基于遗传算法不规则风电场的微观选址

张玲

(甘肃工业职业技术学院 电信学院,甘肃 天水　741025)



基于遗传算法不规则风电场的微观选址

张玲

(甘肃工业职业技术学院 电信学院,甘肃 天水741025)

采用遗传算法，结合MATLAB仿真软件，从而达到单风速单风向、平坦地形下不规则风电场的微观优化选址的目的，其方法是利用MATLAB仿真软件将不规则风电场边界提取到正方形中，通过不同网格化方向角下的正方形网格化方法对其网格化，从而利用遗传算法确定待安置风机的位置，最终实现风力发电成本的降低，产能的提高。

遗传算法；不规则；风电场；微观；选址

0　引　言

近年来，风力发电占中国总发电量的份额逐年递增，中国电力企业联合会在2010年底所制订的《电力工业“十二五”规划研究报告》中指出“十二五”期间风电装机容量，将由2009年底的1 760万千瓦，大幅提升到2015年的1亿千瓦，增幅高达4.7倍。

在我国，风力发电的主要目的是节省常规能源，减少环境污染，发展低碳技术。提高风力发电机组的效率和优化风电场的选址是提高风力发电能源利用效率的重要手段[1]。不规则风电场的微观选址是从优化的角度来考虑选址的问题，通过建立数学模型，利用遗传算法，采用MATLAB仿真将其应用到单风速单风向、平坦地形下的风电场对风机进行优化排布的问题上。

1　建立数学模型

不规则风电场微观选址工作是基于风电场所在地的地形、风力特性以及风机间尾流效应等因素下的一个综合优化问题，建立该问题的数学模型是十分关键的，这些数学模型主要包括风力模型、尾流模型、和目标函数等。通过研究发现，尾流效应引起的风能损失与风电场所在地的地形，机组之间的距离以及风的湍流强度有关，是影响风电场最终产出、风能利用率和风机机组稳定性的不可或缺的因素，尾流影响区域的计算如表1所示。

2　不规则风电场微观选址

不规则风电场选址的方法是将不规则风电场边界提取到正方形中，通过不同网格化方向角下的正方形网格化方法对其网格化，网格化之后待安置风机位置就确定了[3]，其风机选址流程如图1所示，处理结果如图2所示，图中多边形即是风电场边界，圆点表示在正方形网格化后的待安置风机点，红色线条所围图形区域内的则是不规则风电场待安置风机位置。

表1　尾流影响区域计算表

图1　不规则风电场风机选址流程

图2　不规则风电场待安置风机点示意图

图3　0°正方形网格化的示意图

2.1提取边界信息

在对风场优化选址时，运用MATLAB软件鼠标取点的方法获取不规则地形边界上点的坐标，来提取边界信息，最终将其转化为一个不规则的多边形，若不规则风电场有圆弧状边界，则对此边界采用多取点采样，用多边形重现圆弧。

2.2正方形网格化

2.2.1正方形网格化的原理

为了确定风机的安置位置，必须对风电场进行网格化[4]。利用李小兰[5]于2010年提出的改变正方形网格方向角的方式来对不规则风电场进行网格化，从而建立不同的正方形网格，进而确定不同网格化方向角下的风机待安置集合，通过遗传算法运算，比较其运算结果，选出最适宜的方向角，如图3所示。将风机放置在网格顶点，2 000 m×2 000 m的正方形风电场的有效使用面积为1 800 m×1 800 m，该风电场被网格化为100个正方形。

2.2.2风机位置编码方式及参数的选择

(1) 编码方式

将100个网格采用二进制编码方式对每个风机位置取值，以1代表该网格内安置有风机，以0代表该网格内没有安置风机，而后将其排列成长度为100的序列，这样每个个体就由100个基因决定风机的排布。

(2) 参数的选取

遗传算法运算所需参数值选取[6]如表2所示。

表2　参数选取值

2.3筛选待安置风机位置[7]

