CN105119320A - 一种分散式风电场风机优化布置系统及方法 - Google Patents

Abstract

一种分散式风电场风机优化布置系统及方法，属于分散式风力发电规划技术领域。系统包括数据采集模块、地形图数据获取模块、DSP控制器、潮流计算模块、最大接入容量分析模块、风机优化布置计算模块和图形显示模块。方法包括：确定拟建分散式风电场区域，拟建分散式风电场接入配电网的位置、容量及风机数量；步在拟建分散式风电场区域至少立一台测风塔，计算测风塔的风切变系数和风轮廓函数，进而计算出尾流损失，得到实际风速，最后算出威布尔分布函数；建立风机优化布置的约束条件和目标函数；利用禁忌入侵杂草算法优化布置风机位置，得到风机布置优化方案；对机位进行微调，并将最终的布置了风机的拟建分散式风电场区域的地形图进行显示。

Description

一种分散式风电场风机优化布置系统及方法

所属技术领域

本发明属于分散式风力发电规划技术领域，尤其涉及一种分散式风电场风机优化布置系统及方法。

背景技术

风电的大规模集中开发带来消纳、弃风、限电问题。分散式风电不以大规模远距离输送为目的，所产生的电力就近接入电网并在当地消纳，具有减小输配电扩容带来的费用，提高电网的局部可靠性，改善电网电压等优点。然而，由于风能资源的随机性和波动性，风电场区域地形的复杂性，尾流效应及湍流强度的变化，接入变电站的限制使得分散式风机进行布置的复杂性成倍增加。

现有风机优化布置方法大都针对集中式风电场，且使用最多的是易陷入早熟和不成熟收敛的遗传算法，整个风场区域离散化可能会丢失一些较好的风电机组的安装位置。风机优化布置的目标函数大多选择考虑年发电量的经验函数，只考虑年发电量而未考虑运行年限。优化的约束条件也未考虑分散式风电相比集中式风电所特有的接入变电站的线路长度。尾流模型大多采用JENSEN草帽线性尾流模型，其尾流损失风速模型为一个顶帽形状，没有很好的考虑到湍流的影响，不能很好地反映出上游风机对下游风机的尾流影响。

发明内容

针对现有方法存在的不足，本发明提出一种分散式风电场风机优化布置系统及方法。

本发明的技术方案是这样实现的：

一种分散式风电场风机优化布置系统，包括：

数据采集模块：用于获得拟建分散式风电场区域内测风塔的任意两个不同高度处的风速数据和风向数据，并将获得的数据均传送给DSP控制器；

地形图数据获取模块：用于根据SRTM数据或GDEM数据得到拟建分散式风电场区域的等高线地图和高程数据，并将该等高线地图和高程数据传送给DSP控制器；

DSP控制器：(1)从D5000系统接收拟建分散式风电场接入配电网的电气量信息数据并进行存储，同时将所述电气量信息数据送入潮流计算模块；所述电气量信息，包括配电网系统的网络结构、常规机组的旋转备用水平、负荷特性、无功补偿状况；(2)将从最大接入容量分析模块接收的多次拟建分散式风电场的最大接入容量进行加权修正后得到整个拟建分散式风电场接入配电网的容量；(3)根据整个拟建分散式风电场接入配电网的容量及预选风机的型号，确定拟建分散式风电场中风机布置的数量，并将该数量传送至风机优化布置计算模块(4)根据拟建分散式风电场区域的等高线地图和高程数据，建立拟建分散式风电场区域的地形图；(5)根据风速数据、风向数据和预选风机的参数，计算测风塔的风切变系数和风轮廓函数，进而计算出尾流损失，得到实际风速，最后算出威布尔分布函数，并发送至风机优化布置计算模块；(6)将风机优化布置计算模块给出的风机布置优化方案中各个风机的坐标设置在拟建分散式风电场区域的地形图的各相应位置上；(7)将布置了风机的拟建分散式风电场区域的地形图传至图形显示模块进行显示；

潮流计算模块：将拟建分散式风电场的节点视作PQ(V)节点，利用依次增加PQ(V)节点容量值的方法，分别进行拟建分散式风电场接入配电网后的多次潮流计算，并将每次的计算结果发送给最大接入容量分析模块，直至接到停止潮流计算命令；

最大接入容量分析模块：对于每次的潮流计算，当并网点电压不位于95～107％U_N范围内或者并网点频率不位于49.8～50.2Hz范围内时，则发送停止潮流计算命令至潮流计算模块，并利用本次潮流计算结果，计算出本次拟建分散式风电场允许接入的容量，即当次拟建分散式风电场的最大接入容量，并将该容量传送至DSP控制器；所述U_N表示节点的额定电压；

风机优化布置计算模块：用于根据风机优化布置的约束条件和目标函数，结合威布尔分布函数，利用禁忌入侵杂草算法优化布置风机位置，得到风机布置优化方案；

图形显示模块：用于对布置了风机的拟建分散式风电场区域的地形图进行显示。

采用所述的分散式风电场风机优化布置系统的分散式风电场风机优化布置方法，包括如下步骤：

步骤1：确定拟建分散式风电场区域，根据当地的风能资源情况、配电网的网络结构和负荷特性，确定拟建分散式风电场接入配电网的位置、容量及风机数量；

步骤1-1：根据当地的风能资源情况和电网接入条件，宏观确定一片区域，作为拟建分散式风电场区域；

步骤1-2：根据拟建分散式风电场区域的经纬坐标，找到对应的SRTM或GDEM数据文件，并处理生成拟建分散式风电场区域的地形图；

步骤1-3：从D5000系统接收并解析出拟建分散式风电场拟接入配电网的电气量信息数据；所述电气量信息，包括配电网系统的网络结构、常规机组的旋转备用水平、负荷特性、无功补偿状况；

步骤1-4：根据该地区的配电网系统的网络结构、常规机组的旋转备用水平、负荷特性、无功补偿状况，确定拟建分散式风电场接入配电网的末端位置及联结方式；

步骤1-5：根据拟建分散式风电场接入的配电网网络结构、常规机组的旋转备用水平情况，建立等效的系统网络参数模型，结合步骤1-3采集的电气量数据，将拟建分散式风电场的节点视作PQ(V)节点，利用依次增加PQ(V)节点容量值的方法，分别进行拟建分散式风电场接入配电网后的多次潮流计算；

步骤1-6：对于每次的潮流计算，当并网点电压不位于95～107％U_N范围内或者并网点频率不位于49.8～50.2Hz范围内时，则利用当次潮流计算结果，计算当次拟建分散式风电场的最大接入容量，将多次计算的最大接入容量进行加权修正后得到整个拟建分散式风电场接入配电网的容量S_WF：

$S_{WF}=\frac{1}{T_{cal}-2}\underset{1}{\overset{T_{cal}-2}{\Σ}}\frac{S_i\left(\frac{1}{D_i^o}+\frac{1}{D_{i+1}^o}\right)+S_{i+1}\left(\frac{1}{D_{i+1}^o}+\frac{1}{D_{i+2}^o}\right)+S_{i+2}\left(\frac{1}{D_{i+2}^o}+\frac{1}{D_i^o}\right)}{2\×\left(\frac{1}{D_i^o}+\frac{1}{D_{i+1}^o}+\frac{1}{D_{i+2}^o}\right)}---\left(1\right)$

式中：T_cal为总的潮流计算次数；S_i、S_i+1、S_i+2为第i、i+1、i+2次的潮流计算得出的拟建分散式风电场接入配电网的容量；分别为S_i与S_i+1差值的绝对值、S_i+1与S_i+2差值的绝对值、S_i与S_i+2差值的绝对值；o为加权修正次数，为自然数；

