CN104200097A - 风电场风电机组布局选址方法 - Google Patents

Abstract

本发明公开了一种风电场风电机组布局选址方法，该方法以最大化风电场等值功率为目标函数，以风电场总面积、风机间最小距离等因素为约束函数，采用几何学理论确定风机上游区域及计算风机间的水平和偏移距离，利用带收缩因子和变异因子的粒子群优化算法寻求最优布局。其显著效果是：本发明计及了风的联合分布特性、风电机组间的尾流效应等，解决了网格划分方法中的位置限制以及仅考虑单个或部分风向的不足，对风电场布局的优化效率高，可为风电场布局优化提供有益参考。

Description

风电场风电机组布局选址方法

技术领域

本发明涉及到风电场布局优化技术领域，具体地说，是一种风电场风电机组布局选址方法。

背景技术

风能是清洁的可再生能源，世界上很多国家出台相关政策以激励风能的开发和利用，同时风能使用可以减少因传统能源的消耗给环境带来的损害。风力发电机输出功率是风速的函数，由于风速的间歇性和随机性，风力发电机的输出功率具有不稳定性和波动性。风电场中，由于尾流效应的存在，风电场中不同位置的风速不尽相同，且尾流效应对风电场发电量有较大影响，因此与风电场输出功率相关的研究中需要考虑尾流效应的影响，特别是在风电场规划过程中，通过优化风电机组在风电场中的布局以减小尾流效应的不利影响。

然而现有风电场布局技术中主要存在以下几类不足：一、网格划分法中由于位置限制，未能充分使用风电场空间；二、在布局优化过程中仅考虑单个风向或独立地考虑两个风向，未能计及所有潜在的风向；三、主观列出几种潜在的风电场布局方式，从备选风电场布局中选出一种年发电量最大的布局作为最优布局，未充分考虑风电场的客观条件；四、采用智能算法优化风电场布局时，尾流效应中没有计及风机叶片扫风阴影区不完全覆盖时的情形。

发明内容

针对现有技术的不足，本发明的目的是提供提出一种风电场风电机组布局选址方法，该方法能够计及风的联合分布特性、风电机组间的尾流效应等，解决了网格划分方法中的位置限制、仅考虑单个或部分风向的不足。

为达到上述目的，本发明表述一种风电场风电机组布局选址方法，具体按照以下步骤进行：

步骤1：输入N_s个风速数据与N_d个风向数据，建立风速与风向的离散联合分布律表，表中第i个风向为θ_i，i＝1～N_d，第j个风速表示v_j，j＝1～N_s，二维变量(θ_i，v_j)的联合概率为p_ij；

步骤2：基于粒子群优化算法建立风电机组坐标的粒子群，设置粒子群的粒子数目为N_p，总的维数为2N，粒子群的迭代次数为K，第m个粒子的位置向量为X_m＝(x_m1，y_m1，x_m2，y_m2，...，x_mN，y_mN)，速度向量为W_m＝(w_m1，w_m2，w_m3，w_m4，...，w_m(2N-1)，w_m2N)，并确定粒子的约束函数，其中m=1～N_p，N为风电机组的数目，(x_mN，y_mN)为第m个粒子位于第N台风电机组处的坐标，(w_m(2N-1)，w_m2N)为第m个粒子位于第N台风电机组处的速度；

步骤3：随机初始化所有粒子的位置向量，并令m＝1；

步骤4：计算第m个粒子的适应度，并计算第m个粒子对应的风电场的输出功率，初始化i＝j＝1；

步骤5：确定风向为θ_i时第k台风电机组的所有上游风电机组，得出第k台风电机组和它的所有上游风电机组间的水平距离d与偏移距离h，k＝1～Ｎ；

步骤6：根据水平距离d、偏移距离h以及风速v_j计算出考虑尾流效应影响后吹向第k台风电机组的风速v，进而计算出风速为v时该台风电机组的输出功率p(v),然后计算出此时整个风电场的输出功率POWF(θ_i，v_j，x_m)；

