分散式风电场微观选址技术研究及其系统开发

被引:0
作者
李福贺
机构
[1] 东北大学
关键词
分散式风电; 微观选址; 和声算法; 软件开发;
D O I
暂无
年度学位
2014
学位类型
硕士
导师
摘要
近些年来我国经济一直保持高速发展。与此同时,由于能源的不合理利用造成的环境污染问题也日益严重。基于此,我国提出要发展绿色经济,走可持续发展道路。其中,风力发电是能源可持续发展的重要支撑,而分散式发电方式是近些年来利用风能的一大特点。在风能的实际应用中,首先应考虑风电场的选址问题。场址的选择对风能的利用率和经济性起到至关重要的作用。在宏观选址之后,微观选址的工作是在选定的小区域中进行风力发电机组的排列布置,以便使整个风电场的输出功率达到最大化,具有更好的经济效益。本文从经济、技术和环境等因素出发,研究了分散式风力发电的微观选址技术,并且开发了适用于分散式风电场微观选址的软件系统。本文首先介绍了风资源的基础知识。在此基础上,详细分析了如何利用风速的威布尔分布求风能评估参数,以及威布尔分布参数的估计;建立了风电场风机的Jensen尾流模型,采用该尾流模型计及风电场上下游风机之间相互遮挡的影响,确定了计算风电场任意风机位置的风速的方法。然后本文对分散式风电场微观选址方法进行了研究。针对离散空间的微观选址提出了自适应和声搜索算法,建立了微观选址的目标函数,提出了自适应的参数调整策略。通过仿真对比,验证了该方法的可行性;在分析离散化空间风电场微观选址局限性的基础上,针对连续空间的微观选址提出了动态和声粒子群算法。通过分析优化结果,验证了算法的可行性及较前述算法的优越性。之后结合上述分散式风电场微观选址方法进行了分散式风电场微观选址软件的开发。分散式风电场微观选址软件是在Visual Studio 2010编程环境中结合ArcGIS Engine来实现的,软件实现了风电场微观选址的各项功能,包括分散式风电场风图谱的绘制、风机优化定位等。通过与WAsP软件选址结果进行比较,验证了本软件的可行性和优越性。最后,总结了本文的工作内容,就理论研究和软件完善的方向进行了展望。
引用
收藏
页数:85
共 48 条
[1]
改进和声搜索算法及其在低碳能源预测中的应用 [D]. 
常虹 .
华东理工大学,
2013
[2]
风力发电.[M].尹炼;刘文洲编著;.中国电力出版社.2002,
[3]
A survey on applications of the harmony search algorithm [J].
Manjarres, D. ;
Landa-Torres, I. ;
Gil-Lopez, S. ;
Del Ser, J. ;
Bilbao, M. N. ;
Salcedo-Sanz, S. ;
Geem, Z. W. .
ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE, 2013, 26 (08) :1818-1831
[4]
A harmony search algorithm for university course timetabling [J].
Al-Betar, Mohammed Azmi ;
Khader, Ahamad Tajudin .
ANNALS OF OPERATIONS RESEARCH, 2012, 194 (01) :3-31
[5]
Unrestricted wind farm layout optimization (UWFLO): Investigating key factors influencing the maximum power generation.[J].Souma Chowdhury;Jie Zhang;Achille Messac;Luciano Castillo.Renewable Energy.2011, 1
[6]
Seeding evolutionary algorithms with heuristics for optimal wind turbines positioning in wind farms [J].
Saavedra-Moreno, B. ;
Salcedo-Sanz, S. ;
Paniagua-Tineo, A. ;
Prieto, L. ;
Portilla-Figueras, A. .
RENEWABLE ENERGY, 2011, 36 (11) :2838-2844
[7]
Optimization of wind farm turbines layout using an evolutive algorithm [J].
Serrano Gonzalez, Javier ;
Gonzalez Rodriguez, Angel G. ;
Castro Mora, Jose ;
Riquelme Santos, Jesus ;
Burgos Payan, Manuel .
RENEWABLE ENERGY, 2010, 35 (08) :1671-1681
[8]
Optimal positioning of wind turbines on Gökçeada using multi‐objective genetic algorithm.[J].Sedat Şişbot;Özgü Turgut;Murat Tunç;Ünal Çamdalı.Wind Energy.2010, 4
[9]
Wind turbines type and number choice using combinatorial optimization.[J].Ivan Mustakerov;Daniela Borissova.Renewable Energy.2009, 9
[10]
An improved harmony search algorithm for power economic load dispatch [J].
Coelho, Leandro dos Santos ;
Mariani, Viviana Cocco .
ENERGY CONVERSION AND MANAGEMENT, 2009, 50 (10) :2522-2526