海上风电场微观选址及输电线路规划研究

海上风电场微观选址及输电线路规划研究月提出。

其假设风电机组后方的尾流亏损区是轴对称形式的,且风速随距离增加呈线性恢复。

模型示意图如图1所示,图1中1与2分别代表上游风电机组与下游风电机组,代表来流风速,代表风速亏损值。

风电机组尾流区扩张程度由尾流衰减因子来表征,当下游风电机组处于上游风电机组尾流区时,下游风电机组处的风速亏损系数按公式1计算,值常按阅历公式2计算。

式中,为风电机组推力系数;为风电机组风轮直径,;为下游风电机组叶轮面与上游风电机组尾流截面重叠区面积,2;2为下游风电机组叶轮扫风面积,2;为风电机组轮毂高度,;为地表粗糙高度,对于海上风电场而言,。

某一风向下,当一台风电机组同时受多台风电机组尾流影响时,尾流亏损的累计效应通常应用公式3计算。

式中,,为第台风电机组风速总亏损系数;,,为第台风电机组对第台风电机组造成的风速亏损系数。

二、发电量计算计算风电场发电量时,首先常用威布尔函数对风电场内风速数据进行描述。

公式4为威布尔分布函数,该函数可计算出任一风速“发生的概率。

式中,为威布尔尺度参数,;为威布尔外形参数;为来流风速,。

风电场年发电量的计算,需要获得风电机组的功率特性、风电机组排布和风能资源等信息,公式5为的计算式。

目前常用的风能资源数据统计方法为将测风数据转化为风速风向分布矩阵,在每一风向下风速子区间内分别计算发电量,然后按加权求和的方式得出總发电量。

风电机组尾流损失值δ为风电机组由于尾流亏损造成的发电量损失与理论发电量之比,公式6为其计算式。

式中,为一年发电小时数,=8760;为匀称划分的风向扇区总数;为风电机组台数;,为第风向扇区下的风频;,为第台风电机组的切入风速,;,为第台风电机组的切出风速,;,为第,台风电机组在风速下的输出功率,;,为第台风电机组在第风向扇区下的风频;为风电场理论年发电量不考虑风电机组尾流效应。

。

三、尾流模型精确     性验证为验证模型的精确     性,以海上风电场为讨论对象,风电场位于厄勒海峡,距离瑞典西海岸约7,由48台西门子--93型风电机组组成,。

轮毂高度为65,。

风电场机位布置图如图2所示,图中代表来流风向,图中黑色和灰色点均为风电场机位点,其中黑色机位点为尾流损失对比机位点。

在此对比来流风速在9区间范围,风向分别在120。

和222区间范围时,部分风电机组的尾流损失状况。

其中机位尾流损失的真实值来源于文献中记录的风电场实际监测数据,图3为风电场部分机位点基于模型计算的尾流损失值与真实值的对比。

图3显示模型计算的风电机组尾流损失值与真实值较吻合,同时计算值整体高于实际值,当风向区间为120时,%:当风向区间为222时,%。

经分析差异主要来源于模型假设风电场中各机位点处风向、风速均全都,而实际风电场中无法满意该假设,因此不行避开会引入肯定误差。

从风电场机位尾流损失的快速猜测方面考虑。

模型计算值与真实值误差在可接受范围内,即模型在风电场风电机组尾流损失猜测中具有肯定的适用性与精确     性。

机位优化策略本文算例中风电场尾流模型选用模型,利用语言对该模型进行程序实现,输入机位点位置、风电机组参数、风能资源等信息,便可快速求解出各机位点的发电量及尾流损失值。