风机安置位置位于网格顶点处，由于是在正方形下做的网格化，故而肯定有一些点不在不规则风电场内，需要将这些点舍去，来达到优化待求解的长度问题。通常用交点计数法来判断点是否在不规则多边形(不规则风电场的边界形状)中。

2.4遗传算法计算流程(如图4所示)

图4　风机选址运算流程图

3　不规则风电场的仿真

3.1不规则地形仿真代码

3.1.1Main函数

close all

clear all

SizeOfGrid=200;// 网格尺寸

SizeOfRegion=1800;// 记录待放置风机的目标区域的尺寸，默认是正方形的区域

load Case1_30.mat

//************将目标区域网格化*******************//

Terrain=[min(min(Grid)) min(min(Grid))+SizeOfRegion;max(max(Grid)) - SizeOfRegion max(max(Grid))];

num_Chrome=600;

Max_Generation=3000;

GenerationGap=0.8;

interval_Angle=360 / num_WindDir;//各个风向等分之后的间隔大小

for WindDir=0:1:num_WindDir - 1

for j=1:size(WindSpeed,2)

Calcu_Dir=mod(-WindDir * interval_Angle+270, 360);

fitness=fitness+WindSpeedDistribution(WindDir+1,j) * InfluencedExtent(Chrome, Calcu_Dir, WindSpeed(j), Radius, Grid);

end

end

while i

Fitness=ranking(fitness);

clear num_Turbine;

for WindDir=0:1:num_WindDir - 1

for j=1:size(WindSpeed,2)

Calcu_Dir=mod(-WindDir * interval_Angle+270, 360);

ObjVSel=ObjVSel+WindSpeedDistribution(WindDir+1,j) * InfluencedExtent(SelCh, Calcu_Dir, WindSpeed(j), Radius, Grid);

end

end

3.1.2计算尾流影响下的输出功率

function TotalPower=InfluencedExtent(Chrome_WT, WindDir, WindSpeed, Radius, GridArray)

Alpha=0.0944;

AxialInduction =.32679491924311227064725536584941;

WindDir=WindDir/180*pi;

r1=Radius * sqrt((1-AxialInduction)/(1-2*AxialInduction));

for i=1:size(Chrome_WT,1)

if ～sum(Chrome_WT(i,:),2),break;end

VWind=zeros(sum(Chrome_WT(i,:),2),1);

VWind(1)=WindSpeed;

for j=1:size(Chrome_WT,2)

if (Chrome_WT(i,j) ～= 1)&&(Chrome_WT(i,j) ～= 0),error('Not Binary code!');

end

end

3.1.3计算网格化最大范围

function GridArray=SquareGrid(Rectangle, SizeOfGrid)

if (size(Rectangle,1) ～= 2)||(size(Rectangle,2) ～= 2)

error('The field is not rectangular!');

end

if (Rectangle(1,:)

else

error('The field is not a right rectangular!');

end

3.1.4计算不同方向角下的网格化顶点坐标并绘制网格

function Grid_save=Calcu_MaxGridNum(MeshDir, SizeOfRegion, SizeOfGrid)

MeshDir =30;

SizeOfGrid=200;

SizeOfRegion=1800;//记录待放置风机的目标区域的尺寸，默认是正方形的区域

for i=1: size(Grid,1)

if Grid(i,1)<=2 * SizeOfGrid&&Grid(i,1)>= 0

if Grid(i,2)<=2 * SizeOfGrid&&Grid(i,2)>= 0

SpecialPoints(end+1,:)=Grid(i,:);

end

end

//绘制选择出的网格//

Grid_save=[ ];

for i=1: size(Grid, 1)

if Grid(i,1)<=Terrain(1,2)+eta&&Grid(i,1)>= Terrain(1,1) - eta

if Grid(i,2)<=Terrain(2,2)+eta&&Grid(i,2)>= Terrain(2,1) - eta

Grid_save(end+1,:)=Grid(i,:);

