基于自适应遗传-粒子群优化算法的风电场微观选址优化

作者：徐佳楠; 张天瑞^*; 李玉龙

来源：科学技术与工程, 2023, 23(16): 6917-6922.

• 风电场
• 微观选址
• 尾流效应
• 布局优化
• 风电成本
• 自适应权重
• 遗传-粒子群优化算法(GA-PSO)

为了减小尾流效应对风电场发电量的影响，提高风能利用率，提出了一种自适应权重的遗传-粒子群优化算法(genetic-particle swarm optimization algorithm, GA-PSO)。首先，以风电场单位发电成本为目标函数，风机坐标为优化变量，通过在优化变量的速度更新中加入惯性权重，以改变算法的寻优速度；其次，在WASP软件选址的基础上，对风电机组进行布局优化；进而，将计算结果与遗传算法(genetic algorithm, GA)、萤火虫算法(firefly algorithm, FA)和粒子群(particle swarm algorithm, PSO)优化算法进行对比。结果表明：运用PGOA算法优化后的风电场单位发电成本为2 016元/GWh,减少了232元/GWh,年发电量为82.633 GWh,比优化前提高了8.538 GWh,同时尾流损失减小了1.12%。可见研究结论对未来的风电场微观选址具有一定指导意义。

• 单位
  沈阳大学