步骤7：将j与N_s进行比较，若j＜N_s，则设置j＝j+1，返回步骤6；若j＝N_s，则进入步骤8；

步骤8：将i与N_d进行比较，若i＜N_d，则设置i＝i+1，返回步骤5；如果i＝N_d，则进入步骤9；

步骤9：按照计算出整个风电场的等效功率EPWF，以风电场的最大等效功率为目标函数，表示为max EPWF，然后计算出目标函数取最大值时第m个粒子的局部最优位置p_m＝(p_m1,p_m2,…,p_m2N)；

步骤10：将m与N_p进行比较，若m＜N_p，则设置m＝m+1，并返回步骤4，若m＝N_p，则进入步骤11；

步骤11：计算出目标函数取最大值时所有粒子的全局最优位置p_g＝(p_g1,p_g2,…,p_g2N)；

步骤12：更新粒子位置向量X_m与速度向量W_m，判定算法是否达到迭代次数K或者算法得出的最优粒子位置连续不变，若是则输出风电机组的最优坐标(p_1x，p_1y)，(p_2x，p_2y)，...，(p_Nx，p_Ny)，否则返回步骤3循环计算，直至得出风电场风电机组的最优布局。

作为更进一步描述，所述步骤2中粒子的约束函数为：

$s.t.\left\{\begin{array}{c}{x}_{\min }\≤x_{\mathrm{mk}}\≤x_{\max }\\ y_{\min }\≤y_{\mathrm{mk}}\≤y_{\max }\\ -v_{\max }\≤v_m\≤v_{\max }\\ \sqrt{d^2+h^2}>2r\end{array}\right.,$

其中，(x_min,x_max)、(y_min,y_max)为坐标系中风电场的区域范围，v_max为粒子飞行速度的上限，2r为风电机组间的最小距离，d为水平距离，h为偏移距离，r为风电机组叶片半径。

作为更进一步描述，所述步骤5中第k台风电机组的上游机组的确定方法如下：

步骤5-1：采用风向罗盘描述风向θ_i，将吹向正北方的风向定义为参考风向，并定义风向θ_i表示在顺时针方向上风向偏离北方的角度；

步骤5-2：将风电场定义在笛卡尔平面坐标系内，定义第k台和其余任意一台风电机组在笛卡尔平面坐标系中的坐标分别为(x_k，y_k)和(x_l，y_l)，当风向为θ_i时，按照公式y＝cot(θ)(x-x_k)+y_k计算出经过点(x_k，y_k)的直线l₁的方程式，其中θ_i≠nπ(n＝0，1，２）；

步骤5-3：按照公式y＝-tan(θ)(x-x_k)+y_k求出垂直于直线l₁且经过点(x_k，y_k)的直线l₂，其中

步骤5-4：对于风电机组l的坐标(x_l，y_l)，构造一个函数R(x，y，θ_i)，该函数表达式为R(x,y,θ_i)＝y+tan(θ_i)(x-x_k)-y_k；

步骤5-5：将风向θ_i和风电机组l的坐标(x_l，y_l)代入R(x，y，θ_i)中，根据R与零的关系确定风电机组l的坐标(x_l，y_l)与直线l₂的位置关系，从而得出风电机组l相对于风电机组k的位置关系。

作为更进一步描述，所述步骤5中第k台风电机组与其上游风电机组间的水平距离d和偏移距离h计算公式为：

当风向θ_i满足0°＜θ_i＜360°且θ_i≠180°时，

水平距离d： $d=\frac{|y_k-\cot \left({\mathrm{\θ}}_i\right)(x_k-x_l)-y_l|}{\sqrt{1+{\cot }^2\left({\mathrm{\θ}}_i\right)},}$