一、网格型排布优化网格型机位排布以其美观、通航性好等优势,在海上风电行业得到了较高的认可。

如图4所示,风电场网格型机位排布中最小布置单元为平行四边形。

该类型风电场机位排布由以下参数定义:风电场内风电机组排数1与列数2,列间距1,排间距2,每一排风电机组与水平轴的夹角水平轴指向正东方向,风电机组排与列的夹角β。

风电机组排布方案的制定需明确风电场的场址边界如图4中红色多边形和风电机组预安装总台数本文借助语言实现了风电机组的网格型排布优化,优化过程对1、2、和β等参数进行遍历取值,并以风电场发电量最大为优化目标,尾流模型选用模型。

阅历证利用高性能计算机,可在数小时内完成近百台风电机组规模风电场的网格型排布优化过程。

优化过程中各风电机组位置需满意下述限制条件:该限制条件分别代表各风电机组间距均不小于极限机距、风电场边界内风电机组台数与预安装台数相同。

在优化过程中方案参数1和2均以。

为取值下限,取值上限视风电场占海面积打算;角的取值范围为[0,180;当β角接近0或180时,风电场内风电机组的排与列布置大致趋近于同始终线,这与实际阅历不符,因此β角的取值范围一般为[20,160]。

二、机位优化算例以海上风电场作为优化对象,此风电场位于英格兰北侧海疆,离岸距离约10,由73台维斯塔斯公司112-,总装机容量为219,风电场占海面积约为282。

在此参考该风电场海拔100处2中尺度风能资源数据,各风向扇区下的风频和风速威布尔参数见表1,考虑到海上风电机组渐渐走向大容量化,,,风电机组风轮直径为158,轮毂高度选取100,风电机组的切入和切出风速分别为3和30,结合本风电场总容量推举风电机组台数为40台。

为讨论风电机组间最小距离对风电场发电量的影响,、,优化得出的最优方案布置图见图5,表2汇总了不同极限机距最优方案的发电量等信息。

由表2数据可知,本算例中风电机组极限机距。

,,结果表明本算例在肯定范围内极限机距越小,网格型排布方案发电量越高,但风电机组间距过小不利于风电机组的安装及维护,。

此外,三组排布方案的参数角均处于118四周,同时西南和西南偏西风向为本风电场的主导风向,即最优网格型排布方案中各排风电机组的连线均与主风向大致垂直。

输电线路规划-智能算法起初是为了解决远程通信系统布局问题而提出的,待解决问题中存在一个处理中心与多个终端点,规划目标是将各个终端点与处理中心实现直接或间接连接。

且电缆成本最低。

由于可行的连接方案数随着终端点数增加而呈指数级上升,凭现有计算力量无法全部使用遍历方法。

基于此,-算法采纳了一种逐步寻优策略:1首先将每个终端点都与处理中心直线连接作为初始方案,该方案通常为成本最昂贵方案,如图6所示。

2随后尝试将不同终端对进行连接,即削减直接连接处处理中心的线缆条数。

建立不同终端之间的距离矩阵和可行任务栈。

对终端逐对连接,计算连接后方案的线缆成本,若成本降低,则把该方案存入可行任务栈中。

3终端逐对连接计算后,选取可行任务栈中成本降低最多的终端对进行正式连接,更新中间方案,如图6所示。

若该步骤计算得出连接终端、后,节约的成本最多,则在与之间增设电缆,并将到中心的线缆淘汰。

4方案更新后,重复2、3步骤,直至可行任务栈中无连接方案,如图6、6所示,即优化过程结束,输出最终方案。

一、-算法改进以上寻优过程中,需保证电缆之间无交叉,阅历证对于数百规模终端数的优化过程该算法仅需数秒时间,但算法没有考虑单个回路上终端数的数量限制,无法直接应用到海上风电场电缆规划中。

为解决海上风电场电缆规划问题,需对原始的-算法进行改进,改进过程中将电缆负载因素类比引入,通过推断各回路上不同子线路的负载力量,使其可进行不同规格电缆的同步优化,同时保证每条接回升压站的电缆上所连接的风电机组数不超过限制值。

此外,原算法每次优化仅能得出一组同一方案