步骤1-7：根据整个拟建分散式风电场接入配电网的容量S_WF，结合预选风机机型，确定整个拟建分散式风电场中可进行风机布置的数量N。

步骤2：在拟建分散式风电场区域至少立一台测风塔，计算测风塔的风切变系数和风轮廓函数，进而计算出尾流损失，得到实际风速，最后算出威布尔分布函数；

步骤2-1：在拟建分散式风电场区域至少立一台测风塔，采集测风塔两个不同高度处一段时间内的风速数据和风向数据；

步骤2-2：利用步骤2-1得到的数据，计算测风塔处的风切变系数；

步骤2-3：由风切变系数，确定测风塔的风轮廓函数，由式(3)表示；

v_h＝mh^α(3)

式中，v_h代表测风塔h高度处的风速；m为修正系数；α为测风塔处的风切变系数；

步骤2-4：根据测风塔的风轮廓函数，利用式(4)所示的尾流模型计算出每个风机周围的尾流损失K，进而通过式(5)得到风机轮毂高度处的实际风速v′_h；

$\begin{array}{c}K=\frac{\mathrm{\Δ}v}{v_h}=\left(1-\sqrt{1-\frac{C_T}{8{\left(k^{*}\mathrm{\δ}/D+0.2\sqrt{\left(1+\sqrt{1-C_T}\right)/\sqrt{2\left(1-C_T\right)}}\right)}^2}}\right)\\ \×\exp \left(-\frac{1}{2{\left(k^{*}\mathrm{\δ}/D+0.2\sqrt{\left(1+\sqrt{1-C_T}\right)/\left(2\sqrt{1-C_T}\right)}\right)}^2}\left\{{\left(\frac{z-z_h}{D}\right)}^2+{\left(\frac{y}{D}\right)}^2\right\}\right)\end{array}---\left(4\right)$

v′_h＝v_h·(1-K)(5)

其中C_T是风机的推力系数；D表示风机叶片的直径；δ表示顺风距离，即当前该风机与其后面的被该风机挡风的风机之间的距离；y，z表示对应的当前该风机的水平坐标和垂直坐标；Z_h为风机的轮毂高度，k^*表示尾流增长率；Δv为由尾流效应造成的风速损失；

步骤2-5：利用步骤2-4得到的风机轮毂高度h处的风速v′_h，即测风塔h高度处的风速，求取威布尔分布函数。

步骤3：建立风机优化布置的约束条件和目标函数；

步骤3.1：建立风机优化布置的约束条件，包括：

1)风机接入变电站的线路长度需满足的条件为：

L_min≤L_line≤L_max(9)

其中Lmin、Lmax分别为待选风机安装点距接入现有配电网中变电站线路的最短距离和最长距离；

2)在不同的风向上，风机之间的间距约束为:

(x_i-x_j)²+(y_i-y_j)²≥(^PD)²(10)

其中(x_i,y_i)、(x_j,y_j)分别为上游风机坐标和下游风机坐标；在垂直于主导风向上，P取4.5；有下风向风机时，P取5；若考虑风电场场地尺寸限制并结合计算结果，P可在3～6之间变化取值；

3)待选风机安装点的土壤承载力约束为：

F_s+η_bλ(b-3)+η_dλ_m(d-0.5)≥F_wto(11)

其中F_s为土壤承载力标准值，η_b、η_d分别为风机安装位置区域宽度和深度修正系数，λ为基底下土的重度，λ_m风机安装位置区域上土的加权平均重度，b为风机安装位置区域宽度，d为风机安装位置区域深度；F_wto为风机正常安全运行时需要的最小的土壤承受力，根据预选风机型号确定；

4)机组中塔筒承受的风载应满足的约束为：

F_wtt≥0.613·γ_s·γ_h·v_h·S(12)

其中γ_s、γ_h分别为风载荷形状、高度参数；S为塔筒结构垂直于风向的面积；F_wtt为机组塔筒承受的风载；

步骤3-2：建立风机优化布置的目标函数：

${\mathrm{obj}}_{WF}\left(x\right)=\[-E_{ii}\left(x\right)+\underset{t=0}{\overset{T}{\Σ}}\frac{{\left(AEP\·p+I_{CDM}\left(x\right)-E_{om}\left(x,t\right)\right)}_t}{{\left(1+i\right)}^t}\]\frac{i{\left(1+i\right)}^T}{{\left(1+i\right)}^T-1}---\left(13\right)$

式中：E_ii(x,t)为初始投资成本，包括电缆等投资且必须考虑变电站的影响；AEP为整个风电场的每年所有机组年发电量；p为每千瓦时的出售价格；I_CDM(x)为清洁能源发展机制产生的环境效益；E_om(x,t)为分散式风电场的年运行和维护成本；i为折现率，一般取为基准折现率；T为分散式风电场使用寿命；t为风机投入运行的第几年；x表示风机数量。

步骤4：根据风机优化布置的约束条件和目标函数，结合威布尔分布函数，利用禁忌入侵杂草算法优化布置风机位置，得到风机布置优化方案；

步骤4-1：确定拟建分散式风电场的预选风机参数、最大种群数M、维数D、最大迭代次数和禁忌表长度；

步骤4-2：置空禁忌表，随机初始化杂草个体位置，每个杂草个体的位置代表风机坐标的候选解；

步骤4-3：在拟建分散式风电场区域的D维搜索空间内随机产生n个风机位置的坐标可行解，其中n小于等于最大种群数M；

步骤4-4：判断风机位置的坐标可行解是否满足约束条件，是，则执行步骤4-5，否，则执行步骤4-3；

步骤4-5：利用威布尔分布函数f(v′_h)，求取风机的年发电量AEP；

年发电量表示为

$AEP=T_{ef}{\∫}_{v_{ci}}^{v_{co}}0.5C_p{\mathrm{\ρSv}}^{2}f\left(v_h^{\′}\right)d\mathrm{\ν}---\left(16\right)$

其中T_ef为该风机的年有效利用小时数；C_p为风能利用系数，ρ为空气密度，S为风轮的扫风面积；v_ci为每小时风机轮毂高度处实际风速的初始值；v_co为每小时风机轮毂高度处实际风速的结束值；

步骤4-6：根据风机的年发电量AEP，确定每一个杂草个体的目标函数值；

步骤4-7：在入侵杂草算法中，假定所有杂草通过无性繁殖的方式产生种子；根据杂草个体的目标函数值，计算繁殖种子的数量，并限定最大种子数和最小种子数，杂草个体可产生的种子数根据种子适应度值由最小值到最大值线性变化；具体计算方法如下式：

$W_n=W_{\min }+Floor\left(\frac{f_k-f_{\min }}{f_{max}-f_{\min }}(W_{max}-W_{min})\right)---\left(17\right)$

式中：W_n为某杂草个体产生的种子数；W_min和W_max分别为设定的杂草个体可以产生种子数的最小和最大值；f_k为某个体的适应度值；f_max和f_min分别为当前种群中杂草个体适应度的最大值和最小值；Floor为向下取整函数；

步骤4-8：产生的杂草种子以正态分布N(0，σ²)在母体周围的D维空间内随机扩散；第i个杂草产生的第W个种子的位置为：

X_i,W＝X_i+N(0,σ²),W_min≤W≤W_max(18)

其中，X_i,W为第i个杂草产生的第W个种子的位置；X_i第i个杂草的位置；在进化过程中，标准差σ随着进化代数的增加，σ逐渐减小；

步骤4-9：判断种子的位置即候选风机坐标点，是否满足约束条件，是，则执行步骤4-10，否，则执行步骤4-8；

步骤4-10：利用适应度的样本标准差来判断入侵杂草算法是否早熟，当相邻2次杂草进行繁殖扩散操作产生的样本标准差符合式(20)时，认为禁忌入侵杂草算法趋向于早熟了，若是，则执行步骤4-11；若否，则判断个体数量是否超过最大种群数M：是，则取前M个目标函数值最大的母体及种子，转至步骤4-5，否，则转至步骤4-5；

