复杂地形风电场三维微观选址优化 陈凯.docVIP

中国工程热物理学会 传热传质学 学术会议论文 编号：143747 微观选址优化陈 凯，宋梦譞，张 兴* （ 清华大学工程力学系 热科学与动力工程教育部重点实验室，北京 100084） (Tel: 010 Email: x-zhang@tsinghua.edu.cn)( 摘要： 研究如下风电场三维微观选址问题：已有的安装有大型风力机的风电场中，添加相对小型的矮风力机，以提高整体发电功率。数值中采用粒子尾流模型计算风力机之间的尾流作用，对于新加入的矮风力机，采用仿生方法优化风力机布局。某已安装有的风电场为例其中添加，表明在原有发电功率几乎不受影响的情况下，新加入的风力机能够提高。针对陡峭程度的复杂地形进行计算表明，陡峭的地形有利于新加入的风力机避开尾流的布局能够越大的发电功率。关键词： 0 前言 [1]。 风能主要通过风力机转化为电能。研究发现，风力机的发电功率近似与当地风速的三次方成正比[2]。从增加发电功率的角度，应当把风力机竖立在风速大的位置。然而，由于风轮对气流的阻碍作用，风力机下游产生尾流区，使得当地风速减小，处于尾流区的风力机发电功率降低。因此，需要对风电场进行微观选址优化，通过风力机的位置，减小风力机尾流的影响，，从而提高风电场的经济效益。 许多学者采用各种优化方法风电场微观选址优化包括遗传算法[3]、贪婪算法[5]、模拟退火算法[6]、蒙特卡罗方法[7]以及粒子群算法[8]等。[3]、复杂地形[9]以及不规则区域[11]的风力机布局优化。然而，风力机布局优化使得风力机仅能利用某高度的风能资源。若利用的风能资源，风电场。本文考虑选址优化。 1 计算模型 1.1 尾流模型 进行风电场微观选址时，需要评估尾流对风电场分布的影响。许多学者采用CFD）方法得到了尾流区的流动特征[13]。进行风电场微观选址优化时，往往需要反复，采用CFD计算。[17]。该模型通过一个代数表达式计算风力机尾流，应用方便，计算量小，适用于坡度小的地形。对于复杂地形，则采用粒子尾流模型计算风力机尾流[18]。该模型将尾流速度看作是背景流场与尾流引起的速度衰减的叠加，其中背景流场为不含风力机的流场，通过CFD计算得到；尾流引起的速度衰减满足在背景流场基础上的物质的对流扩散运动。实施粒子尾流模型的步骤如下： (1) 前处理：采用CFD方法求解N-S方程，得到背景流场。 (2) 在背景流场的基础上，进行粒子随机运动模拟，包含以下过程： a) 粒子的生成：在每个时间步Δt内，按以下随机数生成规律在风轮圆盘内生成粒子[12]： 其中R0为风力机风轮半径，x1和x2为两个独立的满足[0,1]均匀分布的随机数。单位时间内圆盘释放的粒子数为m，称为粒子释放率。 b) 扩散运动：在每个Δt时间步内，每个粒子在三个坐标方向叠加相互独立的满足高斯分布的随机扩散位移，位移分量由下式计算[12]： 其中Δxdj为j方向的扩散位移，x1j和x2j为独立的满足[0,1]均匀分布的随机数，σ为扩散运动强度。Δt时间步内，粒子在三个坐标方向叠加对流位移，位移分量由下式计算[12]： 其中Δxcj为jγ。此外，当粒子到达计算域之外或者到达速度为0的区域时，也会消失。 (3) 粒子浓度统计： 经过一段时间的模拟，计算域内的粒子分布达到稳定。采用一个边长与风轮直径相同的立方体网格，统计区域中任意点附近的粒子个数，该粒子个数表征该点的粒子浓度。当粒子分布达到稳定后，继续模拟一段时间，将这段时间内每个时刻各点的粒子浓度分别进行平均，以减少随机性的影响，得到稳态的粒子浓度分布C。为了得到不随粒子释放率变化的浓度分布，需要将浓度进行无量纲化。无量纲化后的浓度为： 其中m为风轮圆盘内的粒子释放速率，即单位时间内释放的粒子个数，u0为风轮的当地风速。无量纲化后的表征尾流引起的速度衰减比例。 (4) 尾流区的风速计算：得到无量纲粒子浓度后，通过变换公式将尾流引起的速度衰减与背景流场相叠加，得到尾流区风速。文献中给出了线性变换公式[12]： 其中为加入风力机后流场的速度分量，ui为背景流场的速度分量，a为风力机的轴流诱导系数。 1.2 发电功率与 风力机的发电功率由功率曲线进行计算，的功率曲线[19]： 风电场的总发电功率为： 其中M为风向的个数，N为风机数，uij 为考虑尾流影响后第j个风向下第i个风力机的当地等效速度，P(uij)为风力机功率曲线上uij处的功率。 在固定风力机个数的情况下，优化目标为