
优化风电场布局的关键在于如何在风能分布、地形条件和存在的限制条件下确定合适的风机位置。
为了实现这一目标，研究人员采用了大量的方法和模型。
下面将介绍几种常见的方法和模型。
第一种方法是基于物理规律的模型。
这种方法试图利用风场模拟和计算风能的分布，以预测潜在的风机布局。
通过计算不同风机布局方案的风能捕获率和风机之间的干扰情况，可以评估其优劣，并选择最佳方案。
然而，这种方法通常需要大量的计算资源和时间，且对于规模较大的风电场布局优化问题并不适用。
第二种方法是基于启发式算法的优化模型。
启发式算法是一种近似解决复杂问题的方法，能够在较短时间内找到较优解。
在风电场布局优化中，遗传算法、粒子群优化和蚁群算法是常用的启发式算法。
这些算法通过随机搜索的方式找到优化目标的局部最优解，并逐步优化布局方案。
通过不断迭代和优化，最终得到全局最优解或接近最优解的结果。
然而，启发式算法也存在收敛速度慢、易于陷入局部最优等问题。
第三种方法是多目标优化模型。
风电场布局优化问题通常涉及多个目标，例如最大化风能捕获、最小化风机之间的干扰和最小化工程成本等。
传统的单目标优化方法不能很好地解决这些多目标问题。
因此，研究人员提出了多目标优化模型，以寻找一组折衷解，以平衡不同目标间的冲突。
多目标优化模型可以通过遗传算法、粒子群优化和进化算法等方法求解。
通过对不同权重的目标函数进行调整和优化，可以得到一系列优化解，以供决策者参考。
虽然上述方法和模型在风电场布局优化研究中取得了一定的成果，但仍然存在一些挑战和待解决的问题。
风力发电场的布局与优化研究
风力发电场的布局与优化研究随着全球对可再生能源的需求不断增长，风力发电作为一种环保、可持续的能源形式正受到越来越多的关注。
风力发电场作为风力发电设施的集合体，其布局与优化对于提高发电效率、降低成本至关重要。
本文将探讨风力发电场的布局与优化的研究，并提出一些可行的策略和方法。
首先，风力发电场的布局是指风力涡街的分布以及风机的排列。
对于风力发电场的布局，一个重要因素是地形条件。
风场的地理布局应依据地形特征，使风机尽可能的获取到最佳的风资源。
例如，在海岸线的风力发电场布局中，通常会选择在离岸处布置更多的风机，因为离岸风场受到海洋气流的影响较小，风能资源更加稳定。
此外，通过风能评估和测量技术，可以确定风资源丰富的区域，在这些区域集中布置风机，以实现最佳发电效果。
其次，风力发电场的优化是为了提高发电效率和降低运营成本。
在布局方面，考虑到风机间的影响以及维护和运行的便利性是优化的关键。
研究表明，过于密集的布局会导致风机之间的相互干扰，从而降低整体发电效率。
因此，合理的风机间距和布局间距是需要进行优化的。
此外，通过选择合适的风机类型、高效的转子设计以及优化的控制策略，可以进一步提高风机的发电效率。
在风力发电场的优化研究中，精确的风能预测也起到关键作用。
通过利用气象学和数值模拟技术，可以准确预测风场的风速和风向，从而为风机的布局和运营策略提供可靠的数据支持。
根据风能预测结果，可以调整风机的工作状态，以最大限度地利用可利用的风能资源。
此外，还可以利用人工智能和大数据分析技术，对风场数据进行实时监测和分析，以优化风机的运行和维护计划，减少故障率和维修时间，提高整体发电效率。
除了地形和风能资源的考虑之外，风力发电场的社会和环境因素也应该纳入布局和优化的考虑范围。
风力发电场通常会占用大量的土地和资源，对野生动植物的生态环境产生一定的影响。
因此，在布局和优化的过程中，需要进行环境影响评估和社会影响评估，以确保风力发电场的建设对于生态环境的影响最小化，并获得当地居民的支持和接纳。
风力发电应用技术研究
发电量最大化、风电场经济性最优化是风电场建 设的目标7：;风电场风机选型的基本原则是选取的机 型方案的发电量达到最优；同时为了能够保证风电场 建设的最佳经济性就要确定投资成本的大小，在风机 选型时需要考虑选取的机型及数量的成本最省。
本文选取国内某个以山地为主的区域风电场作为研
风力发电应用技术研究（孔令兵申蓿郭凤解）
风资源评估工作是在经过处理后的测风数据基础 上进行的，测风方法的科学性和准确性直接影响评估 结果。当收集到现场测风数据之后，需要对数据进行 验证处理.数据分析及修正计算七。 3. 3风电机组机型选择⑸
风电机组机型选择的流程如下： a. 利用风资源模拟软件评估风电场所在地风 资源。 b. 根据风资源评估情况，选择单台机组的安全 等级。 c. 综合地貌地形特征、风电场规划面积、交通
May 2019 Vol. 38 No. 5 282 http: // www. jzdq. net. cn
风力发电的理论研究逐渐深入，并取得了较为突出的 研究成果。
在风资源预测领域，风资源评估常采用统计分析 方法和数值模拟两种：统计分析方法是以现场测量数 据为基准，利用统计学原理进行分析处理，这种评估 方法前提是长时间的现场测量数据，需要投入大量的 人力和物力；数值模拟方法的基础是一整年的有效测 风数据，较统计分析方法可实施性更高。
(China Shipbuilding NDRI Engineering Co., Ltd., Shanghai 200063, China)
Abstract: In the face the dual pressures of
climate warming and energy crisis, it is urgent to seek and develop new energy sources that can replace traditional energy sources. As the most valuable clean energy with the largest scale, wind power has gradually developed into the most representative alternative energy. In this paper, the applied technology for wind power generation is researched and discussed, and the optimized layout of wind turbi ne generators and the calculation of generated energy of a wind farm in China are carried out according to the actual wind energy resources of the wind farm that is located in a mountainous area.