偏移距离h： $h=\sqrt{{(x_k-x_l)}^2+{(y_k-y_l)}^2-d^2};$

当风向θ_i为0°或180°或360°时，

水平距离d：d＝|x_l-x_k|，

偏移距离h：h＝|y_l-y_k|。

作为更进一步描述，所述步骤6中计及尾流影响后实际吹向第k台风电机组的风速v的计算公式为：

风电机组位于平坦地形：

$v=v_{\mathrm{in}}[1-\underset{t=1}{\overset{N_{\mathrm{up}}}{\mathrm{\Σ}}}{d}_f\left(\frac{A_{\mathrm{si}}}{{\mathrm{\πr}}^2}\right)]\frac{\ln (z/z_0)}{\ln (z_{\mathrm{ref}}/z_0)};$

风电机组位于复杂地形：

$v={v^{\′}}_{\mathrm{in}}[1-\underset{t=1}{\overset{N_{\mathrm{up}}}{\mathrm{\Σ}}}{d}_f{\left(\frac{v_{\mathrm{in}}}{{v^{\′}}_{\mathrm{in}}}\right)}^2\left(\frac{A_{\mathrm{si}}}{{\mathrm{\πr}}^2}\right)]\frac{\ln (z/z_0)}{\ln (z_{\mathrm{ref}}/z_0)};$

$d_f=(1-\sqrt{1-C_t}){\left(\frac{r}{r+\mathrm{\αs}}\right)}^2;$

其中，v_in和v′_in分别为平坦地形和复杂地形上吹向第k台风电机组的上游风电机组的风速，A_si为第k台风电机组落入其上游风电机组阴影区内的面积，d_f为风速下降系数，N_up为上游风电机组的数目，z_ref和z分别为风速观测处高度和风电机组轮毂的高度，z₀为地面粗糙度，s为第k台风电机组与其上游风电机组的距离，r为风电机组叶轮半径，α为尾流下降系数，C_t为推力系数。

作为更进一步描述，所述步骤6中第k台风电机组的输出功率p(v)的计算公式为：

$P\left(v\right)=\left\{\begin{array}{cc}0& 0\&le;v<v_{\mathrm{ci}},v\&GreaterEqual;v_{\mathrm{co}}\\ (c_1+c_{2}v+c_3{v}^2)P_r& v_{\mathrm{ci}}\&le;v<v_r\\ P_r& v_r\&le;v<v_{\mathrm{co}}\end{array}\right.$

其中：v_ci、v_r和v_co分别为风电机组的切入风速、额定风速和切出风速，P_r为风电机组的额定功率，c₁、c₂和c₃为系数。

作为更进一步描述，所述步骤12中粒子位置向量X_m的更新公式为：

X_m＝X_m+W_m；

粒子速度向量W_m的更新公式为：

W_m＝ω×W_m+a×r₁×(p_m-X_m)+b×r₂×(p_g-X_m)；

其中，ω为惯性权重，r₁、r₂是介于(0，1)之间的随机数，a、b是学习因子。

本发明的显著效果是：本发明以最大化风电场等值功率为目标函数，以风电场总面积、风机间最小距离等因素为约束函数，采用几何学理论确定风机上游区域及计算风机间的水平和偏移距离，利用带收缩因子和变异因子的粒子群优化算法寻求最优布局；计及了风的联合分布特性、风电机组间的尾流效应等，布局优化效率高，解决了网格划分方法中的位置限制以及仅考虑单个或部分风向的不足，可为风电场布局优化提供有益参考。

附图说明

图1是本发明的流程图；

图2是本发明中确定风电机组的上游机组的方法示意图；

图3是本发明针对20台风电机组的最优布局示意图。

具体实施方式

下面结合附图对本发明的具体实施方式以及工作原理作进一步详细说明。

如图1所示，一种风电场风电机组布局选址方法，按照以下步骤进行：

步骤1：输入N_s个风速数据与N_d个风向数据，建立风速与风向的离散联合分布律表，如表1所示，第i个风向为θ_i，i＝1～N_d，表中风向θ_i的状态取为0°、10°、20°、…、360°，其中0°和360°为同一风向；第j个风速表示v，j＝1～N_s，风速v_j的状态取为1m/s，2m/s，…，21m/s。表中概率为二维变量(θ_i，v_j)的联合概率为p_ij，由于状态数目较多，表1仅列出部分数据。