$\left|\frac{{\mathrm{\σ}}_t-{\mathrm{\σ}}_{t-1}}{{\mathrm{\σ}}_{t-1}}\right|\≤0.01---\left(20\right)$

式中：σ_t为杂草进行繁殖扩散操作后形成的第t代样本个体适应度的标准差值；σ_t-1为上一次杂草进行繁殖扩散操作后形成的第t-1代的种群标准差的值；

步骤4-11：引入禁忌搜索，对每个含有风机坐标信息的种子个体进行禁忌搜索操作，最终输出最优解；

步骤a，首先利用当前全局极值的邻域函数产生一定数目的邻域解，从邻域中选取适应度最优的解作为若干候选解；

步骤b，判断每个候选解是否满足特赦准则，若满足，则用此候选解代替当前最好个体解Y_best，并更新禁忌表，更新历史最优解，转至步骤d；否则进行下一步；

步骤c，判断各候选解是否在禁忌表中，是，则转至步骤a，重新选取候选解；若不在，则选择未被禁忌的杂草个体中的最佳个体替代当前解，按照先进先出的原则，将与个体对应的禁忌对象加入禁忌表，舍弃最早进入禁忌表的禁忌对象，转至步骤d；

步骤d，判断是否达到最大迭代次数或满足收敛条件，是，则输出最优解；否，则转到步骤a。

步骤4-12：根据输出的最优解，利用C#.net和ArcgisEngine在拟建风场的地形图中增加1台风机的坐标位置；

步骤4-13：判断风机的数量是否满足达到整个风场允许安装的数量N，若满足，则将各个风机的坐标设置在拟建分散式风电场区域的地形图的各相应位置上，否则，则转到步骤4-3。

步骤5：根据拟建分散式风场区域的现场勘测情况，结合工程经验对机位进行微调，并将最终的布置了风机的拟建分散式风电场区域的地形图进行显示。

本发明的有益效果：

1.本发明综合考虑分散式风电与集中式大风电不同的特点，有助于更好的进行分散式风电的规划和风机布置。

2.系统在充分考虑到风能资源、电网接入、尾流、土壤、湍流等影响的基础上，建立一种充分考虑到风电场投资、维护和运行年限的净年值经济效益的分散式风电场风机优化布置系统，更加接近实际分散式风电场的情况。

3.本发明的方法采用禁忌入侵杂草算法对风电场进行风机的添加，在进化过程中，种群中的所有个体都有机会产生新的个体，适应度越高的个体产生的新个体数量越多。这种机制在加强较优个体周围局部搜索的同时兼顾种群多样性，更符合自然进化法则。算法具有原理简单，鲁棒性强和自适应能力好，具有较强局部搜索能力，从而避免出现“早熟”现象，更快的收敛到全局最优解。

附图说明

图1为本发明一种实施方式的分散式风电场风机优化布置系统的结构示意图；

图2为本发明一种实施方式的数据采集模块的连接关系示意图；

图3为本发明一种实施方式的安全隔离装置与防火墙模块的结构示意图；

图4为本发明一种实施方式的异步通信模块通过电平转换单元与DSP相连的连接关系示意图；

图5为本发明一种实施方式的网络隔离变压器通过收发器与DSP的连接关系示意图；

图6为本发明一种实施方式的分散式风电场风机优化布置方法流程图；

图7为本发明一种实施方式的选用的1.5MW风机的功率曲线图；

图8为本发明一种实施方式的尾流模型中的风速场示意图；

图9为本发明一种实施方式的风能资源评估界面图；

图10为本发明一种实施方式的根据测风塔采集的风的信息生成的各个分区的风速和相应频率的风玫瑰图；

图11为本发明一种实施方式的分散式风电场风机优化布置方法某次寻找的最佳风机位置示意图；

图12为本发明一种实施方式的最终输出的含风机坐标的地形图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细说明。

本实施方式的分散式风电场风机优化布置系统，如图1所示，包括：数据采集模块：用于获得拟建分散式风电场区域内测风塔的任意两个不同高度处的风速数据和风向数据，并将获得的数据均传送给DSP控制器；地形图数据获取模块：用于根据SRTM数据或GDEM数据得到拟建分散式风电场区域的等高线地图和高程数据，并将该等高线地图和高程数据传送给DSP控制器；DSP控制器：(1)从D5000系统接收拟建分散式风电场接入配电网的电气量信息数据并进行存储，同时将所述电气量信息数据送入潮流计算模块；所述电气量信息，包括配电网系统的网络结构、常规机组的旋转备用水平、负荷特性、无功补偿状况；(2)将从最大接入容量分析模块接收的多次拟建分散式风电场的最大接入容量进行加权修改正后得到整个拟建分散式风电场接入配电网的容量；(3)根据整个拟建分散式风电场接入配电网的容量及预选风机的型号，确定拟建分散式风电场中风机布置的数量，并将该数量传送至风机优化布置计算模块(4)根据拟建分散式风电场区域的等高线地图和高程数据，建立拟建分散式风电场区域的地形图；(5)根据风速数据、风向数据和预选风机的参数，计算测风塔的风切变系数和风轮廓函数，进而计算出尾流损失，得到实际风速，最后算出威布尔分布函数，并发送至风机优化布置计算模块；(6)将风机优化布置计算模块给出的风机布置优化方案中各个风机的坐标设置在拟建分散式风电场区域的地形图的各相应位置上；(7)将布置了风机的拟建分散式风电场区域的地形图传至图形显示模块进行显示；潮流计算模块：每1个小时采集DSP主控制器解析获得的电气量数据；将拟建分散式风电场的节点视作PQ(V)节点，利用依次增加PQ(V)节点容量值的方法，分别进行拟建分散式风电场接入配电网后的多次潮流计算，并将每次的计算结果发送给最大接入容量分析模块，直至接到停止潮流计算命令；最大接入容量分析模块：在每次潮流计算的结果中，当节点电压不位于95～107％U_N范围内或者节点频率不位于49.8～50.2Hz范围内时，则发送停止潮流计算命令至潮流计算模块，并利用本次潮流计算结果，计算出本次拟建分散式风电场允许接入的容量，即当次拟建分散式风电场的最大接入容量，并将该容量传送至DSP控制器；所述U_N表示节点的额定电压；风机优化布置计算模块：用于利用禁忌入侵杂草算法优化布置风机位置，得到风机布置优化方案；图形显示模块：用于对布置了风机的拟建分散式风电场区域的地形图进行显示。

本实施方式中的DSP主控制器采用的是型号为TMS320C6657的DSP，包括两个TMS320C66x^TMDSP内核子系统，每个系统都拥有850MHzC66x定点/浮点CPU内核，多核共享存储器控制器(MSMC)，存储器子系统，多核导航器，硬件加速器等。

本实施方式中位于拟建分散式风电场的数据采集模块用于采集拟建分散式风电场区域内测风塔的10m～80m高度范围内的风速和风向数据。风电场侧场站电力线通信模块(图1中的场站电力线通信模块)与数据采集模块相连，风电场侧场站电力线通信模块将数据采集模块采集的数据进行功率放大后，通过与其相连的风电场侧场站耦合器(图1中的场站耦合器)转变成电力载波信号，并通过电力线路传输至地区调度中心耦合器(图1中的地调耦合器)，经过地区调度中心耦合器滤波后进入地区电网调度中心侧的地调电力线通信模块，地调电力线通信模块与DSP主控制器相连。

如图2所示，数据采集模块中双串口单片机STC2LEA6S2同时与风速传感器、风向传感器、RS232接口，电力线调制解调芯片ES0191，电源模块相连。电力线调制解调芯片ES0191与耦合器、电源模块相连。电力线调制解调芯片ES0191专为电力线通讯网络设计的半双工异步调制解调器。电力线调制解调芯片ES0191可以通过串口和单片机STC2LEA6S2通信。STC2LEA6S2将满足DL/T645规约的指令和数据，通过串口发送给ES0191，ES0191则通过电力线将数据发送出去。当ES0191从电力线上接收到发给自己的数据时，将数据收下，并将数据通过串口发送给STC2LEA6S2。