风能发电场的布局与效率优化研究
风能发电场的布局与效率优化研究风能作为一种清洁、可再生的能源形式，正越来越受到全球范围内的关注。
建立高效的风能发电场是实现可持续发展的重要一环。
本文将探讨风能发电场的布局和效率优化相关问题，旨在提供对风能发电场设计和建设的有益参考。
第一部分：风能发电场布局的原则与考虑因素1. 地形与环境：在选择风能发电场的布局时，需要考虑地形和环境对风能资源的影响。
地形的起伏和摩擦等因素会影响风速的分布和变化情况，因此需要进行详细的风能资源评估。
同时，还需要考虑环境保护和生态保护的问题，避免对生态系统和动植物的干扰。
2. 风机间距与密度：风机的间距和密度对整个发电场的效率具有重要影响。
合理的风机间距可以最大限度地减少风机之间的相互影响，避免产生功率损失。
风机的密度则决定了发电场单位面积的发电容量，但过高的密度也会导致功率损失并增加运维成本。
3. 周边建筑和设施：风能发电场的周边建筑和设施也会对布局产生影响。
如存在高楼大厦或其他障碍物，会对风的流动造成阻碍，降低风能利用效率。
因此，在选址阶段需要充分考虑周边环境，并采取相应措施减少干扰。
第二部分：风能发电场布局的优化方法1. 风能资源评估与测量：在设计风能发电场布局之前，需要进行准确的风能资源评估。
该评估包括借助数学模型和测量数据对地形、气候、风速等因素进行定量分析，以了解风能资源的空间分布和变化趋势。
2. 基于数学模型的布局优化：针对不同地理条件和风能资源分布情况，可以采用数学模型进行布局优化。
这些数学模型以最大化风能吸收为目标，考虑到风机的布局、间距和密度等因素，通过数值计算得到最佳方案。
3. 智能优化算法的应用：近年来，智能优化算法逐渐应用于风能发电场的布局优化中。
这些算法包括遗传算法、模拟退火算法和粒子群算法等，能够利用群体智能搜索最优解，并具备强大的全局搜索能力。
其优化结果相对于传统方法更加准确和高效。
第三部分：风能发电场效率的提升策略1. 风机技术的改进：风机的技术改进对于提高风能发电场的效益具有重要意义。
风电场阵列布局的优化策略研究
风电场阵列布局的优化策略研究近年来，随着对可再生能源需求的不断增加，风能已经成为了可再生能源中最具潜力的来源之一。
然而，风能的开发受到风电场阵列布局的影响，如何优化风电场的布局策略成为了一个关键的研究领域。
优化风电场阵列布局的目标是最大化风能利用效率，同时考虑到风机之间的相互影响、土地利用效率以及施工和运营的成本等因素。
下面将介绍几种常用的优化策略，并探讨其优缺点。
1. 策略一：密度优化布局法密度优化布局法是一种基于密度分析的策略，通过在风电场中选择最佳的风机布局来实现最大化的发电量。
该方法通常将风速、风向等数据作为输入，并使用数学模型对风机布局进行优化分析。
优点：该方法能够全面考虑风能资源的分布情况，通过合理的布局来最大化风能的利用效率。
同时，可以考虑到风机之间的相互遮挡和湍流影响等因素，实现最佳布局。
缺点：该方法在计算过程中涉及到大量的复杂计算和模型建立，需要较高的计算资源和时间成本。
此外，由于需要考虑多个因素，结果可能会受到多个变量的相互影响，难以找到全局最优解。
2. 策略二：遗传算法优化布局法遗传算法是一种模拟生物进化过程的优化算法，通过模拟交叉、变异等操作来搜索最优解。
在风电场阵列布局的优化中，遗传算法可以应用于风机的位置和方向的确定。
优点：遗传算法可以处理复杂的约束条件和多目标优化问题，能够寻找到局部最优解。
同时，该方法能够处理大规模问题，并具有较高的计算效率。
缺点：遗传算法依赖于初始种群和迭代次数的选择，结果可能会受到随机性影响。
此外，由于模拟生物进化的过程，算法的收敛速度较慢，需要较长的计算时间。
3. 策略三：模拟退火优化布局法模拟退火算法是一种模拟金属退火过程的优化算法，通过随机搜索和概率转移来逐步优化解。
在风电场阵列布局的优化中，模拟退火算法可以用于选择风机的位置和方向。
优点：模拟退火算法适用于处理连续和离散变量的优化问题，并具有较好的全局搜索能力。
与遗传算法相比，模拟退火算法不需要初始种群，具有较高的灵活性。
风力电场的布局与规划如何找到最佳的风能资源
风力电场的布局与规划如何找到最佳的风能资源近年来，随着环境保护意识的增强和可再生能源的重要性日益凸显，风力发电作为一种清洁、可持续的能源形式受到了广泛关注。
而要充分利用风能资源，找到最佳的风力电场布局和规划方案则成为了现代风力发电行业亟需解决的重要问题。
本文将探讨如何寻找最佳的风能资源，以实现风力电场的高效运行。
一、风能资源评估在开始布局和规划风力电场之前，我们首先需要评估所选位置的风能资源情况。
风能资源的评估主要包括风速、风向、风能潜力等指标的测量和分析。
其中，风速是最基本的评估指标，可以通过装置测风塔来进行实地观测，还可以借助现代气象技术，使用先进的气象计算模型进行预测。
除了风速，风向也是一项重要的评估指标，可以通过测风塔上的风向仪或者其他风向计算方法进行监测。
同时，对于区域内风能资源的潜力评估，可以通过历史气象数据、卫星图像等多种手段来分析。
二、地理条件与环境限制除了风能资源评估，我们还需要考虑地理条件和环境限制对风力电场布局规划的影响。
地理条件包括地形、地貌、土壤类型等因素，这些因素会对风的流动产生一定影响，需要综合考虑在规划过程中。
另外，环境限制如生态保护区、人口密集区等也需要被纳入考虑范围。
在寻找最佳风能资源时，需要与环保部门、地方政府等相关部门进行沟通，确保电场布局和规划方案符合相关的环境法规和政策要求。
三、经济评估与电网接入除了以上考虑因素，经济评估和电网接入也是风力电场布局规划的重要内容。
经济评估包括初期投资、电站运营成本、收益预测等方面的考虑。
因初期投资较大，需长期投入，需要进行详尽的经济评估，以确定最佳布局方案。
同时，电网接入也是一个重要环节，风力发电需要将电能输送至用户，考虑到输电损耗、输电线路建设等因素，需要与电网企业进行充分协商和合作，确保风力电场能够有效并稳定地接入电网。
四、布局优化与技术创新为了寻找到最佳的风能资源，我们需要进行布局优化和技术创新。
布局优化包括确定风机的布置密度、间距、排列方式等因素，以实现最大化的风能捕捉和功率输出。
基于遗传算法的风力发电场布局优化研究
基于遗传算法的风力发电场布局优化研究随着全球对可再生能源的需求不断增长，风能作为一种廉价、清洁的能源已逐渐受到人们的重视。
然而，风力发电场的布局最优化问题一直存在。
由于风速在不同位置和时间的变化，风机的布局不同，可能会对发电量产生显著的影响。
因此，开发一种有效的优化方法以优化风力发电场布局非常关键。
遗传算法是一种基于生物学进化论的数学优化技术，已在许多领域中被证明非常有效。
本文将研究基于遗传算法的风力发电场布局最优化问题。
一、遗传算法简介遗传算法是模拟自然进化过程的数学技术，该算法在全局搜索和组合优化问题中应用广泛。
遗传算法模拟自然选择过程，通过不断的模拟进化，实现达到最优解的目的。
遗传算法的主要思想是将问题表示为一组个体的从种群中进行搜索。
种群中的每一个个体都代表问题的一个解，种群将根据适应性函数分为优秀个体和差个体。
