遺傳算法在風電場優(yōu)化設計中的應用——以華能哈密煙墩風電場項目為例

□張亞洲

在宏觀選址及風場容量確定的情況下，風機排布是評價風場項目經濟性的一個重要指標。風場優(yōu)化布置過程中，需要綜合考慮風場容量、最優(yōu)發(fā)電量、機組安全性及成本等因素。不論海上陸上，還是不同地形地貌及敏感性環(huán)境的風場，微觀選址中，在滿足環(huán)評、安全性及成本的要求下，需要反復進行風機排布優(yōu)化及評價。目前風機排布大多依賴風資源評估軟件和經驗，他們共同點是使用Jackson -Hunt 或者CFD 模型來生成風圖譜文件進行優(yōu)化，而且其優(yōu)化大多是局部最優(yōu)。傳統(tǒng)經驗一般在垂直于主風向列距采用3 到5 倍葉輪直徑，主風向行距采用5 到10 倍葉輪直徑。而采用遺傳算法這種方式后，可以找到最優(yōu)排布，能得到風電場全局最優(yōu)發(fā)電量結果。本文以華能哈密煙墩風電場項目作為研究對象，探索風場排布的新方法，以提高風場發(fā)電量并創(chuàng)造良好的經濟效益。

一、遺傳算法的技術原理及其主要用途

遺傳算法不同于傳統(tǒng)風場優(yōu)化排布方法，該算法基于風電場測量風速進行相對高度指數模型校正，得到風機點位處輪轂高度風速;利用BLADE 軟件計算風場空氣密度下滿足計算精度的離散化功率曲線;采用修正的PARK 尾流模型，處于多臺風機影響中的機組尾流計算采用差方累加方式，部分影響的機組尾流計算采用面積系數法修正;以風機坐標為目標的實數編碼代替二進制編碼，用風場總的發(fā)電量為目標函數;使用MATLAB 中遺傳算法庫，得出最優(yōu)微觀選址結果。

二、遺傳算法在風電場優(yōu)化設計應用中的創(chuàng)新點

將遺傳算法應用于風電場微觀選址，使風電場最終優(yōu)化布局更加優(yōu)化。遺傳算法應用于華能哈密煙墩風電場項目，具體表現出如下幾點創(chuàng)新:

(一)采用遺傳算法進行風電場排布優(yōu)化。傳統(tǒng)算法的搜索方式屬于單點搜索，而遺傳算法具有同時處理群體中多個個體及良好的全局搜索特性，可以解決不連續(xù)、不可微和非線性的問題。將該算法應用于風電場風機排布，可以獲得綜合的最優(yōu)發(fā)電量結果，更加滿足工程要求。

(二)采用實數編碼方式。編碼前需要將風場進行網格劃分，以華能哈密煙墩風場項目為例，風場范圍為6km×8km的矩形區(qū)域，風場需要排布67 臺SL3000/113/90 風電機組，若網格劃分精度為25 米，則共有76，800 個網格。每個網格均可放置風機點位。遺傳算法多采用二進制編碼，而若采取該方式，每個個體基因長度為76，800 點。本文探索出采用實數編碼方式，原理是將每個風機坐標作為個體基因，這時基因長度僅僅為67 點，顯然采用實數編碼比二進制編碼基因長度大大減少，節(jié)約了大量計算時間。

(三)選用修正PARK 模型。尾流模型對整場發(fā)電量評估結果準確性十分重要，合適的模型需要兼顧滿足風機尾流實際情況和計算機資源限制。本文選用修正PARK 模型，該模型已通過風洞試驗驗證，計算精度優(yōu)于傳統(tǒng)PARK 模型，更適合應用風電場排布優(yōu)化。

(四)目標函數是風場的整體發(fā)電量最優(yōu)。目標函數的選擇對風電場排布優(yōu)化結果至關重要。本文研究的創(chuàng)新點之一，在于提出對各個風向扇區(qū)分別進行風速分布與功率曲線積分，然后再對各個風向扇區(qū)進行積分，最后采用所有風機發(fā)電量求和的方法來定義目標函數，計算結果更加準確。

圖1 華能煙墩風電場原優(yōu)化排布

三、遺傳算法應用于風電場優(yōu)化設計中的成效分析

(一)遺傳算法在華能哈密煙墩風場排布中的優(yōu)化設計。采用遺傳算法對華能哈密煙墩風電場項目進行優(yōu)化，在實際運行中取得了一定的成效。如圖1、2 所示，分別是華能哈密煙墩風電場項目，風電場原優(yōu)化排布和原優(yōu)化布置場區(qū)內理論集電線路。

圖2 原優(yōu)化布置場區(qū)內理論集電線路

通過應用遺傳算法對其進行優(yōu)化設計，風電場實現如圖3、4 所示的新排布。

圖3 應用遺傳算法后風電場排布

圖4 遺傳算法優(yōu)化排布后風電場區(qū)內理論集電線路

(二)華能哈密煙墩風電場項目優(yōu)化前后的成效比對。采用遺傳算法對風電場結果重新排布，經過比較，優(yōu)化之后的華能哈密煙墩風電場項目，發(fā)電量有了一定的提升;尾流損失系數降低等，具體如表1 所示。通過表1 可以看出，采用遺傳算法優(yōu)化華能哈密煙墩風電場布置后，相比傳統(tǒng)排布發(fā)電量增加了1．06%，并且場內集電線路長度縮短了6．4km。經過分析，在該風況下，主要由于將原來5 列風機排布優(yōu)化成4 列，并調整行列角度。在保證安全距離和載荷的情況下，遺傳算法排布優(yōu)化會使多數風機布置靠近風場邊緣，中間位置風機相對較少。因此采用遺傳算法調整的優(yōu)化布置結果更好，有利于提高風場經濟性。

表1 優(yōu)化前后各指標值情況

四、結語

風電場開發(fā)過程中需要進行宏觀選址和微觀選址。宏觀選址是在一個較大區(qū)域內，綜合考察風能資源、地理條件、電網及氣象等因素。微觀選址是在特定宏觀選址小區(qū)域中確定風電機組的臺數及布置方案，一般業(yè)主會委托給設計院和主機廠商來完成。微觀選址的失誤一方面會造成發(fā)電量的損失，另一方面導致風電機組載荷較大，故障率高，因此風電場的微觀選址需要更加重視。在風電場排布優(yōu)化過程中，行業(yè)內使用遺傳算法在實際工程項目中還沒有大規(guī)模應用，主要是使用該方法較傳統(tǒng)軟件方法，時間較長，并且對經驗要求較高，目前多處于理論研究階段。隨著風場開發(fā)向精細化發(fā)展，開發(fā)公司對經濟性要求越來越高，相信具有全局優(yōu)化功能的遺傳算法會更多地應用在工程實踐上，創(chuàng)造更多的經濟效益。

［1］蘇偉．一種代理遺傳算法及其在氣動優(yōu)化設計中的應用［J］．西北工業(yè)大學學報，2008，4:303 ～307

［2］向婷．遺傳算法的一種改進實現［J］．西華師范大學學報(自然科學版)，2014，12:398 ～403

［3］楊勇，譚烈剛．風電機組選型及風電場優(yōu)化設計研究［J］．電子制作，2015，1:34

［4］彭濤，王斌．接入風電場的電力系統(tǒng)無功優(yōu)化研究［J］．浙江電力，2014，1:9 ～12，37

［5］劉子?。谶z傳算法和神經網絡的分時段風速預測方法［J］．江蘇機電工程，2015，1:6 ～8