2024中國(guó)可再生能源大會(huì)：基于新型尾流模型的風(fēng)電場(chǎng)三維布局優(yōu)化研究

基于新型尾流模型的風(fēng)電場(chǎng)三維布局優(yōu)化研究匯報(bào)人：江盛愷作者：江盛愷，田琳琳，趙寧日期：2024年8月17日2尾流模型及驗(yàn)證3布局優(yōu)化問(wèn)題及算法4結(jié)果討論2研究背景l(fā)下游機(jī)組l下游機(jī)組輸出功率降低l影響下游機(jī)組的疲勞載荷、結(jié)構(gòu)性能和使用壽命l下游風(fēng)速降低l湍流強(qiáng)度增加l風(fēng)切變加劇HornsRev海上風(fēng)電場(chǎng)尾流效應(yīng)3研究背景優(yōu)化前的風(fēng)電場(chǎng)布局優(yōu)化后的風(fēng)電場(chǎng)布局優(yōu)化后的風(fēng)電場(chǎng)布局pfarm提高12.4%pfarm提高12.4%a)風(fēng)資源評(píng)估b)風(fēng)力機(jī)尾流建模影響因素c)風(fēng)電場(chǎng)發(fā)電量計(jì)算影響因素d)優(yōu)化算法e)優(yōu)化目標(biāo)、優(yōu)化變量、優(yōu)化策略···研究背景數(shù)值模擬數(shù)值模擬一尺度一一尺度一工程模型用于描述風(fēng)力機(jī)尾流結(jié)構(gòu)（包括速度與湍流強(qiáng)度分布等）工程模型用于描述風(fēng)力機(jī)尾流結(jié)構(gòu)（包括速度與湍流強(qiáng)度分布等）的數(shù)學(xué)模型。l適用于基礎(chǔ)研究l適用于布局優(yōu)化風(fēng)力機(jī)周圍瞬態(tài)流場(chǎng)風(fēng)力機(jī)周圍時(shí)均流場(chǎng)5尾流模型及驗(yàn)證該模型形式簡(jiǎn)單，精度較高，在風(fēng)工程領(lǐng)域具有很強(qiáng)的實(shí)用性。Jensen模型指出，風(fēng)力機(jī)下游任意位置的尾流速度可以由風(fēng)力機(jī)的推力系數(shù)CT和衰減常數(shù)k來(lái)表示：u=uo[1—2a/(1+kx/r1)2]假設(shè)尾流沿下風(fēng)方向線性擴(kuò)展，尾流膨脹系數(shù)k表示單位長(zhǎng)度尾流寬度的增長(zhǎng)程度。高帽（Top-Hat）分布尾流的每一個(gè)截面上風(fēng)速都是均勻分布、大小相等的，尾流的擴(kuò)張呈現(xiàn)高帽分布。這與實(shí)際的尾流分布形式有所不同，導(dǎo)致高帽（Top-Hat）分布尾流模型及驗(yàn)證IncomingwindNearwakeFarwakeIncomingwindNearwakeyU0wakevelocityUwakevelocityUw(x,y,z)wakevelocityUw(x,y,z)wakedeficitwakewakedeficit0xwake0xwakecenterprofilerwinflowprofilewakewakeexpanding垂向分布橫向分布垂向分布無(wú)量綱尾流虧損分布呈雙余弦分布水平方向呈對(duì)稱分布，而垂直方向由于風(fēng)切變表現(xiàn)出非對(duì)稱特征尾流模型及驗(yàn)證尾流模型及驗(yàn)證l0=6.9%Vestas-V802MW風(fēng)力機(jī)橫向和垂直剖面尾流預(yù)測(cè)尾流模型及驗(yàn)證HornsRev風(fēng)電場(chǎng)布局及典型風(fēng)向尾流模型預(yù)測(cè)風(fēng)力機(jī)功率與SCADA實(shí)測(cè)數(shù)據(jù)對(duì)比來(lái)流3D-COU誤差Jensen誤差270°1.9%11%222°7.4%18.9%Vestas2MW風(fēng)力機(jī)功率、推力系數(shù)曲線布局優(yōu)化問(wèn)題及算法u優(yōu)化變量風(fēng)力機(jī)二維坐標(biāo)和輪轂高度u優(yōu)化變量風(fēng)力機(jī)二維坐標(biāo)和輪轂高度X=[xi,yi,zi]i=1,2,…Nu風(fēng