优秀的个体将以某种方式被选择用于繁殖下一代。
接下来，以某种方式对每一个选择的个体进行变异和杂交，生成下一代。
遗传算法的迭代过程将重复上述步骤，直到解决方案逐渐稳定在较优的位置。
二、基于遗传算法的风力发电场布局优化问题在风力发电场布局问题中，我们希望通过设计合适的风机分布方式，使每个风机都能够在最佳的气象条件下充分发挥功率，并获得最大的发电量。
遗传算法在解决此类问题上具有较大的优势。
下面将介绍一下如何利用遗传算法来优化风力发电场的布局。
1. 适应性函数的设计适应性函数是在遗传算法中最核心的部分之一。
适应性函数表明了个体解的适应程度。
在风力发电场布局问题中，我们可以将发电量视为适应性函数，其值越大则意味着该解具有更好的适应性。
2. 个体编码设计在遗传算法中，个体编码通常使用二进制编码、实数编码、排列编码、树形编码等方式。
在风力发电场布局问题中，我们可以采用实数编码，即将每个风机的位置表示为一个实数数组。
3. 遗传算法的操作当遗传算法完成种群初始化后，我们开始进行遗传算法的操作。
具体来说，每个个体代表一种风力发电场布局方式。
风电场阵列布局的优化方法研究
风电场阵列布局的优化方法研究风电场是一种利用风能进行发电的装置，由于其环保、可持续、风能资源丰富等优势，已经被广泛应用于各个领域。
风电场的布局对于电能的产量及后期的维护和管理有着重要影响，因此，如何选择合理的布局方案已成为风电场建设中不可忽视的一环。
风电场阵列布局的优化方法是针对特定地域内风电容量和风能资源的情况，通过分析布局方案并建立数学和模拟模型来实现最大化发电量的过程。
下面，我们将具体阐述风电场阵列布局的优化方法研究。
一、目标函数的建立目标函数是用于衡量风电场阵列布局方案优劣的数学公式，通常包括风机功率、风速、风能利用率以及阵列布局等因素。
目标函数的建立需要根据不同的环境和地域，为其建立合适的模型。
以风电场功率为例，目标函数可以根据风机间距离设定，并设置不同的加权系数，计算每个风机在不同位置下的功率。
然后通过计算出每个布局方案的总发电量，比较并选择最优的布局方案。
二、约束条件的制定通常情况下，风电场阵列布局的优化方案通常受到诸多限制和约束，包括但不限于：1.风机间距离限制2.地理条件、地形状况限制3.数字高程模型（DEM）限制4.周边环境、人口居住、土地资源等外部条件限制针对不同的约束条件，可以在建立数学模型时设置相应的约束条件。
三、模拟运算为了确定最优布局方案，需要进行大规模的模拟运算。
模拟运算通常分为基于光滑法和基于遗传算法两种。
基于光滑法的模拟运算需要先通过建立基础场模型等方法，利用无人机或卫星等手段采集一定时期的风速、风向、风能、功率、电压等数据。
然后，通过人工智能等技术进行数据分析、处理、预测，并将结果反馈到风电场布局优化模型中。
最终得到最优布局方案。
基于遗传算法的模拟运算主要通过对不同风电场阵列布局方案的优化计算，通过遗传的方式对优秀的因素逐步进化，来实现更加完美的布局方案。
四、实地验证最后，通过实地验证来确认最优布局方案是否达到预期效果。
实地验证包括安装、运行、维护等环节。
在安装过程中，要保证风机的布局与最优方案相同，然后进行运行测试，得到实际的发电数据以及设备运行状态数据，并根据环保部门的要求，定期提供环境保护数据。
风力发电场布局与优化方法研究
风力发电场布局与优化方法研究随着对可再生能源日益关注和需求的增加，风力发电作为最具潜力和成熟度的技术之一，正逐渐成为全球能源转型的重要推动力量。
风力发电场的布局和优化方法对提高风能资源的利用效率、提高发电效益具有至关重要的作用。
本文将探讨风力发电场的布局与优化方法的研究。
首先，风力发电场的布局涉及到确定风机的位置、排列方式和间距。
风机的位置选择是根据地形、气象数据和资源的可利用性进行考虑的。
通常情况下，风力发电场应避免地形阻挡和复杂的地貌特征，以确保充分的风能资源获取。
同时，风机之间的间距需要合理确定，既要满足安全和维修要求，又要兼顾最大限度地利用风能资源。
通过利用风能分析软件和高精度的气象数据，可以对风力发电场的布局进行优化，并找到最佳的位置和排列方式。
其次，风力发电场的优化方法包括机组选型、运行控制和电网接入等方面。
风力发电机组的选型需要根据当地气象条件、风能资源以及装机容量等因素来确定。
不同类型的风力发电机组在不同的气象条件下具有不同的性能特点，因此选择适合的机组类型对提高发电效益和降低维护成本至关重要。
此外，风力发电场的运行控制也是优化的重要方面。
通过合理调整风机的启停策略、叶片角度和发电功率，可以最大程度地提高风力发电机组的运行效率。
此外，合理的电网接入策略也是风力发电场优化的重要一环。
通过合理规划电网接入点和容量，可以避免输电损耗和电网负荷过大等问题，提高风力发电场的接入效率和稳定性。
另外，风力发电场的布局优化还需要考虑到环境和社会影响因素。
风力发电场的建设对土地使用、生态环境和周边居民的影响是不能忽视的。
因此，在进行布局优化时，需要充分考虑到环境保护和生态平衡的要求，避免对生态环境造成破坏和对周边居民的生活造成干扰。
此外，合理的社会宣传和参与机制也是优化的重要方面，通过与当地政府、社区和利益相关者的合作，可以最大程度地减少冲突和争议，保证风力发电场的可持续发展。
总之，风力发电场布局与优化方法的研究对提高风能资源的利用效率和发电效益具有重要意义。
风电基地电力外送方式分析
第１ ０期
能 泺 技 木 锯 衙
Ｅｎ ｒ ｙＴｅ ｈ ｌ ｇ ｏ ． ３ Ｎｏ Ｏ １ ２ ．１
２１ ０ １年 １ 月 Ｏ
Ｏｔ０１ ｅ ２１
氓 吩 司 观 战 略 与 规 划
量 的 比例 关 系 。
时 ，多 数 风 电基 地 的弃 风 电 量会 超 过 １％ ，甚 至 高 ０ 达 １％以上 。若 考虑 跨 区 电 网安 全 稳定 运 行 等 因素 ， ５
输 电线路利用小 时数将会降低 ，弃风电量将进 一步
增大。
２１３ 风 电单 独外送 对 受端 火电装机容 量 的替代 关 系 ．－
ｌ ｄ ｌｖ ｌｉ ｈｅ ｅ ａ ｅ ｓｉ ｏ ａ ｄ ｔ ｗｅ ｅｗ ｏ ｋ ｉ ａ ｏａ ｅ ｅ ｎ ｔ ｓ ｒ ａ ｓｌ ｗ ｎ ｈｅｐｏ ｒｎ ｔ ｒ ｓｗｅ ｋ．Ｓ ｅ ｓ ｎａ ｅｔａ ｍｉｓｏ ｄ ｈ ｕｌ ｅ ｃ ｏ ｅ ｏ ａｒ ａ ｏ ｂｌ ｒ ｎｓ ｓ ｉ ｎ ｍｏ ｅ ｓ ｏ ｄ ｂ ｈ ｓ ｎ
电容量 的年利 用小 时数 。
为 了保 证送 端 风 电 、煤 电 和跨 区输 电 的经 济性 ， 网对 网外 送 风 电时 以落 地 电价 不 高 于受 端 燃 煤 脱 硫 标 杆 上 网 电价 为 目标 ，根据 各 风 电基 地 风 电 出力 特 性 和 输 电距 离 ，确 定 风 电 场装 机 容 量 与输 电线 路 容
２ 风 电基地 电力外送 方式
２１ 风 电基地 电力单独外送分析 ．
２１１ 风 电场 电力 外送容 量与其 外送输 电容 量 的关 系 ． ． 根 据 ２ ０ 年 全 国主要 风 电基 地 １ ｉ 的风 电 ０８ ０ｒ ｎ级 ａ