将表1中的风速与风向数据进行聚类处理，得到不同风向范围内的风向概率，如表2所示，由表中可以看出，180°～270°范围内的风向所占比例较大，因此在风电场布局优化中，为减小尾流效应的影响，应优先考虑表中180°～270°范围内的风向；

步骤2：基于粒子群优化算法建立风电机组坐标的粒子群，设置粒子群的粒子数目为N_p，总的维数为2N，粒子群的迭代次数为K，第m个粒子的位置向量为X_m＝(x_m1，y_m1，x_m2，y_m2，...，x_mN，y_mN)，速度向量为W_m＝(w_m1，w_m2，w_m3，w_m4，...，w_m(2N-1)，w_m2N)，并确定粒子的约束函数，其中m=1～N_p，N为风电机组的数目，(x_mN，y_mN)为第m个粒子位于第N台风电机组处的坐标，(w_m(2N-1)，w_m2N)为第m个粒子位于第N台风电机组处的速度；

本实施例中，所述粒子群的约束函数为：

$s.t.\left\{\begin{array}{c}{x}_{\min }\&le;x_{\mathrm{mk}}\&le;x_{\max }\\ y_{\min }\&le;y_{\mathrm{mk}}\&le;y_{\max }\\ -v_{\max }\&le;v_m\&le;v_{\max }\\ \sqrt{d^2+h^2}>2r\end{array}\right.,$

其中，(x_min,x_max)、(y_min,y_max)为坐标系中风电场的区域范围，v_max为粒子飞行速度的上限，2r为风电机组间的最小距离，d为水平距离，h为偏移距离，r为风电机组叶片半径；

步骤2：随机初始化所有粒子的位置向量，并令m＝1；

步骤3：采用适应度函数计算第m粒子的适应度；

步骤4：计算第m个粒子的适应度，并计算第m个粒子对应的风电场的输出功率，初始化i＝j＝1；

步骤5：确定风向为θ_i时第k台风电机组的所有上游风电机组，k＝1～Ｎ，上游风机的具体方法确定方法如下：

步骤5-1：采用风向罗盘描述风向θ_i，如图2所示，将吹向正北方的风向定义为参考风向，并定义风向θ_i表示在顺时针方向上风向偏离北方的角度，例如南吹向北的风向为0度或360度即θ_i＝0°或θ_i＝360°，类似地，吹向东的风向为90度即θ_i＝90°，吹向南的风向为180度即θ_i＝180°，吹向西的风向为270度即θ_i＝270°；

步骤5-2：将风电场定义在笛卡尔平面坐标系内，定义第k台和其余任意一台风电机组在笛卡尔平面坐标系中的坐标分别为(x_k，y_k)和(x_l，y_l)，当风向为θ_i时，按照公式y＝cot(θ)(x-x_k)+y_k计算出经过点(x_k，y_k)的直线l₁的方程式，其中θ_i≠nπ(n＝0，1，２）；

步骤5-3：按照公式y＝-tan(θ)(x-x_k)+y_k求出垂直于直线l₁且经过点(x_k，y_k)的直线l₂，其中

步骤5-4：对于风电机组l的坐标(x_l，y_l)，构造一个函数R(x，y，θ_i)，该函数表达式为R(x,y,θ_i)＝y+tan(θ_i)(x-x_k)-y_k；

步骤5-5：将风向θ_i和风电机组l的坐标(x_l，y_l)代入R(x，y，θ_i)中，根据R与零的关系确定风电机组l的坐标(x_l，y_l)与直线l₂的位置关系，从而得出风电机组l相对于风电机组k的位置关系，如表3所示；