)力機(jī)成本模型基礎(chǔ)成本+線性成本C(h)u風(fēng)力機(jī)成本模型基礎(chǔ)成本+線性成本C(h)=Ch.h+Cbu單目標(biāo)優(yōu)化目標(biāo)函數(shù)最小化單位能源成本minimizeXu多目標(biāo)優(yōu)化目標(biāo)函數(shù)最小化成本最大化功率(ΣC(hi),—Ptotal(X))minimize0.3mZref60mcT0.8888rr20mpr680kWur13.0158m/schcb593.867k€Xu約束函數(shù)三維坐標(biāo)約束+最小間距約束10臺(tái)風(fēng)力機(jī)20臺(tái)風(fēng)力機(jī)布局優(yōu)化問(wèn)題及算法pop粒子群算法優(yōu)化風(fēng)電場(chǎng)布局流程r(PikPx)粒子群算法優(yōu)化風(fēng)電場(chǎng)布局流程粒子速度和位置更新方法粒子新方向群體最優(yōu)方向c2粒子新方向慣性方向多目標(biāo)粒子群算法自適應(yīng)網(wǎng)格法個(gè)體最優(yōu)方向c1參數(shù)c1c2NgridpoNpo粒子群算法0.51.41.4/200200多目標(biāo)粒子群算法0.51.41.450*50200200結(jié)果討論Jensen3D-COU來(lái)流西風(fēng)（Jensen3D-COU多目標(biāo)粒子群算法優(yōu)化后的目標(biāo)函數(shù)值單目標(biāo)粒子群算法優(yōu)化后的布局沿著風(fēng)向交錯(cuò)排布，縱向保持距離單目標(biāo)粒子群算法優(yōu)化后的布局CtotaI(MeCOCtotaI(MeCOΕ6.8421.00796.8421.0079尾流模型3D-COUJensenptotaI(MW6.7886.788Jensen和3D-COU的結(jié)果類似多目標(biāo)優(yōu)化的結(jié)果類似單目標(biāo)粒子群算法優(yōu)化后的目標(biāo)函數(shù)值單目標(biāo)粒子群算法結(jié)果討論Jensen3D-COU來(lái)流西風(fēng)（Jensen3D-COU多目標(biāo)粒子群算法優(yōu)化后的目標(biāo)函數(shù)值單目標(biāo)粒子群算法優(yōu)化后的布局沿著風(fēng)向交錯(cuò)排布，縱向保持距離單目標(biāo)粒子群算法優(yōu)化后的布局CtotaI(MeCOCtotaI(MeCOΕ13.851.053613.671.0516尾流模型3D-COUJensenptotaI(MW13.14513Jensen比3D-COU結(jié)果低0.2%優(yōu)化后的目標(biāo)函數(shù)值單目標(biāo)粒子群算法多目標(biāo)優(yōu)化在成本相對(duì)低的情況下，Jensen總功率比3D-COU高1.2%優(yōu)化后的目標(biāo)函數(shù)值單目標(biāo)粒子群算法結(jié)果討論風(fēng)資源分布Jensen3D-COU尾流模型3D-COUJensenp尾流模型3D-COUJensenptotaI(MW5.5365.699CtotaI(MeCOΕ6.9371.2537.0951.245單目標(biāo)粒子群算法優(yōu)化后的目標(biāo)函數(shù)值單目標(biāo)粒子群算法多目標(biāo)粒子群算法優(yōu)化后的目標(biāo)函數(shù)值大部分風(fēng)力機(jī)分布在邊界上沿著主導(dǎo)風(fēng)向交錯(cuò)排布大部分風(fēng)力機(jī)提高輪轂高度Jensen比3D-COU結(jié)果低0.64%,多目標(biāo)優(yōu)化中功率與成本呈線性關(guān)系Jensen總功率比3D-COU高1.2%,結(jié)果討論風(fēng)資源分布Jensen3D-COU多目標(biāo)粒子群算法優(yōu)化后的目標(biāo)函數(shù)值單目標(biāo)粒子群算法優(yōu)化后的布局一半以上的風(fēng)力機(jī)分布在邊界上單目標(biāo)粒子群算法優(yōu)化后的布局CtotaI(MeCOCtota