由 于风 电 出力 的随 机 性 和 间 歇 性 ，如 果 风 电跨 区输 送 线 路 容 量 按 风 电场 铭 牌 容 量 的 ５ ％设 计 ，尽 ０
大型风电场的最优无功控制
大型风电场的最优无功控制宋洋;苏浩轩;邵龙【期刊名称】《电力科学与工程》【年(卷),期】2014(000)003【摘要】In a wind power network based on squirrel-cage induction generator (SCIG)and SVC,the change of wind speed causes the change of wind power. In this case,in order to optimize voltage distribution,the SVC and other reactive equipment should be put in the best way. At present,the optimization methods mainly based on two objective functions of minimizing the total active power losses and the total voltage deviations. The SVC reactive power reserve (SVC-RPR)is added to the problem as a third objective function to be maximized with the purpose of further compensation usage during dynamic operation. The three objective functions are synthesized to a general objective function according to certain weights. And then,the PSO is used to solve the objective function. At last, reactive power optimization model is built and the simulation is tested,the conclusion is the voltage distribution is improved obviously with the effective control of SVC.%在基于鼠笼式感应发电机（SCIG）和静态无功补偿器（SVC）的风电网络中，风速的变化导致风功率变化，为了优化电压分布，需要将SVC和其他无功设备以最优的方式投入。
大型风电场风机最优布置规律研究
风 电场风 机优化 布置是 风 电场规划 中 的关 键环节 ， 布置 方案 的优 劣直 接 影 响风 电 场 的发 电量 以及 风 其
电场的经济性水平 ． 在风电场区域边界以及该区域风资源确定 的情况下， 如风机布置数量太少 ， 将会降低该
区域风 资源 的利用率 ； 但如 风机 布置数量 太多 、 风机 间距太 小 ， 则会 由于风机 尾 流 的影 响 而降低 各 单 台风 机 的发 电效 益 ， 而降低 整个 风 电场 开发 的经济性 ［３． 从 １３因此 ， － 考虑风 机布 置数量 在 内的风机最 优布 置方案 是风
行 风 向上 风机 间隔 １５ ０ Ｄ ． 王承煦 等ｃ 指 出 ： ．Ｄ ～３ ０而 ５ 』 在盛 行 风 向上 要求 风机 间隔 ５ ０ Ｄ ， 垂 直 于盛行 Ｄ ～９ ０在
风 向上要求 风机 间隔 ３ ～５ 。这些基 于经 验判 断给 出的 风机布 置 间 隔距离 ， 一 定程 度 和特 定 阶段 指导 Ｄ。 Ｄ ． 在 了风 电场 风机优 化布置 的探索 研究 和工程 应 用 ．ｍ／ｒ Ａ ｌａ ｌａ等 曾据 此 构建 了一 个 风 电场 风机 布 置方 案 ， 在保 证相 同发 电量 的同时 ， 够有效 地减少 风力 发 电机组 的总 占用 土地 面积 ． 能 实际上 ， 同风 电场 和风机 类型 的风机 最优 间隔距离 是不 相同 的 ， 不 上述 经验成 果 只能在一 定条件 范 围内 作为 风机优 化布置设 计 的参考 ． 为此 ， 多学 者针 对不 同风 况 、 同 区域边 界 的特 定 风 电场进 行 了风机 最优 许 不 布置 的更精 确 的计 算研 究 ． ｓｔ 等 Ｊ 先提 出 了基 于遗传算 法 的风机优 化布 置计算 方法 ， Ｍｏｅｉ ｔ 首 把风 电场 总投资 成本 、 电效 益作 为优化 变量 ， 发 用两者 的 比值 作为 目标参 数 ， 价不 同风机 布置方 案优劣 ． 评 该计算 方法 采用穷 举法 对不 同风机 布置方 案进行 经济 比较 ， 终确定 相对优 化 的风机 布置方 案 ， 最 摆脱 了风 机经验 布置 间距 的限 制 ， 以获得 更科学 、 可 合理 的结果 ．ｒｄ Ｇａｙ等【在 Ｍｏｅｉ ８ ｊ ｓｔ 等 Ｊ 究 的基 础上 ， ｔ 研 利用 遗传 算 法研 究 了风 机优化 布 置 问题 ， 并结 合理论 分析 ， 对风 机优化 布置形 式进行 了计算 分析 和校 核 ， 到 了更 好 的结 果 ． ａｍｄｓ 得 Ｍ ｒｉｉ等 采 用 Ｍ ｎ ．ａｏ ｏｔ Ｃｒ 方法对 风 电场风机 优化 布置 问题 进行 了研究 ， 出 了研究 该 问题 的新 思路 和新方 法 ． ｅ ｌ 提
风力发电场的优化布局与调度策略研究
风力发电场的优化布局与调度策略研究近年来，随着全球对于可再生能源的需求不断增长，风力发电作为一种清洁、可再生且效益较高的能源形式，得到了广泛的关注和应用。
风力发电场的优化布局与调度策略研究成为了当前领域内的热门课题。
本文将探讨风力发电场布局和调度策略的优化方法以及其在提高能源利用效率和经济效益方面的作用。
首先，风力发电场的优化布局是指在考虑地理和环境条件的前提下，合理规划和选择风力发电机组的位置，以最大限度地利用风能资源。
一般来说，风能资源的分布存在一定的地理差异，因此在布局时需要综合考虑地形、气候、土地利用等因素，以获得最佳的布局方案。
对于复杂地形和复杂条件下的布局，可以利用数值模拟和优化算法的方法，通过多次模拟和计算，找到最佳的布局方案。
优化布局不仅要考虑风能资源的分布，还要考虑发电机组之间的间距以避免相互遮挡和干扰。
优化布局不仅可以提高风力发电场的发电效率，还可以减少对土地资源的占用。
其次，风力发电场的调度策略是指根据实时的风能资源情况和电网负荷需求，合理调整风力发电机组的运行模式和发电功率，以使风力发电场的供电能力最大化。
常用的调度策略主要包括基于功率曲线的常规调度和基于预测的优化调度。
基于功率曲线的常规调度是指根据风力发电机组的额定功率和风速信息，通过调整风机的叶片角度和切入切出风速来实现功率的调节。
而基于预测的优化调度是指通过建立风能预测模型，预测未来一段时间内的风速和风能资源情况，并根据电网负荷需求进行调度，以实现风力发电场的经济运行。
