对可再生能源日益增长的需求要求优化风电场生产的能源。这是由于温室气体的低排放和风能的清洁度。

贝拉特，A. 等。最近发表了一篇期刊论文，着眼于使用建模来优化现有的风电场设计。他们的研究贯穿本文。

图1显示了各国的发电量，说明中国是最大的风电生产国。国际能源署一直在努力满足到 2050 年全球 18% 的需求。

图 1.各国生产的风能。图片来源：Bellat, A 等人。

设计风电场具有挑战性，因为它涉及选择一个风力涡轮机相对于另一个风力涡轮机的适当位置，这主要是由于上游风力涡轮机产生的尾流的干扰。

这种干扰及其对安装地点变量和设计参数的强烈依赖会影响风电场的性能以及风能项目的整体可行性。因此，使用启发式优化方法等理性方法来解决此问题至关重要。

优化现有风电场的设计应该包括使风电场的能源最大化和成本最小化。通常建议对旧风电场“重新供电”或“退役”。

现有风电场的重新开发涉及更换一些部件甚至涡轮机。如果“重新供电”方法很微妙，则风电场将退役，从而导致电力生产关闭。

本文讨论了使用风电场建模来优化现有风电场的设计。

方法

风电场建模

风力涡轮机下游的尾流的特征是高速赤字和湍流水平，这会影响风力涡轮机的性能。提供的功率减少，转子上的负载更大，这导致它们的寿命缩短。

这里使用 Jensen 尾流模型进行风速计算。图 2 说明了上游涡轮机尾流传播对下游涡轮机的影响。尾流直径的变化取决于转子的尺寸和尾流最小化系数。

图 2.上游涡轮机尾流传播对下游涡轮机的影响。图片来源：Bellat, A 等人。

案例研究：Horns Rev 1 风电场

Horns-rev1 风电场位于北海，距丹麦西海岸 14 公里，占地面积约 20 公里2。它由 80 台维斯塔斯型风电机组以 8 行 10 列的规则排列组成，风向等于 0°时风电机组之间的间距等于转子直径的 7 倍，如图图 3。

图 3. Horns-rev 1 海洋风电场的展示。图片来源：Bellat, A 等人。

目标函数

研究目标函数的目的是使风电场的功率最大化和成本最小化。为了实现目标函数的期望，通过在风电场外部或内部安装新的风力涡轮机，同时尊重与风电场面积和安装成本相关的约束，对所研究的风电场进行了更新。

优化算法

许多研究表明，遗传算法（GA）在解决优化问题方面非常有效。因此，这里使用遗传算法来优化风电场，即使它们很昂贵。

图 4 说明了遗传算法的流程图，显示了根据上面定义的目标函数的优化过程。

图 4.遗传算法步骤。图片来源：Bellat, A 等人。

涡轮机的选择仅限于所研究的风电场（维斯塔斯）中现有的涡轮机型号。表1给出了代号、转子直径、公称转速、公称功率。

表 1.优化中使用的涡轮机数据。图片来源：  Bellat, A 等。

结果

为了评估该方法，测试了两个风电场升级建议。图 5 和图 6 分别显示了这两个提议。现有涡轮机编号为 1 至 80，而其他涡轮机编号为 81。

图 5.内部升级建议。图片来源：Bellat, A 等人。

考虑到涡轮机之间的最小距离为 3.5 D（其中 D 是涡轮机直径），内部添加的涡轮机数量为 63，而外部添加的涡轮机数量为 40，并且它们都呈现红色。

图 6.外部升级建议。图片来源：Bellat, A 等人。

图 7 显示了每个风力涡轮机的年发电量 (AEP)。

图 7.研究目标函数计算的每个涡轮机的年发电量。图片来源：Bellat, A 等人。

图 7 和图 8 的结果显示了能源年产量和成本之间的折衷；然而，在涡轮机的内部提案中，AEP 在 1.95 和 2.70 之间变化。此外，成本根据涡轮机的类型在 1.40 到 2.85 之间变化。

图 8.标准化总成本指数。图片来源：Bellat, A 等人。

相比之下，只有一种涡轮机的外部开口的 AEP 值在 2.21 到 3.31 之间变化，而对于 TCI，该值在 3.85 和 7.4 之间变化。小型风力涡轮机非常适合内部升级，成本相对合理，AEP 更高。

另一方面，大型风力涡轮机增加了能源生产成本。外部更新的情况下AEP的增加伴随着成本的增加。这是通过增加的面积来解释的，该面积在成本计算中是一个重要的比率。

图 9 显示内部更新接近统一。这是通过根据 TCI 增加 AEP 来解释的。

图 9.能源指数的标准化成本。图片来源：Bellat, A 等人。

结论

本文研究了风电场的平整并评估了旨在最大化能量和最小化成本的目标函数。采用了两种方法：在内部和外部添加涡轮机。结果表明，就年能源生产而言，这两种方法都很有趣。但是，外部更新的成本比内部更新要高。