end

end

3.1.5凹凸多边形风电场舍去不适宜点

function p=Inside1(polygon,P)//可同时判断m个点是否在多边形内

n=5

Grid=Calcu_MaxGridNum(MeshDir, SizeOfRegion, SizeOfGrid)

hold on

//通过鼠标取n点作为多边形顶点，取点时要按次序

polygon=ginput(n)

for a=1:m

x=A(a);j=0;

if A(a)min(X)

for k=1:n

if A(a)～=X(k)&& A(a)～=X(k+1)

y=(Y(k+1)-Y(k))/(X(k+1)-X(k))*(x-X(k))+Y(k);

elseif y <=max(Y(k),Y(k+1)) && y>=min(Y(k),Y(k+1))&& y>B(a)

j=j+1;

end

ifmod(j,2)==0// p=1代表P在多边形内，P=0表示在多边形外

p(a)=0;

else

p(a)=1;

end

end

3.2不规则风电场的仿真

由于正方形的旋转对称性，网格化方向角只需要考虑0°～45°即可[8]。

3.2.1凸多边形风电场的仿真

选择一个简单的五边形作为此种情形的代表，形状如图5 (a)所示，其针对不同网格化方向角下的仿真结果如表3所示。

表3　凸多边形不同网格化方向角下的特征值比较

图5　凸多边形风电场

3.2.2凹多边形风电场的仿真

选择一个十五边形作为此种情形的代表，形状如图6(a)所示，其针对不同网格化方向角下的仿真结果如表4所示。

表4　凹多边形不同网格化方向角下的特征值比较

图6　凹多边形风电场

4　结束语

通过表3和表4的比较可知，在网格化方向角为15°时，适应度值最小，年输出总功率最高，虽然风机数目相对增加了，可对比45°情形，其总功率提高了将近一倍，风能利用率也达到了90%以上。综合考虑上述因素，15°情形下风机排布方案最优，如图5(b)和图6(b)所示。

[1] 朱瑞兆，薛桁.我国风能资源[J].太阳能学报，1981，2(2)：117-119.

[2] KATIC I，HOJSTRUP J，JENSEN N O. A simple model for cluster efficiency[J].Proceedings of European Wind Enengy Italy Rome，1986,(2):407-410.

[3] 梁水林.风能资源的评估及风电场场址选择[J].电力勘测，1997，15(3)：55-60.

[4] 赵伟然，徐青山，祁建华，等.风电场选址与风机优化排布实用技术探讨[J].电力科学与工程，2010，26(3)：18-21.

[5] 李小兰.风电场微观选址优化方法及其软件研发[D].北京：清华大学，2010.

[6] KONDO K，TSUCHIYA M，SANADA S.Evaluation of effect of micro-topography on design wind velocity[J].Journal of Wind Engineering and Industrial Aerodynamics，2002，90(15)：1707-1718.

[7] 鲁倩.复杂地形风电场风机布置的探讨[J].上海电力，2008，22(6)：47-50.

[8] 胡立伟，郑爱玲，程艳伟.复杂条件下的风电场微观选址技术[J].农业工程技术，2008，33(6)：7-10.

Micro-sitting Selection of Irregular Wind Farms Based on the Genetic Algorithm

ZHANG Ling

(Telecommunications School, Gansu Industry Polytechnic College, Tianshui Gansu 741025, China)

Through genetic algorithm combined with MATLAB simulation software, this paper achieves the aim of optimized micro-sitting selection of irregular wind farms with single wind speed and direction and flat terrain by using MATLAB simulation software to extract irregular wind farm boundaries into a square and gridding it in the square gridding method under different gridding direction angles, so as to use the genetic algorithm to determine the location of wind turbines to be placed. Finally, the cost of wind power generation is reduced and productivity is raised.

genetic algorithm;irregular;wind farm;microcosmic;sitting

10.3969/j.issn.1000-3886.2016.01.011

TK81;TM614

A

1000-3886(2016)01-0034-03

张玲(1977-)，女，河南武陟人，电气工程硕士、副教授，专业：电气自动化。

定稿日期: 2015-08-04