优化调度策略可以通过减少风力发电场的风能浪费和提高电网的稳定性，最大限度地实现风力发电场的发电潜力。
在风力发电场的优化布局和调度策略研究中，需要考虑的因素较多，其中包括但不限于以下几个方面。
首先，需要充分了解和分析当地的地理和环境条件。
风力资源的分布受到地形、气候和土地利用等因素的影响，因此对于不同地区的风力发电场，需要有针对性地制定布局和调度策略。
风力发电场布局优化研究
风力发电场布局优化研究一、引言随着全球对可再生能源需求的不断增加，风力发电作为一种清洁且可再生的能源形式得到了广泛的关注和应用。
风力发电场布局是风力发电系统的重要组成部分，合理的布局对于提高风能利用效率、减少发电成本具有重要意义。
因此，对风力发电场布局进行优化研究是现阶段的热门课题。
二、传统布局模型传统的风力发电场布局模型主要依赖于经验和直觉，无法充分考虑到各种复杂的条件和限制因素。
例如，地理地形、气象条件、环境影响等因素均需要被纳入考虑，但是传统模型往往只关注最大化发电能力的目标，忽视了其他因素的影响。
三、布局优化指标针对风力发电场布局优化的研究，我们可以从以下几个方面进行考虑和分析：1.最大化发电能力：寻找合适的风力发电机布局，使得整个风力发电场能够最大化发电能力，提高风能利用效率。
2.最小化成本：布局优化也要考虑到降低发电成本的目标。
通过合理的布局，降低风力发电机的运维成本和维护费用，从而使得整个发电系统的成本最小化。
3.考虑环境保护：风力发电场布局优化研究还应该充分考虑环境因素，减少对环境的影响。
例如，应该避免将风力发电机设置在生态敏感区，减少对野生动物的干扰。
四、布局优化方法在风力发电场布局优化研究中，广泛采用的方法包括遗传算法、粒子群算法、蚁群算法等。
这些优化算法能够有效地通过搜索和迭代的方式，寻找到适合的布局方案，并实现对于多个优化指标的综合考虑。
1.遗传算法：遗传算法通过模拟生物进化的方式，通过选择、交叉和变异等操作，寻找到满足要求的最优解。
在风力发电场布局优化中，可以通过遗传算法来寻找合适的风力发电机布局以最大化发电能力。
2.粒子群算法：粒子群算法模拟鸟群在搜索食物过程中的行为，通过粒子的位置和速度的改变来搜索最优解。
在风力发电场布局优化中，可以使用粒子群算法来优化发电机的布局，最大化发电量。
3.蚁群算法：蚁群算法模拟蚂蚁在寻找食物过程中的行为，通过信息素的沉积和挥发来搜索最优解。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
D OI :10.3876/j .issn .1000-1980.2010.04.023 收稿日期:2009-11-18基金项目:国家“十一五”科技支撑计划(2006BAA01A24)作者简介:王丰(1981—),男,河南周口人,博士研究生,主要从事抽水蓄能及新能源技术研究.E -mail :wfnj3089@大型风电场风机最优布置规律研究王 丰1,刘德有1,曾利华1,陈守伦1,陈星莺2(1.河海大学水利水电学院,江苏南京 210098;2.河海大学水资源高效利用与工程安全国家工程研究中心,江苏南京 210098)摘要:采用较完善的风机优化布置计算数学模型,研究了单一风向风况下的风电场风机最优布置的一般性规律,给出了风机布置排数和风机间距的合理取值范围:风电场区域无限制以及风电场沿盛行风向上尺寸较小时,风机横向间距应为2D 0～3D 0(D 0为风轮直径),纵向间距应大于15D 0;风电场沿盛行风向上尺寸较大时,可考虑布置3排以上风机,风机纵向间距应为15D 0～20D 0,风机横向间距应为3D 0～5D 0;风机优化布置一般可不考虑风速大小的影响.在此基础上,研究了均匀对称风况、1个主导风向风况和多个主导风向风况下的风机最优布置规律,得出了风机最优布置形式与风况特征的规律性基本一致,且风况越复杂,风机最优布置的规律性越弱的结论.关键词:风电场;风机;布置排数;风机间距中图分类号:TK83 文献标志码:A 文章编号:1000-1980(2010)04-0472-07风电场风机优化布置是风电场规划中的关键环节,其布置方案的优劣直接影响风电场的发电量以及风电场的经济性水平.在风电场区域边界以及该区域风资源确定的情况下,如风机布置数量太少,将会降低该区域风资源的利用率;但如风机布置数量太多、风机间距太小,则会由于风机尾流的影响而降低各单台风机的发电效益,从而降低整个风电场开发的经济性[1-3].因此,考虑风机布置数量在内的风机最优布置方案是风电场规划设计和开发过程中需要深入研究的重要课题.在最初的研究中,风电场风机优化布置理论基本属于经验性结论,布置方式也基本为规则性的行列布置.如Patel [4]提出:风机布置的最优距离为在盛行风向上风机间隔8D 0～12D 0(D 0为风轮直径),在垂直于盛行风向上风机间隔1.5D 0～3D 0.而王承煦等[5]指出:在盛行风向上要求风机间隔5D 0～9D 0,在垂直于盛行风向上要求风机间隔3D 0～5D 0.这些基于经验判断给出的风机布置间隔距离,在一定程度和特定阶段指导了风电场风机优化布置的探索研究和工程应用.Ammara 等[6]曾据此构建了一个风电场风机布置方案,在保证相同发电量的同时,能够有效地减少风力发电机组的总占用土地面积.实际上,不同风电场和风机类型的风机最优间隔距离是不相同的,上述经验成果只能在一定条件范围内作为风机优化布置设计的参考.为此,许多学者针对不同风况、不同区域边界的特定风电场进行了风机最优布置的更精确的计算研究.Mosetti 等[7]首先提出了基于遗传算法的风机优化布置计算方法,把风电场总投资成本、发电效益作为优化变量,用两者的比值作为目标参数,评价不同风机布置方案优劣.该计算方法采用穷举法对不同风机布置方案进行经济比较,最终确定相对优化的风机布置方案,摆脱了风机经验布置间距的限制,可以获得更科学、合理的结果.Grady 等[8]在Mosetti 等[7]研究的基础上,利用遗传算法研究了风机优化布置问题,并结合理论分析,对风机优化布置形式进行了计算分析和校核,得到了更好的结果.Mar midis 等[9]采用Monte -Carlo 方法对风电场风机优化布置问题进行了研究,提出了研究该问题的新思路和新方法.Mosetti 等[7-9]的研究虽提出了若干创新性的计算方法和模型,研究成果也为风电场风机优化布置的研究和实际工程设计提供了重要的理论基础,但其中所采用的风机优化布置计算模型还不完善,更未对风电场风机最优布置的一般性规律进行系统的探讨分析和论证研究.第38卷第4期2010年7月河海大学学报(自然科学版)Journal of Hohai University (Natural Sciences )Vol .38No .4Jul .2010本文以风电场效益最大化为目标,在已有研究成果的基础上,采用一维非线性尾流扩张模型、基于动能衰减原理的尾流叠加模型、协调发电量与成本的风电场效益评价模型、考虑不同风机台数的发电量与成本之比的增量装机评价模型以及遗传算法[10]进行优化计算求解,研究了单风向风况和各典型风况下的风电场风机最优布置的一般性规律以及有关因素的影响关系.1 单一风向风况下的风机最优布置规律单一风向风况下的风机最优布置规律是复杂风况下风机最优布置规律的研究基础.