之后根据表1中所示的位置关系，设沿着风向θ_i且通过风电机组k的坐标的直线为l₃，则风电机组k与风电机组l间的水平距离d是指两台风电机组投影到直线l₃上的水平距离；偏移距离h是两台风电机组投影到直线l₃上的垂直距离之差的绝对值。按照以下公式计算出第k台风电机组和它的所有上游风电机组间的水平距离d与偏移距离h：

当风向θ_i满足0°＜θ_i＜360°且θ_i≠180°时，

水平距离d： $d=\frac{|y_k-\cot \left({\mathrm{\&theta;}}_i\right)(x_k-x_l)-y_l|}{\sqrt{1+{\cot }^2\left({\mathrm{\&theta;}}_i\right)},}$

偏移距离h： $h=\sqrt{{(x_k-x_l)}^2+{(y_k-y_l)}^2-d^2};$

当风向θ_i为0°或180°或360°时，

水平距离d：d＝|x_l-x_k|，

偏移距离h：h＝|y_l-y_k|；

步骤6：步骤5确定尾流效应的上游区域和计算风电机组间的水平距离d、偏移距离h后，再根据尾流效应模型计算考虑尾流效应影响后吹向每一台风电机组的风速值v。常用的尾流模型有Jensen模型和Lissaman模型，它们分别用于描述平坦地形和复杂地形上的尾流效应。设v_in和v'_in分别为平坦地形和复杂地形上吹向上游风机的风速，则将风向θ_i下得出的水平距离d、偏移距离h以及风速v_j代入尾流模型，按照如下公式计算出考虑尾流效应影响后吹向第k台风电机组的风速v，风速v的计算公式为：

风电机组位于平坦地形：

$v=v_{\mathrm{in}}[1-\underset{t=1}{\overset{N_{\mathrm{up}}}{\mathrm{\&Sigma;}}}{d}_f\left(\frac{A_{\mathrm{si}}}{{\mathrm{\&pi;r}}^2}\right)]\frac{\ln (z/z_0)}{\ln (z_{\mathrm{ref}}/z_0)};$

风电机组位于复杂地形：

$v={v^{\&prime;}}_{\mathrm{in}}[1-\underset{t=1}{\overset{N_{\mathrm{up}}}{\mathrm{\&Sigma;}}}{d}_f{\left(\frac{v_{\mathrm{in}}}{{v^{\&prime;}}_{\mathrm{in}}}\right)}^2\left(\frac{A_{\mathrm{si}}}{{\mathrm{\&pi;r}}^2}\right)]\frac{\ln (z/z_0)}{\ln (z_{\mathrm{ref}}/z_0)};$

$d_f=(1-\sqrt{1-C_t}){\left(\frac{r}{r+\mathrm{\&alpha;s}}\right)}^2;$

其中，v_in和v′_in分别为平坦地形和复杂地形上吹向第k台风电机组的上游风电机组的风速，A_si为第k台风电机组落入其上游风电机组阴影区内的面积，d_f为风速下降系数，N_up为上游风电机组的数目，z_ref和z分别为风速观测处高度和风电机组轮毂的高度，z₀为地面粗糙度，s为第k台风电机组与其上游风电机组的距离，r为风电机组叶轮半径，α为尾流下降系数，C_t为推力系数；

根据计算出的风速为v，按照风电机组输出功率p(v)与风速v的近似二次函数公式计算，得出第k台风电机组的输出功率p(v)：

$P\left(v\right)=\left\{\begin{array}{cc}0& 0\&le;v<v_{\mathrm{ci}},v\&GreaterEqual;v_{\mathrm{co}}\\ (c_1+c_{2}v+c_3{v}^2)P_r& v_{\mathrm{ci}}\&le;v<v_r\\ P_r& v_r\&le;v<v_{\mathrm{co}}\end{array}\right.,$