数据采集模块中位于2个不同高度处的风速与风向传感器每15min采集1次数据，双串口单片机STC2LEA6S2不断发送握手协议将电力线调制解调芯片ES0191置于握手模式后经过场站耦合器将数据送入电力线，形成载波信号后经过电力线路传送到地调耦合器，滤波后通过电力线通信模块提取电力载波信号并发送给TMS320C6657串口的解析程序进行数据解析，STC2LEA6S2、ES0191芯片的工作电源来自电源模块。通过RS232串口将所编写的程序下载进入STC2LEA6S2。

本实施方式中与地区电网调度中心进行安全隔离的安全隔离装置与防火墙模块与异步通信模块相连，用于地区调度中心与DSP主控制器通信的异步通信模块通过电平转换单元与DSP主控制器相连，DSP主控制器对于接收实施控制区即安全I区的地区电网调度中心D5000系统发送来的拟建分散式风电场接入配电网的所有节点的负荷、电压、功率电气量信息，并通过DSP主控制器中预先写入的数据解析程序解析以后存放到与DSP主控制器相连的内存扩展单元。

如图3所示，安全隔离模块具有3个封闭的用于监控信息的内网LAN1～LAN3接口、3个用于信息传递的外网LAN4～LAN6接口。主板1与主板2上的6个接口间的信息传递需要进行审核，通过非网络连接的三个双口RAM来实现。安全隔离装置与防火墙模块只允许调度数据内网的数据向TMS320C6657型DSP进行单向传输。

如图4所示，异步通信模块中RS-232端(DB9母头/孔型)2、7、3、8引脚分别与串行接口芯片SP3232E的T2OUT、R1IN、R2IN、T1OUT相连。SP3232E的T1IN、R1OUT、T2IN、T2OUT分别与通信芯片TL16C552AM的SOUTO、SINO相连。

异步通信模块将从位于实时控制区的地区电网调度中心D5000中能量管理系统(EMS)采集的拟接入的配电网的节点至少1年的负荷、电压、有功、无功电气量信息，通过RS-232端(DB9母头/孔型)送给电平转换单元SP3232E收发器后，经过TL16C552AM通信芯片将采集的串行数据转换成并行数据传送给位于生产管理区即安全III区的TMS320C6657型DSP主控制器，TMS320C6657型DSP主控制器再利用IEC-870-5-104通讯规约进行负荷、电压、有功、无功电气量数据解析后存储到TMS320C6657型DSP主控制器外接的内存扩展模块。

本实施方式中地形图处理模块与用于网络电气隔离的网络隔离变压器相连，如图1所示，网络隔离变压器与用于以太网数据收发的收发器相连，收发器通过RJ45接口与TMS320C6657型DSP主控制器相连，用于将从地形图处理模块接收到的等高线地图和高程数据送给TMS320C6657型DSP主控制器处理。其中收发器采用的是千兆以太网物理层自适应收发器88E1112PHY芯片；如图5所示，TMS320C6657型DSP主控制器中的MDIO、SGMII模块与88E1112PHY芯片共有的引脚SGMII_RXN与SGMII_RXP、SGMII_TXN与SGMII_TXP对应相连，它们分别是SGMII的一对差分接收信号线、一对差分发送信号线；MDCLK为管理数据时钟，该时钟信号由TMS320C6657片上的MDIO模块提供，用于同步MDIO管脚上的数据；MDIO为管理数据线，以向88E1112PHY芯片写入或读出数据帧的形式对88E1112PHY芯片进行配置。图形处理模块可以根据整个拟建分散式风电场区域的经纬坐标通过因特网获取对应的SRTM或GDEM数据文件并处理生成对应的拟建分散式风电场区域的等高线地图和高程数据，处理后的数据信息通过连接RJ45接口的串口线，在隔离变压器的电气隔离作用下经过支持IEEE802.3标准，支持10/100/1000Mb/s全双工数据传输的88E1112PHY芯片接收后发送给TMS320C6657DSP主控制器的MDIO模块和SGMII模块。

采用本实施方式的分散式风电场风机优化布置系统的分散式风电场风机优化布置方法，如图6所示，包括如下步骤：

步骤1：确定拟建分散式风电场区域，根据当地的风能资源情况、配电网的网络结构和负荷特性，确定拟建分散式风电场吗，接入配电网的位置、容量及风机数量；

步骤1-1：根据当地的风能资源情况和电网接入条件，宏观确定一片区域，作为拟建分散式风电场区域；本实施方式确定的拟建分散式风电场位于东经121°，北纬41°。地形为海拔高度120～340m的丘陵。

步骤1-2：根据拟建分散式风电场区域的经纬坐标，找到对应的SRTM或GDEM数据文件，利用GlobalMapper软件处理生成拟建分散式风电场区域的地形图；

步骤1-3：从D5000系统接收并解析出拟建分散式风电场拟接入配电网的所有节点的电气量信息数据；本实施方式中利用RJ45接口通过安全隔离装置连接的地区调度中心的交换机，采用UDP(或TCP/IP)协议与位于电力安全生产I区的D5000建立连接进行数据传输。本实施方式中基于IEC-870-5-104通讯规约对D5000采集来的数据进行解析，并将拟接入分散式风电配电网的负荷、有功、无功等电气量存储在数据库中，要采集至少1年的数据。

步骤1-4：根据该地区的配电网系统的网络结构、常规机组的旋转备用水平、负荷特性、无功补偿状况，确定拟建分散式风电场接入配电网的末端位置及联结方式；

步骤1-5：根据拟建分散式风电场接入的配电网网络结构、常规机组的旋转备用水平情况，利用C#.net建立等效的系统网络参数模型，结合步骤1-3采集的电气量数据，将拟建分散式风电场的节点视作PQ(V)节点，利用依次增加PQ(V)节点容量值的方法，分别进行拟建分散式风电场接入配电网后的多次潮流计算；

步骤1-6：对于每次的潮流计算，当并网点(POI,pointofincorporation)电压不位于95～107％U_N范围内或者并网点频率不位于49.8～50.2Hz范围内时，则利用当次潮流计算结果，计算当次拟建分散式风电场的最大接入容量，将一年中经过的至少8760(365天*24小时)次计算的最大接入容量进行加权修改正后得到整个拟建分散式风电场接入配电网的容量S_WF：本实施方式中整个拟建分散式风电场接入配电网的容量为23MW。

$S_{WF}=\frac{1}{T_{cal}-2}\underset{1}{\overset{T_{cal}-2}{\Σ}}\frac{S_i\left(\frac{1}{D_i^o}+\frac{1}{D_{i+1}^o}\right)+S_{i+1}\left(\frac{1}{D_{i+1}^o}+\frac{1}{D_{i+2}^o}\right)+S_{i+2}\left(\frac{1}{D_{i+2}^o}+\frac{1}{D_i^o}\right)}{2\×\left(\frac{1}{D_i^o}+\frac{1}{D_{i+1}^o}+\frac{1}{D_{i+2}^o}\right)}---\left(1\right)$

式中：T_cal为总的潮流计算次数；S_i、S_i+1、S_i+2为第i、i+1、i+2次的潮流计算得出的拟建分散式风电场接入配电网的容量；分别为S_i与S_i+1差值的绝对值、S_i+1与S_i+2差值的绝对值、S_i与S_i+2差值的绝对值；o为加权修正次数，为自然数；

步骤1-7：根据整个拟建分散式风电场接入配电网的容量S_WF，结合预选风机机型，确定整个拟建分散式风电场中可进行风机布置的数量N；本实施方式选用的是1.5MW的风机，图7显示了选用的1.5MW风机的功率曲线。结合本实施方式中整个拟建分散式风电场接入配电网的容量为23MW，从而确整个拟建分散式风电场中可进行风机布置的数量为15台；