因此,本文首先从风机最优布置间距、风速对风机最优布置间距的影响以及复杂边界风电场的风机最优布置规律等方面入手研究单一风向风况下的风机最优布置规律.1.1 风机的最优布置间距风机布置间距(中心点间距)包括垂直于盛行风方向的横向间距和盛行风方向的纵向间距.前人基于经验的研究结论是:风机的最小横向间距范围为2D 0～5D 0,最小纵向间距范围为5D 0～12D 0[4-5].实际上,风电场风机的横向、纵向间距应该按“在盛行风向上,上游风机尾流对下游其他风机出力无影响或影响很小”的原则确定.即对于不同的风电场,其最优风机间距是不同的,应根据风场区域形状及尺寸、风机类型等因素经综合优化设计计算后确定.但目前常用的上述风机间距取值范围所依据的主要是半经验性的风机优化布置数学模型,特别是其风机尾流模型存在较大的简化误差,故不能满足当今大型风电场的风机优化布置设计需要.对于风电场区域无限制的情况,风机的最优纵向间距可按“上游风机尾流风速恢复至90%”的原则确定.即确定风机的最优纵向间距首先应研究确定风机尾流风速的变化规律.由于采用一维非线性尾流模型计算时,风机的轴向推力系数对风机尾流风速影响最大,其他参数如地表粗糙度、风机轮毂安装高程等影响较小,而由文献[11]可知,设计良好的叶片在其运行范围内大部分轴向诱导系数值一般为0.33左右,则可估算得到相应的推力系数为0.88左右,因此,可采用推力系数0.88求得对应的风机尾流风速与风机下游距离的关系曲线,如图1(a )所示.图中U 0为风机上游风速,x 为风机后沿轴向的距离.计算分析结果表明,该关系曲线受风轮直径D 0的影响很小.由图1(a )可知,风机的最优纵向间距约为15D 0.当风机采用排列状方式布置时,设首排风机出力为对应风电场自由风速下的最大出力,则在单一风向下不考虑横向风机之间的尾流影响和风机轴向推力系数的变化时,第2排风机的相对出力为72.9%,第3排风机的相对出力为53.1%.以此类推可知,当风场布置3排或3排以上风机时,后排风机出力受前排风机的影响很大,因此后排风机的纵向间距应适当增大.图1 风机尾流风速U 及尾流影响直径y 的变化曲线Fig .1 Variation of relative wake flow and wake diameter of wind turbines关于风机的最优横向间距,可按“上游风机尾流对其他列的风机出力无影响或影响很小”的原则选取.即确定风机的最优横向间距首先应研究确定风机尾流影响区域的变化规律,如图1(b )所示.由图1(b )可知,风机尾流影响范围(即影响区域直径)随着下游距离的增加而增加.当风场布置2排风机时,风机最小横向间距应为2.5D 0;风场布置3排风机时,风机最小横向间距应为3D 0;随着风机布置排数的增多,风机的最小横向间距也应适当增大.对于风电场区域确定的情况,受风场尺寸以及风电场开发经济性等因素的限制,风机最优布置间距一般需根据风场具体情况适当调整.例如,设某风电场尺寸为2000m ×2000m ,风机轮毂中心高程H 0=60m ,转轮直径D 0=40m ,推力系数C T =0.88,地面平均粗糙度Z 0=0.3m ,风机额定风速13m /s ,风机功率曲线按473第4期王 丰,等 大型风电场风机最优布置规律研究P =0.3u i 3描述,u i 为第i 台风机的工作风速;风电场自由风速恒定为12m /s ,0°方向来风,网格按照迎风方向划分为15×15,则风电场风机最优布置计算结果如图2所示,其风机出力、成本及适应值曲线如图3所示.图2 风机布置方案Fig .2 Optimal configuration of wind turbines图3 风机总出力P 、成本C 及适应值曲线Fig .3 Output power ,cost and fitness of wind turbines从上述计算结果可以看出:对于单一风向风况的风电场,风机最优布置方式可为并行排状形式,风机最优排数可由风电场风机适应值曲线决定;随着风机数量的增加,对应最优布置方案的适应值参数随之改变,其总体趋势为先减小后增大,均存在一个极小值.对于上述算例,当风机布置少于3排时,其适应值较大,经济性较差;当风机布置为3排时,即风机数量为30～45台时,其适应值较小且变化不大,此时的风机最小纵向间距约为20D 0;当风机布置为4排时,其适应值迅速增大,即风电场的经济性明显降低,此时的风机最小纵向间距约为10D 0.对于上述算例,当其他参数不变时,改变该风电场区域沿盛行风方向上的纵向尺寸,可以计算得到其风机最优布置排数等参数,如表1所示.由表1可见:当风电场沿盛行风方向上的尺寸较小时(小于20D 0),沿盛行风方向上应布置1～2排风机,风机的纵向间距在允许范围内应取最大值,而横向间距应为2D 0～3D 0;当风电场沿盛行风方向上的尺寸较大时(>20D 0),沿盛行风方向上可考虑布置3排或更多排风机,此时,风机的最优纵向间距为15D 0～20D 0,最优横向间距为3D 0～5D 0.表1 风机最优布置排数计算结果Ta ble 1 C alculated results of optimal placement rows of wind turbines风场纵向尺寸L计算最优布置排数建议布置排数建议风机纵向间距建议风机横向间距L ≤12D 011≥2.0D 012D 0<L ≤20D 021～2最大可能值≥2.5D 020D 0<L ≤55D 032～310D 0～15D 0≥3.0D 0L >55D 04>315D 0～20D 03D 0～5D 01.2 风速对风机最优布置间距的影响风电场自由风速变化时,风机的出力及尾流风速随之变化,风机最优布置也可能发生改变.对于区域无限制的风场,其最优布置间距根据尾流风速恢复系数确定,与风速大小无关;对于区域确定的风场,在风机排数一定的情况下,风速大小对风机最优布置间距可能存在一定的影响.假设沿盛行风方向上,风场中分别布置3台、4台风机,如图4所示,并设图4(a )中的L 1+L 2=2000m ,图4(b )中的L 1+L 2+L 3=3000m ,其余参数同前述算例.在风机台数一定的情况下,以风机总出力最大为目标,把自由风速U 1作为变量,经优化设计计算可得到风机布置位置以及风场风机总出力,计算结果如图5所示.由图5可见,当沿盛行风方向上布置3台、4台风机时,其最优布置位置在一定的风速范围内是不变的.474河海大学学报(自然科学版)第38卷图4 风机布置Fig .4 Placement of windturbines图5 不同上游风速下风机最优布置间距L 与风机总出力P 曲线Fig .5 Relationship between o ptimal spacing of wind turbines and output power under different upstream wind speeds最优布置位置的突变条件是:随着自由风速的增大,中间风机出力增大至额定出力时,为满足风电场风机总出力最大,中间风机最优位置会逐渐向上游风机靠近;当风场自由风速足够大、风机均达到额定出力时,风机的最优布置位置会出现多值的优化计算结果.