其中：v_ci、v_r和v_co分别为风电机组的切入风速、额定风速和切出风速，P_r为风电机组的额定功率，c₁、c₂和c₃为系数；

然后计算出此时整个风电场的输出功率POWF(θ_i，v_j，x_m)；

步骤7：将j与N_s进行比较，若j＜N_s，则设置j＝j+1，返回步骤6，计算出风向为θ_i时所有风速下风电机组的输出功率；若j＝Ns，则进入步骤8；

步骤8：将i与N_d进行比较，若i＜N_d，则设置i＝i+1，返回步骤5，计算出所有风向与所有风速风电机组的输出功率；如果i＝N_d，则进入步骤9；

步骤9：按照 $\mathrm{EPWF}-{\mathrm{\&Sigma;}}_{i=1}^{N_d}{\mathrm{\&Sigma;}}_{j=1}^{N_s}{p}_{\mathrm{ij}}\mathrm{POWF}({\mathrm{\&theta;}}_i,v_j,x_m)$ 计算出整个风电场的等效功率EPWF，以风电场的最大等效功率为目标函数，表示为max EPWF，然后计算出目标函数取最大值时第m个粒子的局部最优位置p_m＝(p_m1,p_m2,…,p_m2N)；

步骤10：将m与N_p进行比较，若m＜N_p，则设置m＝m+1，并返回步骤4，计算出所有粒子的风电场等效功率，若m＝N_p，则进入步骤11；

步骤11：计算出目标函数取最大值时所有粒子的全局最优位置p_g＝(p_g1,p_g2,…,p_g2N)；

步骤12：按照公式X_m＝X_m+W_m更新粒子位置向量X_m，按照公式W_m＝ω×W_m+a×r₁×(p_m-X_m)+b×r₂×(p_g-X_m)更粒子速度向量W_m，判定算法是否达到迭代次数K或者算法得出的最优粒子位置连续不变，若是则输出风电机组的最优坐标(p_1x，p_1y)，(p_2x，p_2y)，...，(p_Nx，p_Ny)，否则返回步骤2循环计算，直至得出风电场风电机组的最优布局，其中，r₁、r₂是介于(0，1)之间的随机数，a、b是学习因子；

如图3所示，本实施例中采用上述算法针对安装在2.5km×2.5km区域内的20台风电机组的最优布局，从图中可以看出，大部分风电机组分布在风电场的边界区域，其原因是增大风电机组间的距离以减小尾流效应的影响，增加风电场电能的输出。该最优布局下，风电场等效功率EPWF和风电场年发电量AAEP如表4所示，可以看出风电场在采用本算法得出的最优布局后，尾流效应对风电场发电量的影响仅占3.447％。

表1风速与风向联合分布律表

表2不同风向范围的风向概率分布表

风向范围(度)	概率	风向范围(度)	概率
				[0,30]	0.076	(180,210]	0.141
(30,60]	0.081	(210,240]	0.150
				(60,90]	0.058	(240,270]	0.138
(90,120]	0.063	(270,300]	0.074
				(120,150]	0.046	(300,330]	0.053
(150,180]	0.072	(330,360]	0.049

表3风电机组l与风电机组k的相对位置关系表

表4风电场最优布局时输出指标

Claims (7)

1.一种风电场风电机组布局选址方法，其特征在于按照以下步骤进行：

步骤1：输入N_s个风速数据与N_d个风向数据，建立风速与风向的离散联合分布律表，表中第i个风向为θ_i，i＝1～N_d，第个风速表示v_j，j＝1～N_s，二维变量(θ_i，v_j)的联合概率为p_ij；

步骤2：基于粒子群优化算法建立风电机组坐标的粒子群，设置粒子群的粒子数目为N_p，总的维数为2N，粒子群的迭代次数为K，第m个粒子的位置向量为X_m＝(x_m1，y_m1，x_m2，y_m2，...，x_mN，y_mN)，速度向量为W_m＝(w_m1，w_m2，w_m3，w_m4，...，w_m(2N-1)，w_m2N)，并确定粒子的约束函数，其中m=1～N_p，N为风电机组的数目，(x_mN，y_mN)为第m个粒子位于第N台风电机组处的坐标，(w_m(2N-1)，w_m2N)为第m个粒子位于第N台风电机组处的速度；