考虑升压站站址距66kV的现有变电站约3km。为节省投资，考虑送电线路一次建成，由该风电场升压站新建一回长约3km、采用2*LGJ-240导线的35kV线路至66kV变电所35kV侧来实现接入当地配电网。风电场各高度风能资源指标均已达到(GB/T18710-2002)4级标准，有部分指标已达到5～6级的标准，风能资源丰富。平均空气密度为1.229kg/m³。用于研究的4极、三叶片、水平轴、上风向的风力发电机，其主要的技术参数如表1所示：

表1风力发电机组技术参数

名称	值	名称	值
				额定功率kW	1500	静态转轮转速转/分	17.4
起动风速m/s	3	运行转速范围转/分	9.7～19.5
				停机风速m/s	25	叶轮倾角度	5
额定风速m/s	10.5	叶片长度m	40.25
				极限风速(3s均值)m/s	52.5	转速比	100.75
轮毂高度m	65	额定电压V	690
				计算寿命年	20	额定电流A	1118
叶轮直径m	82.76	功率因数范围	-0.98～0.98

步骤2：在拟建分散式风电场区域至少立一台测风塔，计算测风塔的风切变系数和风轮廓函数，进而计算出尾流损失，得到实际风速，最后算出威布尔分布函数；

步骤2-1：在拟建分散式风电场区域至少立一台测风塔，采集测风塔两个不同高度处至少1年的风速数据和风向数据；

根据70m高度上的平均风速的湍流强度并结合50年一遇最大风速值，采用表1及图7所示技术参数及功率曲线的风力发电机。本实施方式采集测风塔的主要高度的1年以上的平均风数据如表2。各高度均能达到6600h以上的年有效风力小时数。

表2测风塔的平均风速及风功率密度

高度m	平均风速m/s	风功率密度W/m2	高度m	平均风速m/s	风功率密度W/m2
						70	7.26	442.3	30	7.08	403.3
50	7.05	406.9	10	6.76	369.1

步骤2-2：利用步骤2-1得到的数据，计算测风塔处的风切变系数为：

$\mathrm{\α}=\frac{\ln (u_2/u_1)}{\ln (h_2/h_1)}---\left(2\right)$

式中，u₁和u₂分别为测风塔h₁高度处的平均风速和测风塔h₂高度处的平均风速；

步骤2-3：由风切变系数，确定测风塔的风轮廓函数，由式(3)表示；

v_h＝mh^α(3)

式中，v_h代表测风塔h高度处的风速；m为修正系数；

步骤2-4：根据测风塔的风轮廓函数，利用式(4)计算出每个风机周围的尾流损失K，进而得到风机轮毂高度处的实际风速v′_h；本实施方式利用一种新的尾流模型计算出每个风机周围的尾流损失，进而对风机轮毂高度处的风速进行评估。如图8，考虑到Jensen尾流模型未能很好反映实际风尾流状况的的缺点，本实施方式应用质量守恒定律和动量定理得出来风经过风机以后的风速损失符合高斯分布，这种新的更精确的分析尾流损失K可以计算为：

$\begin{array}{c}K=\frac{\mathrm{\Δ}v}{v_h}=\left(1-\sqrt{1-\frac{C_T}{8{\left(k^{*}\mathrm{\δ}/D+0.2\sqrt{\left(1+\sqrt{1-C_T}\right)/\sqrt{2\left(1-C_T\right)}}\right)}^2}}\right)\\ \×\exp \left(-\frac{1}{2{\left(k^{*}\mathrm{\δ}/D+0.2\sqrt{\left(1+\sqrt{1-C_T}\right)/\left(2\sqrt{1-C_T}\right)}\right)}^2}\left\{{\left(\frac{z-z_h}{D}\right)}^2+{\left(\frac{y}{D}\right)}^2\right\}\right)\end{array}---\left(4\right)$

v′_h＝v_h·(1-k)(5)

其中C_T是风机的推力系数；D表示风机叶片的直径；δ表示顺风距离，即当前该风机与其后面的被该风机挡风的风机之间的距离；y，z表示对应的当前该风机的水平坐标和垂直坐标；Z_h为风机的轮毂高度，k^*表示尾流增长率；Δv为由尾流效应造成的风速损失；

步骤2-5：利用步骤2-4得到的风机轮毂高度h处的风速v′_h，即测风塔h高度处的风速，求取威布尔分布函数；

威布尔分布函数f(v′_h)为表示为：

$f\left({\mathrm{\ν}}_h^{\′}\right)=\left(\frac{k}{c}\right)\·{\left(\frac{{\mathrm{\ν}}_h^{\′}}{c}\right)}^{k-1}\·\exp \[-{\left(\frac{{\mathrm{\ν}}_h^{\′}}{c}\right)}^k\]---\left(6\right)$

其中c和k分别为威布尔的尺度参数和形状参数；k表示为：

$k={\left(\frac{\mathrm{\σ}}{\stackrel{\‾}{v}}\right)}^{-1.086}---\left(7\right)$

c反映该风电场的平均风速，表示为：

$c=\frac{\stackrel{\‾}{v_h^{\′}}}{\mathrm{\Γ}\left(1+1/k\right)}---\left(8\right)$

其中Γ为伽玛函数；为风机轮毂处的平均风速；σ为标准差；

针对测风塔至少2个不同高度至少1年以上的风数据进行分析，确定其各个分区的频率百分比、威布尔参数、平均风速及风功率密度等数据，如图9右下部分所示的内容，在图9右上部分显示整个测风塔70m高度处威布尔概率分布曲线，结合频率百分比在左上部分生成了频率风玫瑰图，由图9可见整个风场的主导风向在NNW～NNE之间，因此布置时要考虑到在主导风向分布多一些机组，左下部分显示了与风玫瑰图相对应粗糙度和障碍物描述模块。如图10所示，根据测风塔采集的风的信息生成的各个分区的风速和相应频率的风玫瑰图。

步骤3：建立风机优化布置的约束条件和目标函数；

步骤3.1：建立风机优化布置的约束条件，包括：

1)由于分散式风电的接入点不像传统集中式的大风电那样可以策划，往往直接T接到输电线路末端的馈线或母线上，必须考虑到变电站这一约束条件，风机接入变电站的线路长度需满足的条件为：

L_min≤L_line≤L_max(9)

其中Lmin、Lmax分别为待选风机安装点距接入现有配电网中变电站线路的最短距离和最长距离；

2)布置时下游风机受上游风机尾流效应的影响，在不同的风向上，风机之间的间距约束为:

(x_i-x_j)²+(y_i-y_j)²≥(PD)²(10)

其中(x_i,y_i)、(x_j,y_j)分别为上游风机坐标和下游风机坐标；在垂直于主导风向上，P取4.5；有下风向风机时，P取5；若考虑风电场场地尺寸限制并结合计算结果，P可在3～6之间变化取值；

3)布置时考虑到风电场区域中的土壤条件状况，待选风机安装点的土壤承载力约束为：

F_s+η_bλ(b-3)+η_dλ_m(d-0.5)≥F_wto(11)

其中F_s为土壤承载力标准值，η_b、η_d分别为风机安装位置区域宽度和深度修正系数，λ为基底下土的重度，λ_m风机安装位置区域上土的加权平均重度，b为风机安装位置区域宽度，d为风机安装位置区域深度；F_wto为风机正常安全运行时需要的最小的土壤承受力，根据预选风机型号确定；

4)考虑到湍流强度对机组疲劳，进而与机组的结构和寿命安全直接相关。机组中塔筒承受的载荷是最大的，机组中塔筒承受的风载应满足的约束为：

F_wtt≥0.613·γ_s·γ_h·v_h·S(12)