一般来说,由于风机年利用小时数相对较低,风场自由风速大多是在额定风速附近或小于额定风速.因此,在风电场风机优化布置时,只需参照图5中的第1段直线即可.也就是说,在风电场风机最优布置计算时一般不需考虑风速大小变化的影响.1.3 复杂边界风电场的风机最优布置规律风电场的开发可能由于某些因素限制,如用地限制、地形限制以及建筑物限制等,使得实际风电场的区域边界形状各不相同,这对风机最优布置方案也会有一定的影响.除上述方形风场外,对于梯形、圆形以及不规则形状的风电场,其风机优化布置的计算结果如图6所示.其中,对于不同形状的风电场,本文通过在风场内限制某些区域不允许布置风机的方式实现,在图6中,不允许布置风机的网格点以“×”号表示.图6 单一风向下风电场风机最优布置方案Fig .6 Optimal configurations of wind farms under single wind direction condition由图6可见,对于梯形、圆形和不规则形状的风电场,由于风机布置位置受风场边界制约,最优布置方案与方形风电场略有差异,但其最优布置方案所体现的风机布置规律与方形风电场基本一致,即本文上述给出的风机最优布置规律也适用于不规则形状的风电场.2 其他典型风况下的风机最优布置规律风电场最优风机布置与风况密切相关.典型风况中,除单一风向外,还包括均匀对称风向风况、1个主导风向风况和多个主导风向风况,其风玫瑰图如图7所示.475第4期王 丰,等 大型风电场风机最优布置规律研究图7 典型风况的风玫瑰图Fig .7 Wind roses of typical wind conditions2.1 均匀对称风向情况在某些特殊地区,如草原、沙漠等平坦区域,全年各个方向的来风以及概率均相等或相差不大,其风况主要体现为均匀对称风向.此时,上述算例的风机优化布置计算结果如图8所示.图8 均匀风向下风电场风机最优布置方案Fig .8 Optimal configurations of wind farms under uniform wind direction condition对于均匀对称风向风况,不同形状风电场中风机最优布置的规律性较强,基本表现为沿风场区域边缘对称布置的形式.当风机数量较多时,除边缘风机外,其余风机布置在风场中央区域.2.2 1个主导风向情况根据实际风场的风能资源情况,在我国大部分地区(如四类风资源区),多数风电场的风况是1个主导风向风况.对于这种情况的风电场风机最优布置计算结果如图9所示.图9 1个主导风向下风电场风机最优布置方案Fig .9 Optimal configurations o f wind farms under single wind direction do minated condition对于1个主导风向的风电场,其风机最优布置规律主要体现在:主导风向概率越大,风机最优布置方案越接近于对应该主导风向的风机最优布置形式,且沿主导风向的风机间距基本满足本文上述给出的风机最小间距的要求.对于这类风电场,在风机优化布置时,一般可先按单风向风况进行排布设计,然后根据主导风向的风能密度概率函数进行局部调整,最终确定风机最优布置方案.2.3 多个主导风向情况当地形比较复杂时,风电场可能由于地形以及障碍物等的影响,存在多个主导风向的情况.对于这种情况的风电场风机最优布置计算结果如图10所示.476河海大学学报(自然科学版)第38卷图10 多个主导风向下风电场风机最优布置方案Fig .10 Optimal configurations of wind farm s under multiple wind direction dominated conditio n对于存在多个主导风向的风电场,风况情况比较复杂,其风机最优布置规律性较弱.因此,对于这类风电场的风机最优布置设计,一般应通过详细的优化计算确定.3 结 论a .在风电场区域无限制的情况下,风机的横向间距应为2D 0～3D 0,纵向间距应大于15D 0;当风机布置的排列数增加时,应逐步适当增大后排风机的纵横间距.b .对于风电场区域确定的情况,单一风向风况下,风机最优布置方式一般为并行排列状形式.当风场区域在盛行风向上的尺寸较小(<20D 0)时,沿盛行风向一般布置1～2排风机,风机的最优纵向间距即为其可能的最大值,风机的横向间距应为2D 0～3D 0;当风场区域在盛行风向上的尺寸较大(>20D 0)时,风机沿盛行风向可考虑布置3排或3排以上,此时,风机纵向间距应为15D 0～20D 0,风机横向间距应为3D 0～5D 0.c .在实际风电场风机优化布置时,一般可不考虑风速大小变化的影响.d .针对不同风况、不同边界形状的风电场,风机最优布置体现出的规律性有所不同.均匀对称风况下,风机最优布置沿风电场边缘对称分布;单一主导风向风况下,风机最优布置为对应主导风向下的风机最优布置形式与其他非主导风向下的风机优化布置形式的组合,且主导风向的概率越大,最优布置方案越接近于该主导风向下的风机最优布置方案;对于多个主导风向风况,风机最优布置的规律性较弱,其最优布置方案一般应通过详细的优化计算确定.参考文献:[1]FRANDSE N S ,BARTHELMIE R ,PRYOR S ,et al .Analytical modelling of wind speed deficit in large offs hore wind farms [J ].WindEnergy ,2006,9(1/2):39-53.[2]CHRISTIANSEN M B ,HASAGER C B .Wake effects of large offshore wind farms identified from satellite SAR [J ].Remote Sensing ofEnviron ment ,2005,98(2/3):251-268.[3]VER MEER L J ,SORENSEN J N ,CRE SPO A .Wind turbine wake aerodynamics [J ].Progress in Aerospace Sciences ,2003,39:467-510.[4]PATEL M R .Wind and power solar systems [M ].Boca Raton :CRC Press ,1999.[5]王承煦,张源.风力发电[M ].北京:中国电力出版社,2002:131.[6]AMMARA I ,LECLERC C ,MASSON C .A viscous three -dimensional differential /actuator -dis k method for the aerodynamic analysis ofwind farms [J ].J Sol Energy Eng ,2002,124(4):345-356.