步骤3：随机初始化所有粒子的位置向量，并令m＝1；

步骤4：计算第m个粒子的适应度，并计算第m个粒子对应的风电场的输出功率，初始化i＝j＝1；

步骤5：确定风向为θ_i时第k台风电机组的所有上游风电机组，得出第k台风电机组和它的所有上游风电机组间的水平距离d与偏移距离h，k＝1～Ｎ；

步骤6：根据水平距离d、偏移距离h以及风速v_j计算出考虑尾流效应影响后吹向第k台风电机组的风速v，进而计算出风速为v时该台风电机组的输出功率p(v)，然后计算出此时整个风电场的输出功率POWF(θ_i，v_j，x_m)；

步骤7：将j与N_s进行比较，若j＜N_s，则设置j＝j+1，返回步骤6；若j＝N_s，则进入步骤8；

步骤8：将i与N_d进行比较，若i＜N_d，则设置i＝i+1，返回步骤5；如果i＝N_d，则进入步骤9；

步骤9：按照计算出整个风电场的等效功率EPWF，以风电场的最大等效功率为目标函数，表示为max EPWF，然后计算出目标函数取最大值时第m个粒子的局部最优位置p_m＝(p_m1,p_m2,…,p_m2N)；

步骤10：将m与N_p进行比较，若m＜N_p，则设置m＝m+1，并返回步骤4，若m＝N_p，则进入步骤11；

步骤11：计算出目标函数取最大值时所有粒子的全局最优位置p_g＝(p_g1,p_g2,…,p_g2N)；

步骤12：更新粒子位置向量X_m与速度向量W_m，判定算法是否达到迭代次数K或者算法得出的最优粒子位置连续不变，若是则输出风电机组的最优坐标(p_1x，p_1y)，(p_2x，p_2y)，...，(p_Nx，p_Ny)，否则返回步骤3循环计算，直至得出风电场风电机组的最优布局。

2.根据权利要求1所述的风电场风电机组布局选址方法，其特征在于：所述步骤2中粒子的约束函数为：

$s.t.\left\{\begin{array}{c}{x}_{\min }\&le;x_{\mathrm{mk}}\&le;x_{\max }\\ y_{\min }\&le;y_{\mathrm{mk}}\&le;y_{\max }\\ -v_{\max }\&le;v_m\&le;v_{\max }\\ \sqrt{d^2+h^2}>2r\end{array}\right.,$

其中，(x_min,x_max)、(y_min,y_max)为坐标系中风电场的区域范围，v_max为粒子飞行速度的上限，2r为风电机组间的最小距离，d为水平距离，h为偏移距离，r为风电机组叶片半径。

3.根据权利要求1所述的风电场风电机组布局选址方法，其特征在于：所述步骤5中第k台风电机组的上游机组的确定方法如下：

步骤5-1：采用风向罗盘描述风向θ_i，将吹向正北方的风向定义为参考风向，并定义风向θ_i表示在顺时针方向上风向偏离北方的角度；

步骤5-2：将风电场定义在笛卡尔平面坐标系内，定义第k台和其余任意一台风电机组在笛卡尔平面坐标系中的坐标分别为(x_k，y_k)和(x_l，y_l)，当风向为θ_i时，按照公式y＝cot(θ)(x-x_k)+y_k计算出经过点(x_k，y_k)的直线l₁的方程式，其中θ_i≠nπ(n＝0，1，２）；

步骤5-3：按照公式y＝-tan(θ)(x-x_k)+y_k求出垂直于直线l₁且经过点(x_k，y_k)的直线l₂，其中

步骤5-4：对于风电机组l的坐标(x_l，y_l)，构造一个函数R(x，y，θ_i)，该函数表达式为R(x,y,θ_i)＝y+tan(θ_i)(x-x_k)-y_k；

