基于三层次动态变异率的风力发电机组优化布局方法技术

本发明专利技术公开了一种基于三层次动态变异率的风力发电机组优化布局方法，包括如下步骤：步骤一：获取目标风电场信息，包括(1)目标风电场的年平均风资源信息；(2)机组规格参数；(3)风电场规划区域边界；步骤二：结合风机尾流风速和湍流模型计算年总平均发电量和评估全生命周期度电成本；步骤三：将风电场规划区域网格化，以平准化能源成本为优化目标，采用基于三层次动态变异率的改进遗传优化算法进行机组网格位置初步优化，通过集成理论得到若干个网格优化方案；步骤四：根据网格位置的初步优化结果，构建每个候选机组的网格边界，采用自适应权重粒子群优化算法在相应网格内进行精细的坐标位置优化，并得到最终的机组布局方案。案。案。

【技术实现步骤摘要】
基于三层次动态变异率的风力发电机组优化布局方法


[0001]本专利技术属于风力发电
，具体的为一种基于三层次动态变异率的风力发电机组优化布局方法。

技术介绍

[0002]随着传统化石能源的枯竭，风能开发的需求日益增强。为最大限度的提升风电场发电效益，其核心问题之一即在风电场建设前对机组的布局方案进行合理优化，以降低风电场在整个生命周期内的度电成本。但是，由于机组之间的尾流影响，导致风机布局方案寻优过程十分复杂，难以获取全局最优的布局方案。遗传及粒子群算法是最常用的组合式优化算法，已被广泛用于风机布局方案优化求解。现有单一的遗传及粒子群算法针对种群的所有个体均进行计算，耗时非常长，且变异率为固定，导致算法极易陷入局部最优，获取的风机布局方案并非最优，使得其在布局方案的优化上仍存在非常大的提升空间。因此，如何同时提升优化算法的效率同时尽可能地获取全局最优解，对于提升风机布局方案的效果非常关键。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种基于三层次动态变异率的风力发电机组优化布局方法，能够实现对机组布局方案进行合理优化，以降低风电场在整个生命周期内的度电成本。
[0004]为达到上述目的，本专利技术提供如下技术方案：
[0005]一种基于三层次动态变异率的风力发电机组优化布局方法，包括如下步骤：
[0006]步骤一：获取目标风电场信息，包括：
[0007](1)目标风电场的年平均风资源信息，根据目标风电场区域内的年统计风速风向信息绘制玫瑰图；/>[0008](2)机组规格参数，包括轮毂高度、叶轮直径以及功率推力曲线；
[0009](3)风电场规划区域边界，划定包括规则或不规则边界的风电场规划区域边界；
[0010]步骤二：结合风机尾流风速和湍流模型计算年总平均发电量和评估全生命周期度电成本；
[0011]步骤三：将风电场规划区域网格化，以平准化能源成本为优化目标，采用基于三层次动态变异率的改进遗传优化算法进行机组网格位置初步优化，通过集成理论得到若干个网格优化方案；
[0012]步骤四：根据网格位置的初步优化结果，构建每个候选机组的网格边界，采用自适应权重粒子群优化算法在相应网格内进行精细的坐标位置优化，并得到最终的机组布局方案。
[0013]进一步，所述步骤二中，计算年总平均发电量和评估全生命周期度电成本的方法为：
[0014]21)基于高斯风机尾流模型和湍流模型，计算每台风力发电机受上游风机尾流影响后的风速损失以及湍流增强；
[0015]22)采用经典尾流叠加原理估算每台下游风力发电机的轮毂高度处的入流风速，计算每台风力发电机的年发电量，将每台风力发电机的年发电量求和，得到风电场的年总发电量；
[0016]23)计算风电场在全风向风速的年平均分布和全生命周期下的总发电量，结合包括机组组件造价、风电场运维成本和资金回收系数的经济效益指标构建平准化能源成本目标函数。
[0017]进一步，所述步骤21)中，高斯风机尾流模型为：
[0018][0019][0020][0021][0022]其中，δ是尾流风速亏损；δ
hub
是轮毂高度处尾流风速亏损；σ是尾流风速剖面标准偏差；D是风机叶轮直径；y和z分别是水平和垂直坐标；z
hub
是风机轮毂高度；C
T
是推力系数；k
*
是尾流衰减系数；x表示下游风机离上游风机的水平距离；ε表示与推力系数相关的参数；
[0023]风机尾流湍流计算方式为：
[0024][0025]其中，I
+
是附加尾流湍流；K
n
为模型常数；
[0026]风机尾流叠加后为：
[0027][0028]其中，v
i
和v
j
是上游和下游风机处的入流风速；v0为无穷远处的来流风速；v
ij
为上游风机在下游风机处所造成的入流风速。
[0029]进一步，所述步骤22)中，对于给定速度v和方向θ的来流条件，风电场发电总功率根据机组功率曲线计算可得，结合统计平均风况的概率密度函数，年平均发电功率预测为：
[0030][0031]其中，N
t
是风机数量；N
θ
是风向区间划分数量；N
v
是风速区间划分数量；f
j
是风向区间概率；P
i
是在风速v
k
下单台机组发电功率；(X,Y)是机组坐标信息；p
j
风速风向联合分布概率，v
k
是风速区间划分点；θ
j
表示第j个风速代表的风向角。
[0032]进一步，所述步骤23)中，平准化能源成本目标函数为：
[0033][0034]其中，C
total
是机组造价；C
f
是资金回收系数；C
O&M