[7]MOSETTI G ,POLONI C ,DIVIACCO B .Optimization of wind turbine positioning in large wind farms by means of a genetic algorith m [J ].J Wind En g Ind Aerodyn ,1994,51(1):105-106.[8]G R ADY S A ,HUSSAINI M Y ,ABDULLAH M M .Placement of wind turbines using genetic algorithms [J ].Renewable Energy ,2005,30(2):259-270.[9]MAR MIDIS G ,LAZAROU S ,PYRGIOTI E .Optimal placement of wind turbines in a wind park usin g Monte Carlo simulation [J ].Renewable Energy ,2008,33(7):1455-1460.[10]王丰.风电场风能资源评估及风机优化布置研究[D ].南京:河海大学,2009.[11]B URTON T ,SHARPE D ,JENKINS N ,et al .Wind energy handbook [M ].England :John Wiley &Sons ,2001:68.477第4期王 丰,等 大型风电场风机最优布置规律研究478河海大学学报(自然科学版)第38卷Characteristics of optimal placement of wind turbines in large scale wind farmsWA NG Feng1,LIU De-you1,ZENG Li-hua1,CHEN Shou-lun1,CHEN Xing-ying2(1.College of Water Conservanc y and Hydropower Enginee ring,H ohai University,Nanjing210098,China;2.National Engineering Research Center of W ate r Resourc es Efficie nt Utilization and Engine ering Safety,Hohai Unive rsity,Nanjing210098,China)A bstract:The characteristics of optimal placement of wind tur bines under single wind direction condition were studied by use of the mature mathematical models for wind turbines.The rational values of rows and spacings of wind turbines were pr oposed.For the wind far ms with unlimited area and small size in the windward direction,the optimal spacing should be lar ger than2-3times the rotor diameter in the crosswind direction and15times the rotor diameter in the windward direction.For the wind farms with large size in the windward direction,more than3rows of wind turbines should be placed,the optimal spacing should be larger than3-5times the rotor diameter in the crosswind direction and15-20times thee r otor diameter in the windward direction,and the influences of the wind speed on the optimal configuration of wind turbines might be ignored.On such a basis,the characteristics of the optimal placement of wind turbines under conditions of uniform wind direction,single wind direction dominated and two wind direction dominated were studied.A conclusion is drawn that the optimal configuration of wind turbines agrees with the characteristics of wind c onditions.Besides,the more complex the wind conditions,the weaker the characteristics of the optimal configuration of wind turbines.Key words:wind farm;wind turbine;optimal placement;wind turbine spacing·简讯·河海大学等单位完成的“水稻节水灌溉理论及调控模式创新与应用”研究成果通过专家鉴定 2010年6月20日,南京市科学技术委员会召开了由河海大学等单位完成的“水稻节水灌溉理论及调控模式创新与应用”成果鉴定会.由中国工程院院士、水利部南京水利科学研究院院长张建云教授担任主任的鉴定委员会专家们一致认为,该成果总体居于国际先进水平,在基于水稻生理生态调控机制的水分调控指标和水稻灌区综合节水调控模式及其应用方面达到国际领先水平.该成果的主要创新点有:揭示了水稻控制灌溉节水高产的生理生态机制,提出了水分调控阈值;改进了水稻需水量计算模型及水稻生理生长模型,提高了模型在节水灌溉条件下的适用性和精度,实现了气孔蒸腾光合耦合模拟、根系结构与功能模拟等功能;建立了稻田灌排控污减排技术指标与模式,增强了水稻节水灌溉的生态经济效应;建立了适用于不同类型区域的水稻灌区综合节水调控模式,并在江苏、黑龙江和宁夏等地较大面积推广应用,取得了显著的经济和社会效益.自1996年以来,以彭世彰教授等为主的课题组紧密结合国家重大需求,在国家863计划、国家自然科学基金、国家科技支撑计划等项目的资助下,围绕“水稻节水灌溉理论及调控模式”,从水分调控的生理生态响应机制、水稻需水过程、稻田节水灌溉的环境效应等方面,开展了长期深入的试验研究,建立了水稻水肥调控技术指标体系,形成了节水高效、控污减排的水稻灌溉水肥调控模式,丰富和发展了水稻节水灌溉理论与技术.(本刊编辑部供稿)。