[论文解读] Offshore Wind Farm Layout Optimization Using Adapted Genetic Algorithm: A different perspective

Liu Feng, Zhifang Wang|arXiv (Cornell University)|Mar 27, 2014

Wind Energy Research and Development参考文献 5被引用 10

一句话总结

本文提出一种自适应遗传算法（AGA）用于海上风电场布局优化，用位置互换操作替代传统随机交叉，以保持风机数量不变并加速收敛。该方法在真实风况下效率最高达97.67%，优于传统遗传算法和均匀布局，同时揭示在仅损失5%发电量的情况下，风电场面积可减少64%，为最优风电场规模设计提供了新见解。

ABSTRACT

In this paper we study the problem of optimal layout of an offshore wind farm to minimize the wake effect impacts. Considering the specific requirements of concerned offshore wind farm, we propose an adaptive genetic algorithm (AGA) which introduces location swaps to replace random crossovers in conventional GAs. That way the total number of turbines in the resulting layout will be effectively kept to the initially specified value. We experiment the proposed AGA method on three cases with free wind speed of 12 m/s, 20 m/s, and a typical offshore wind distribution setting respectively. Numerical results verify the effectiveness of our proposed algorithm which achieves a much faster convergence compared to conventional GA algorithms.

研究动机与目标

• 为解决在保持风机数量不变的前提下最小化尾流效应的挑战。
• 在风电场布局优化中，提升收敛速度与解的质量，超越传统遗传算法。
• 探索风电场面积大小与发电效率之间的权衡，以实现最优经济规划。
• 为确定满足目标发电量的最小可行风电场面积提供新视角。

提出的方法

• AGA用位置互换机制替代标准随机交叉，通过交换风机位置来保持总风机数量不变。
• 该算法迭代识别性能最差的风机，并将其重新定位以提升整体风电场效率。
• 采用Jensen尾流模型计算每台风机下游的风速衰减，量化尾流效应。
• 在四种场景下进行测试：单一风速与风向、多风速、均匀风分布以及威布尔分布的风速与风向。
• 采用三阶多项式拟合建模风电场面积缩减与发电量损失之间的关系。
• 通过与均匀布局和传统遗传算法对比，验证AGA在收敛性与效率方面的优势。

实验结果

研究问题

• RQ1 如何对遗传算法进行改进，使其在保持风机数量不变的同时，加速风电场布局优化的收敛？
• RQ2 在不同风速与风向分布下，尾流效应对整体风电场效率有何影响？
• RQ3 是否可以显著减小风电场面积而不按比例降低发电量？若可以，其最优权衡关系为何？
• RQ4 与传统遗传算法和均匀布局相比，所提出的AGA在性能与收敛速度方面表现如何？
• RQ5 在真实海上风况下，能够维持接近最大发电量的最小可行风电场面积是多少？

主要发现

• 所提出的AGA在所有测试场景下均表现出比传统遗传算法更快的收敛速度和更高的效率。
• 在威布尔分布风况下（形状参数2.1），AGA实现了97.67%的效率，表明其对真实世界风速变化具有强鲁棒性。
• 当风电场边长从160m减少至100m时，在12 m/s风速下，面积减少36%的同时维持了相同的发电量。
• 在允许5%功率下降的条件下，风电场面积可减少64%，表明在土地利用优化方面具有显著经济潜力。
• 研究发现，面积减少47.44%仅导致0.325%的功率损失，凸显了该方法在面积利用效率方面的卓越表现。
• AGA在平均发电量方面显著优于均匀布局，尤其在复杂风况下表现更优。