其中γ_s、γ_h分别为风载荷形状、高度参数；S为塔筒结构垂直于风向的面积；F_wtt为机组塔筒承受的风载；

步骤3-2：建立风机优化布置的目标函数：

${\mathrm{obj}}_{WF}\left(x\right)=\[-E_{ii}\left(x\right)+\underset{t=0}{\overset{T}{\Σ}}\frac{{\left(AEP\·p+I_{CDM}\left(x\right)-E_{om}\left(x,t\right)\right)}_t}{{\left(1+i\right)}^t}\]\frac{i{\left(1+i\right)}^T}{{\left(1+i\right)}^T-1}---\left(13\right)$

式中：E_ii(x,t)为初始投资成本，包括电缆等投资且必须考虑变电站的影响；AEP为整个风电场的每年所有机组年发电量；p为每千瓦时的出售价格；I_CDM(x)清洁能源发展机制产生的环境效益；E_om(x,t)为分散式风电场的年运行和维护成本；i为折现率，一般取为基准折现率；T为分散式风电场使用寿命；t为风机投入运行的第几年；x表示风机数量；

对于风电场初始建设投资成本E_ii(x)可以计算为：

E_ii(x)＝E_cp(x)+E_ce(x)+E_cc(x)+E_ci(x)+E_co(x)(14)

式中：E_cp(x)为所有风电机组的采购成本；E_ce(x)为风电场电力基础设施的成本；E_cc(x)为土建工作的支出费用；E_ci(x)为安装和运输成本，E_co(x)为其他费用。

分散式风电场的年运行和维护成本E_om(x,t)可以计算为：

E_om(x,t)＝(E_sc(x,t)+E_ss(x,t)+E_sn(x,t)+E_st(x,t))_·t(15)

其中，E_sc(x,t)为每年的折旧费用，E_ss(x,t)每年运营和每年的维修费用，E_sn(x,t)每年的并入电力系统的额外费用，E_st(x,t)每年度纳税金额。

步骤4：利用禁忌入侵杂草算法优化布置风机位置，得到风机布置优化方案；

步骤4-1：确定拟建分散式风电场的预选风机参数、最大种群数M、维数D、最大迭代次数和禁忌表长度；利用风机优化布置模块，对15台风电机组进行布置，图5左下部分加载了风机技术参数以后的生成的风机出力曲线及推力系数，可见其切入风速为3m/s，切出风速为25m/s，额定风速10.5m/s。利用禁忌入侵杂草算法对所在区域进行风电机组的布置，设置最大种群规模为15、维数为2、最大迭代次数为200、设定禁忌表长度15，初始标准差300，最终标准差0.0001，最大种子数20，最小种子数0。

步骤4-2：置空禁忌表，随机初始化杂草个体位置，每个杂草个体的位置代表风机坐标的候选解；在拟建风电场区域2维搜索空间内随机产生10个风机位置的坐标可行解。

步骤4-3：在拟建分散式风电场区域D维搜索空间内随机产生n个风机位置的坐标可行解，其中n小于等于最大种群数M；

步骤4-4：判断风机位置的坐标可行解是否满足约束条件，是，则执行步骤4-5，否，则执行步骤4-3；

步骤4-5：求取风机的年发电量AEP；

年发电量表示为：

$AEP=T_{ef}{\∫}_{v_{ci}}^{v_{co}}0.5C_p{\mathrm{\ρSv}}^{2}f\left(v_h^{\′}\right)d\mathrm{\ν}---\left(16\right)$

其中T_ef为该风机的年有效利用小时数；C_p为风能利用系数，ρ为空气密度，S为风轮的扫风面积；v_ci为每小时风机轮毂高度处实际风速的初始值；v_co为每小时风机轮毂高度处实际风速的结束值；

步骤4-6：根据风机的年发电量AEP，确定每一个杂草个体的目标函数值；

步骤4-7：在入侵杂草算法中，假定所有杂草通过无性繁殖的方式产生种子；根据杂草个体的目标函数值，计算繁殖种子的数量，并限定最大种子数和最小种子数，杂草个体可产生的种子数根据种子适应度值由最小值到最大值线性变化；具体计算方法如下式：

$W_n=W_{\min }+Floor\left(\frac{f_k-f_{\min }}{f_{max}-f_{\min }}(W_{max}-W_{min})\right)---\left(17\right)$

式中：W_n为某杂草个体产生的种子数；W_min和W_max分别为设定的杂草个体可以产生种子数的最小和最大值；f_k为某个体的适应度值；f_max和f_min分别为当前种群中杂草个体适应度的最大值和最小值；Floor为向下取整函数；

步骤4-8：产生的杂草种子以正态分布N(0，σ²)在母体周围的D维空间内随机扩散；第i个杂草产生的第W个种子的位置为：

X_i,W＝X_i+N(0,σ²),W_min≤W≤W_max(18)

其中，X_i,W为第i个杂草产生的第W个种子的位置；X_i第i个杂草的位置；在进化过程中，标准差σ随着进化代数的增加，σ逐渐减小，其变化规律为：

${\mathrm{\σ}}_g={\left(\frac{I_{g\max }-I_g}{I_{g\max }}\right)}^q({\mathrm{\σ}}_{\mathrm{int}ial}-{\mathrm{\σ}}_{final})+{\mathrm{\σ}}_{final}---\left(19\right)$

其中：σ_g为当前样本适应度的标准差，其中适应度就是目标函数值；I_g为当前进化代数；I_gmax为最大进化代数；σ_intial、σ_final分别为标准差的初始值与终值；q为非线性调节因子，一般取q＝3；

步骤4-9：判断种子的位置即候选风机坐标点，是否满足约束条件，是，则执行步骤4-10，否，则执行步骤4-8；

步骤4-10：利用适应度的样本标准差来判断入侵杂草算法是否早熟，当相邻2次杂草进行繁殖扩散操作产生的样本标准差符合下式时，认为禁忌入侵杂草算法趋向于早熟了，若是，则执行步骤4-11；若否，则判断个体数量是否超过最大种群数M：是，则取前M个目标函数值最大的母体及种子，转至步骤4-5，否，则转至步骤4-5；

$\left|\frac{{\mathrm{\σ}}_t-{\mathrm{\σ}}_{t-1}}{{\mathrm{\σ}}_{t-1}}\right|\≤0.01---\left(20\right)$

式中：σ_t为杂草进行繁殖扩散操作后形成的第t代样本个体适应度的标准差值；σ_t-1为上一次杂草进行繁殖扩散操作后形成的第t-1代的种群标准差的值；

步骤4-11：引入禁忌搜索，对每个含有风机坐标信息的种子个体进行禁忌搜索操作，最终输出最优解；具体包括：

步骤a，首先利用当前全局极值的邻域函数产生一定数目的邻域解，从邻域中选取适应度最优的解作为若干候选解；

步骤b，判断每个候选解是否满足特赦准则，若满足，则用此候选解代替当前最好个体解Y_best，并更新禁忌表，更新历史最优解，转至步骤d；否则进行下一步。

步骤c，判断各候选解是否在禁忌表中，是，则转至步骤a，重新选取候选解；若不在，则选择未被禁忌的杂草个体中的最佳个体替代当前解，按照先进先出的原则，将与个体对应的禁忌对象加入禁忌表，舍弃最早进入禁忌表的禁忌对象，转至步骤d；

步骤d，判断是否达到最大迭代次数或满足收敛条件，是，则输出最优解；否，则转到步骤a；

步骤4-12：根据输出的最优解，确定1台风机的坐标位置，利用C#.net和ArcgisEngine在拟建风场的地形图中增加1台风机的坐标位置；

步骤4-13：判断风机的数量是否满足达到整个风场允许安装的数量N，若满足，则将各个风机的坐标设置在拟建分散式风电场区域的地形图的各相应位置上，否则，则转到步骤4-3；

步骤5：根据拟建分散式风场区域的现场勘测情况，结合工程经验对机位进行微调，并将最终的布置了风机的拟建分散式风电场区域的地形图进行显示。

图11为本发明方法某次寻找的最佳风机位置示意图。图12为最终输出的含风机坐标的地形图，由图可见，机组大部分位于主流风向，且与现有变电站的总的连接线路的较短。实现了对风电机组的优化布置。