是风电场运维成本；AEP是风电场年平均总发电量。
[0035]进一步，所述步骤三中，包括如下步骤：
[0036]31)将风电场规划区域划分为不同大小的网格分布图，候选机组的坐标位置默认为网格中心；
[0037]32)采用三层次动态变异率的改进遗传优化算法，提出同时考虑当前风机安装数量、种群个体重复率以及当前迭代步的改进变异率，以提升对全局最优的搜索能力、避免陷入局部最优，并对网格化的布局方案进行初步优化，通过集成理论得到若干个网格优化方案。
[0038]进一步，所述步骤32)中，采用基于三层次动态变异率的改进遗传优化算法进行机组网格位置初步优化的方法为：
[0039]321)假设每个网格中心有两种可能性，分别为安装风机和不安装风机，对应的“基因”分别编码为“1”和“0”，每个个体对应一种风机排布方案，由一串“基因”组成；
[0040]322)随机初始化种群：对每个“基因”随机幅值为“1”或“0”，迭代次数i
step
＝0；
[0041]323)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；
[0042]判断个体适应度是否小于设定阈值：若是，则得到的风机布局网格优化方案；若否，则i
step
＝i
step
+1，执行步骤324)；
[0043]324)利用轮盘选择法进行随机个体选择；
[0044]325)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；
[0045]326)针对每个个体的“基因”进行随机变异；
[0046]327)判断i
step
是否等于设定值N
s
，若是，则得到的风机布局网格优化方案；若否，则循环执行步骤323)。
[0047]进一步，所述步骤326)中，采用改进变异率对每个个体的“基因”进行随机变异，改进变异率为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三层次动态变异率的风力发电机组优化布局方法，其特征在于：包括如下步骤：步骤一：获取目标风电场信息，包括：(1)目标风电场的年平均风资源信息，根据目标风电场区域内的年统计风速风向信息绘制玫瑰图；(2)机组规格参数，包括轮毂高度、叶轮直径以及功率推力曲线；(3)风电场规划区域边界，划定包括规则或不规则边界的风电场规划区域边界；步骤二：结合风机尾流风速和湍流模型计算年总平均发电量和评估全生命周期度电成本；步骤三：将风电场规划区域网格化，以平准化能源成本为优化目标，采用基于三层次动态变异率的改进遗传优化算法进行机组网格位置初步优化，通过集成理论得到若干个网格优化方案；步骤四：根据网格位置的初步优化结果，构建每个候选机组的网格边界，采用自适应权重粒子群优化算法在相应网格内进行精细的坐标位置优化，并得到最终的机组布局方案。2.根据权利要求1所述基于三层次动态变异率的风力发电机组优化布局方法，其特征在于：所述步骤二中，计算年总平均发电量和评估全生命周期度电成本的方法为：21)基于高斯风机尾流模型和湍流模型，计算每台风力发电机受上游风机尾流影响后的风速损失以及湍流增强；22)采用经典尾流叠加原理估算每台下游风力发电机的轮毂高度处的入流风速，计算每台风力发电机的年发电量，将每台风力发电机的年发电量求和，得到风电场的年总发电量；23)计算风电场在全风向风速的年平均分布和全生命周期下的总发电量，结合包括机组组件造价、风电场运维成本和资金回收系数的经济效益指标构建平准化能源成本目标函数。3.根据权利要求2所述基于三层次动态变异率的风力发电机组优化布局方法，其特征在于：所述步骤21)中，高斯风机尾流模型为：高斯风机尾流模型为：高斯风机尾流模型为：高斯风机尾流模型为：其中，δ是尾流风速亏损；δ
hub
是轮毂高度处尾流风速亏损；σ是尾流风速剖面标准偏差；D是风机叶轮直径；y和z分别是水平和垂直坐标；z
hub
是风机轮毂高度；C
T
是推力系数；k
*
是尾流衰减系数；x表示下游风机离上游风机的水平距离；ε表示与推力系数相关的参数；
风机尾流湍流计算方式为：其中，I
+
是附加尾流湍流；K
n
为模型常数；风机尾流叠加后为：其中，v
i
和v
j
是上游和下游风机处的入流风速；v0为无穷远处的来流风速；v
ij
为上游风机在下游风机处所造成的入流风速。4.根据权利要求2所述基于三层次动态变异率的风力发电机组优化布局方法，其特征在于：所述步骤22)中，对于给定速度v和方向θ的来流条件，风电场发电总功率根据机组功率曲线计算可得，结合统计平均风况的概率密度函数，年平均发电功率预测为：其中，N
t
是风机数量；N
θ
是风向区间划分数量；N
v
是风速区间划分数量；f
j
是风向区间概率；P
i
是在风速v
k
下单台机组发电功率；(X,Y)是机组坐标信息；p
j
风速风向联合分布概率，v
k
是风速区间划分点；θ
j
表示第j个风速代表的风向角。5.根据权利要求2所述基于三层次动态变异率的风力发电机组优化布局方法，其特征在于：所述步骤23)中，平准化能源成本目标函数为：其中，C
total
是机组造价；C
f
是资金回收系数；C
O...

【专利技术属性】
技术研发人员：沈宏涛，杨富程，韩二红，胡伟成，李航，王彬滨，刘海坤，黄博文，李天，袁紫婷，
申请(专利权)人：四川电力设计咨询有限责任公司，
类型：发明
国别省市：