步骤5-5：将风向θ_i和风电机组l的坐标(x_l，y_l)代入R(x，y，θ_i)中，根据R与零的关系确定风电机组l的坐标(x_l，y_l)与直线l₂的位置关系，从而得出风电机组l相对于风电机组k的位置关系。

4.根据权利要求3所述的风电场风电机组布局选址方法，其特征在于：所述步骤5中第k台风电机组与其上游风电机组间的水平距离d和偏移距离h计算公式为：

当风向θ_i满足0°＜θ_i＜360°且θ_i≠180°时，

水平距离d： $d=\frac{|y_k-\cot \left({\mathrm{\&theta;}}_i\right)(x_k-x_l)-y_l|}{\sqrt{1+{\cot }^2\left({\mathrm{\&theta;}}_i\right)},}$

偏移距离h： $h=\sqrt{{(x_k-x_l)}^2+{(y_k-y_l)}^2-d^2};$

当风向θ_i为0°或180°或360°时，

水平距离d：d＝|x_l-x_k|，

偏移距离h：h＝|y_l-y_k|。

5.根据权利要求1所述的风电场风电机组布局选址方法，其特征在于：所述步骤6中计及尾流影响后实际吹向第k台风电机组的风速v的计算公式为：

风电机组位于平坦地形：

$v=v_{\mathrm{in}}[1-\underset{t=1}{\overset{N_{\mathrm{up}}}{\mathrm{\&Sigma;}}}{d}_f\left(\frac{A_{\mathrm{si}}}{{\mathrm{\&pi;r}}^2}\right)]\frac{\ln (z/z_0)}{\ln (z_{\mathrm{ref}}/z_0)};$

风电机组位于复杂地形：

$v={v^{\&prime;}}_{\mathrm{in}}[1-\underset{t=1}{\overset{N_{\mathrm{up}}}{\mathrm{\&Sigma;}}}{d}_f{\left(\frac{v_{\mathrm{in}}}{{v^{\&prime;}}_{\mathrm{in}}}\right)}^2\left(\frac{A_{\mathrm{si}}}{{\mathrm{\&pi;r}}^2}\right)]\frac{\ln (z/z_0)}{\ln (z_{\mathrm{ref}}/z_0)};$

$d_f=(1-\sqrt{1-C_t}){\left(\frac{r}{r+\mathrm{\&alpha;s}}\right)}^2;$

其中，v_in和v′_in分别为平坦地形和复杂地形上吹向第k台风电机组的上游风电机组的风速，A_si为第k台风电机组落入其上游风电机组阴影区内的面积，d_f为风速下降系数，N_up为上游风电机组的数目，z_ref和z分别为风速观测处高度和风电机组轮毂的高度，z₀为地面粗糙度，s为第k台风电机组与其上游风电机组的距离，r为风电机组叶轮半径，α为尾流下降系数，C_t为推力系数。

6.根据权利要求1所述的风电场风电机组布局选址方法，其特征在于：所述步骤6中第k台风电机组的输出功率p(v)的计算公式为：

$P\left(v\right)=\left\{\begin{array}{cc}0& 0\&le;v<v_{\mathrm{ci}},v\&GreaterEqual;v_{\mathrm{co}}\\ (c_1+c_{2}v+c_3{v}^2)P_r& v_{\mathrm{ci}}\&le;v<v_r\\ P_r& v_r\&le;v<v_{\mathrm{co}}\end{array}\right.$

其中：v_ci、v_r和v_co分别为风电机组的切入风速、额定风速和切出风速，P_r为风电机组的额定功率，c₁、c₂和c₃为系数。

7.根据权利要求1所述的风电场风电机组布局选址方法，其特征在于：所述步骤12中粒子位置向量X_m的更新公式为：

X_m＝X_m+W_m；

粒子速度向量W_m的更新公式为：

W_m＝ω×W_m+a×r₁×(p_m-X_m)+b×r₂×(p_g-X_m)；

其中，ω为惯性权重，r₁、r₂是介于(0，1)之间的随机数，a、b是学习因子。