一种多期风电场微观选址方法

摘要

本发明涉及一种多期风电场微观选址方法，通过区域网格化，基于全局搜索能力极强的遗传算法，并在遗传算法中加入禁忌搜索，在可移动的网格邻域内对最优解风机位置进行微调，使得算法在优化过程中拥有较好的稳定性和克服早熟的能力，弥补了遗传算法局部搜索能力不足的缺点，提高了整体算法性能，并且能够有效处理不规则形状风电场的优化排布。相比于传统的分步优化多期风电场，本发明的优化过程考虑不同期内风电场间的尾流影响，有助于提高风力机的发电效率，追求风电场长期最优收益。本发明的方法可扩展至类似问题的求解之中，研究成果有利于提高风电场的风能利用效率和经济效益，具有较强的实用性。

主权项

一种多期风电场微观选址方法，其特征在于，包括以下步骤：(1)获取风电场区域和各期风电场起止时间，计算各期风电场投资成本；(2)根据风电场形状及风机型号，将风电场区域划分为满足最小约束距离的N个大小相等的正方形网格，随机生成M个长度为N的二进制字符串，所述二进制字符串中，字符“1”表示网格中心位置有一台风机，字符“0”表示网格中无风机；(3)设定遗传算法的优化目标为个体净现值NPV，表达为如下：其中，I_j为第j期风电场的投资，j＝1,2,...,n，n为风电场总期数，AEP_k代表第k年风电场的总产能，代表第k年风电场运行和维护费用，Y_js与Y_je分别表示第j期风电场开始和结束的时间，p为当地每千瓦时电价，C_O&M为风电场年运行维护费用，Δp与ΔC_O&M为二者的年均增长率，r为年利率；(4)设定遗传算法的最大迭代次数，将步骤(2)中的M个二进制字符串作为遗传算法的初始种群，计算种群中当前代所有初始个体的个体适应度f_i，f_i＝NPV，i＝1，2，...，M；(5)使用遗传算法优化迭代出风电场微观选址方案。