Claims (7)

1.一种分散式风电场风机优化布置系统，包括：

数据采集模块：用于获得拟建分散式风电场区域内测风塔的任意两个不同高度处的风速数据和风向数据，并将获得的数据均传送给DSP控制器；

地形图数据获取模块：用于根据SRTM数据或GDEM数据得到拟建分散式风电场区域的等高线地图和高程数据，并将该等高线地图和高程数据传送给DSP控制器；

DSP控制器：(1)从D5000系统接收拟建分散式风电场接入配电网的电气量信息数据并进行存储，同时将所述电气量信息数据送入潮流计算模块；所述电气量信息，包括配电网系统的网络结构、常规机组的旋转备用水平、负荷特性、无功补偿状况；(2)将从最大接入容量分析模块接收的多次拟建分散式风电场的最大接入容量进行加权修正后得到整个拟建分散式风电场接入配电网的容量；(3)根据整个拟建分散式风电场接入配电网的容量及预选风机的型号，确定拟建分散式风电场中风机布置的数量，并将该数量传送至风机优化布置计算模块(4)根据拟建分散式风电场区域的等高线地图和高程数据，建立拟建分散式风电场区域的地形图；(5)根据风速数据、风向数据和预选风机的参数，计算测风塔的风切变系数和风轮廓函数，进而计算出尾流损失，得到实际风速，最后算出威布尔分布函数，并发送至风机优化布置计算模块；(6)将风机优化布置计算模块给出的风机布置优化方案中各个风机的坐标设置在拟建分散式风电场区域的地形图的各相应位置上；(7)将布置了风机的拟建分散式风电场区域的地形图传至图形显示模块进行显示；

潮流计算模块：将拟建分散式风电场的节点视作PQ(V)节点，利用依次增加PQ(V)节点容量值的方法，分别进行拟建分散式风电场接入配电网后的多次潮流计算，并将每次的计算结果发送给最大接入容量分析模块，直至接到停止潮流计算命令；

最大接入容量分析模块：对于每次的潮流计算，当并网点电压位于95～107％U_N范围之外或者并网点频率位于49.8～50.2Hz范围之外时，则发送停止潮流计算命令至潮流计算模块，并利用本次潮流计算结果，计算出本次拟建分散式风电场允许接入的容量，即当次拟建分散式风电场的最大接入容量，并将该容量传送至DSP控制器；所述U_N表示节点的额定电压；

风机优化布置计算模块：用于根据风机优化布置的约束条件和目标函数，结合威布尔分布函数，利用禁忌入侵杂草算法优化布置风机位置，得到风机布置优化方案；

图形显示模块：用于对布置了风机的拟建分散式风电场区域的地形图进行显示。

2.采用权利要求1所述的分散式风电场风机优化布置系统的分散式风电场风机优化布置方法，其特征在于：包括如下步骤：

步骤1：确定拟建分散式风电场区域，根据当地的风能资源情况、配电网的网络结构和负荷特性，确定拟建分散式风电场接入配电网的位置、容量及风机数量；

步骤2：在拟建分散式风电场区域至少立一台测风塔，计算测风塔的风切变系数和风轮廓函数，进而计算出尾流损失，得到实际风速，最后算出威布尔分布函数；

步骤3：建立风机优化布置的约束条件和目标函数；

步骤4：根据风机优化布置的约束条件和目标函数，结合威布尔分布函数，利用禁忌入侵杂草算法优化布置风机位置，得到风机布置优化方案；

步骤5：根据拟建分散式风场区域的现场勘测情况，结合工程经验对机位进行微调，并将最终的布置了风机的拟建分散式风电场区域的地形图进行显示。

3.根据权利要求2所述的分散式风电场风机优化布置方法，其特征在于：所述步骤1包括如下步骤：

步骤1-1：根据当地的风能资源情况和电网接入条件，宏观确定一片区域，作为拟建分散式风电场区域；

步骤1-2：根据拟建分散式风电场区域的经纬坐标，找到对应的SRTM或GDEM数据文件，并处理生成拟建分散式风电场区域的地形图；

步骤1-3：从D5000系统接收并解析出拟建分散式风电场拟接入配电网的电气量信息数据；所述电气量信息，包括配电网系统的网络结构、常规机组的旋转备用水平、负荷特性、无功补偿状况；

步骤1-4：根据该地区的配电网系统的网络结构、常规机组的旋转备用水平、负荷特性、无功补偿状况，确定拟建分散式风电场接入配电网的末端位置及联结方式；

步骤1-5：根据拟建分散式风电场接入的配电网网络结构、常规机组的旋转备用水平情况，建立等效的系统网络参数模型，结合步骤1-3采集的电气量数据，将拟建分散式风电场的节点视作PQ(V)节点，利用依次增加PQ(V)节点容量值的方法，分别进行拟建分散式风电场接入配电网后的多次潮流计算；

步骤1-6：对于每次的潮流计算，当并网点电压位于95～107％U_N范围之外或者并网点频率位于49.8～50.2Hz范围之外时，则利用当次潮流计算结果，计算当次拟建分散式风电场的最大接入容量，将多次计算的最大接入容量进行加权修正后得到整个拟建分散式风电场接入配电网的容量S_WF：

$S_{WF}=\frac{1}{T_{cal}-2}\underset{1}{\overset{T_{cal}-2}{\mathrm{\Σ}}}\frac{S_i(\frac{1}{D_i^o}+\frac{1}{D_{i+1}^o})+S_{i+1}(\frac{1}{D_{i+1}^o}+\frac{1}{D_{i+2}^o})+S_{i+2}(\frac{1}{D_{i+2}^o}+\frac{1}{D_i^o})}{2\×(\frac{1}{D_i^o}+\frac{1}{D_{i+1}^o}+\frac{1}{D_{i+2}^o})}---\left(1\right)$

式中：T_cal为总的潮流计算次数；S_i、S_i+1、S_i+2为第i、i+1、i+2次的潮流计算得出的拟建分散式风电场接入配电网的容量；分别为S_i与S_i+1差值的绝对值、S_i+1与S_i+2差值的绝对值、S_i与S_i+2差值的绝对值；o为加权修正次数，为自然数；

步骤1-7：根据整个拟建分散式风电场接入配电网的容量S_WF，结合预选风机机型，确定整个拟建分散式风电场中可进行风机布置的数量N。

4.根据权利要求2所述的分散式风电场风机优化布置方法，其特征在于：所述步骤2包括如下步骤：

步骤2-1：在拟建分散式风电场区域至少立一台测风塔，采集测风塔两个不同高度处一段时间内的风速数据和风向数据；

步骤2-2：利用步骤2-1得到的数据，计算测风塔处的风切变系数；

步骤2-3：由风切变系数，确定测风塔的风轮廓函数，由式(3)表示；

v_h＝mh^α(3)

式中，v_h代表测风塔h高度处的风速；m为修正系数；α为测风塔处的风切变系数；

步骤2-4：根据测风塔的风轮廓函数，利用式(4)所示的尾流模型计算出每个风机周围的尾流损失K，进而通过式(5)得到风机轮毂高度处的实际风速v′_h；

$\begin{array}{c}K=\frac{\mathrm{\Δ}v}{v_h}=(1-\sqrt{1-\frac{C_T}{8{(k^{*}\mathrm{\δ}/D+0.2\sqrt{(1+\sqrt{1-C_T})/\left(2\sqrt{1-C_T}\right)})}^2}})\\ \×\exp (-\frac{1}{2{(k^{*}\mathrm{\δ}/D+0.2\sqrt{(1+\sqrt{1-C_T})/\left(2\sqrt{1-C_T}\right)})}^2}\{{\left(\frac{z-z_h}{D}\right)}^2+{\left(\frac{y}{D}\right)}^2\left\}\right)\end{array}---\left(4\right)$

v′_h＝v_h·(1-K)(5)

其中C_T是风机的推力系数；D表示风机叶片的直径；δ表示顺风距离，即当前该风机与其后面的被该风机挡风的风机之间的距离；y，z表示对应的当前该风机的水平坐标和垂直坐标；Z_h为风机的轮毂高度，k^*表示尾流增长率；Δv为由尾流效应造成的风速损失；

步骤2-5：利用步骤2-4得到的风机轮毂高度h处的风速v′_h，即测风塔h高度处的风速，求取威布尔分布函数。

5.根据权利要求2所述的分散式风电场风机优化布置方法，其特征在于：所述步骤3包括如下步骤：

步骤3.1：建立风机优化布置的约束条件，包括：

1)风机接入变电站的线路长度需满足的条件为：

L_min≤L_line≤L_max(9)

其中Lmin、Lmax分别为待选风机安装点距接入现有配电网中变电站线路的最短距离和最长距离；

2)在不同的风向上，风机之间的间距约束为:

(x_i-x_j)²+(y_i-y_j)²≥(PD)²(10)

其中(x_i,y_i)、(x_j,y_j)分别为上游风机坐标和下游风机坐标；在垂直于主导风向上，P取4.5；有下风向风机时，P取5；若考虑风电场场地尺寸限制并结合计算结果，P可在3～6之间变化取值；

3)待选风机安装点的土壤承载力约束为：

F_s+η_bλ(b-3)+η_dλ_m(d-0.5)≥F_wto(11)

其中F_s为土壤承载力标准值，η_b、η_d分别为风机安装位置区域宽度和深度修正系数，λ为基底下土的重度，λ_m风机安装位置区域上土的加权平均重度，b为风机安装位置区域宽度，d为风机安装位置区域深度；F_wto为风机正常安全运行时需要的最小的土壤承受力，根据预选风机型号确定；

4)机组中塔筒承受的风载应满足的约束为：

F_wtt≥0.613·γ_s·γ_h·v_h·S(12)

其中γ_s、γ_h分别为风载荷形状、高度参数；S为塔筒结构垂直于风向的面积；F_wtt为机组塔筒承受的风载；

步骤3-2：建立风机优化布置的目标函数：

${\mathrm{obj}}_{WF}\left(x\right)=\[-E_{ii}\left(x\right)+\underset{t=0}{\overset{T}{\Σ}}\frac{{(AEP\·p+I_{CDM}(x)-E_{om}(x,t\left)\right)}_t}{{(1+i)}^t}\]\frac{i{(1+i)}^T}{{(1+i)}^T-1}---\left(13\right)$

式中：E_ii(x,t)为初始投资成本，包括电缆等投资且必须考虑变电站的影响；AEP为整个风电场的每年所有机组年发电量；p为每千瓦时的出售价格；I_CDM(x)为清洁能源发展机制产生的环境效益；E_om(x,t)为分散式风电场的年运行和维护成本；i为折现率，一般取为基准折现率；T为分散式风电场使用寿命；t为风机投入运行的第几年；x表示风机数量。

6.根据权利要求2所述的分散式风电场风机优化布置方法，其特征在于：所述步骤4包括如下步骤：

步骤4-1：确定拟建分散式风电场的预选风机参数、最大种群数M、维数D、最大迭代次数和禁忌表长度；

步骤4-2：置空禁忌表，随机初始化杂草个体位置，每个杂草个体的位置代表风机坐标的候选解；

步骤4-3：在拟建分散式风电场区域的D维搜索空间内随机产生n个风机位置的坐标可行解，其中n小于等于最大种群数M；

步骤4-4：判断风机位置的坐标可行解是否满足约束条件，是，则执行步骤4-5，否，则执行步骤4-3；

步骤4-5：利用威布尔分布函数f(v′_h)，求取风机的年发电量AEP；

年发电量表示为：

$AEP=T_{ef}{\∫}_{v_{ci}}^{v_{co}}0.5C_p{\mathrm{\ρSv}}^{3}f\left(v_h^{\′}\right)dv---\left(16\right)$

其中T_ef为该风机的年有效利用小时数；C_p为风能利用系数，ρ为空气密度，S为风轮的扫风面积；v_ci为每小时风机轮毂高度处实际风速的初始值；v_co为每小时风机轮毂高度处实际风速的结束值；

步骤4-6：根据风机的年发电量AEP，确定每一个杂草个体的目标函数值；

步骤4-7：在入侵杂草算法中，假定所有杂草通过无性繁殖的方式产生种子；根据杂草个体的目标函数值，计算繁殖种子的数量，并限定最大种子数和最小种子数，杂草个体可产生的种子数根据种子适应度值由最小值到最大值线性变化；具体计算方法如下式：

$W_n=W_{min}+Floor\left(\frac{f_k-f_{min}}{f_{max}-f_{min}}\right(W_{max}-W_{min}\left)\right)---\left(17\right)$

式中：W_n为某杂草个体产生的种子数；W_min和W_max分别为设定的杂草个体可以产生种子数的最小和最大值；f_k为某个体的适应度值；f_max和f_min分别为当前种群中杂草个体适应度的最大值和最小值；Floor为向下取整函数；

步骤4-8：产生的杂草种子以正态分布N(0，σ²)在母体周围的D维空间内随机扩散；第i个杂草产生的第W个种子的位置为：

X_i,W＝X_i+N(0,σ²),W_min≤W≤W_max(18)

其中，X_i,W为第i个杂草产生的第W个种子的位置；X_i第i个杂草的位置；在进化过程中，标准差σ随着进化代数的增加，σ逐渐减小；

步骤4-9：判断种子的位置即候选风机坐标点，是否满足约束条件，是，则执行步骤4-10，否，则执行步骤4-8；

步骤4-10：利用适应度的样本标准差来判断入侵杂草算法是否早熟，当相邻2次杂草进行繁殖扩散操作产生的样本标准差符合式(20)时，认为禁忌入侵杂草算法趋向于早熟了，若是，则执行步骤4-11；若否，则判断个体数量是否超过最大种群数M：是，则取前M个目标函数值最大的母体及种子，转至步骤4-5，否，则转至步骤4-5；

$\left|\frac{{\mathrm{\σ}}_t-{\mathrm{\σ}}_{t-1}}{{\mathrm{\σ}}_{t-1}}\right|\≤0.01---\left(20\right)$

式中：σ_t为杂草进行繁殖扩散操作后形成的第t代样本个体适应度的标准差值；σ_t-1为上一次杂草进行繁殖扩散操作后形成的第t-1代的种群标准差的值；

步骤4-11：引入禁忌搜索，对每个含有风机坐标信息的种子个体进行禁忌搜索操作，最终输出最优解；

步骤4-12：根据输出的最优解，在拟建分散式风电场的地形图中增加1台风机的坐标位置；

步骤4-13：判断风机的数量是否满足达到整个风场允许安装的数量N，若满足，则将各个风机的坐标设置在拟建分散式风电场区域的地形图的各相应位置上，否则，则转到步骤4-3。

7.根据权利要求6所述的分散式风电场风机优化布置方法，其特征在于：所述步骤4-11包括如下步骤：

步骤a，首先利用当前全局极值的邻域函数产生一定数目的邻域解，从邻域中选取适应度最优的解作为若干候选解；

步骤b，判断每个候选解是否满足特赦准则，若满足，则用此候选解代替当前最好个体解Y_best，并更新禁忌表，更新历史最优解，转至步骤d；否则进行下一步；

步骤c，判断各候选解是否在禁忌表中，是，则转至步骤a，重新选取候选解；若不在，则选择未被禁忌的杂草个体中的最佳个体替代当前解，按照先进先出的原则，将与个体对应的禁忌对象加入禁忌表，舍弃最早进入禁忌表的禁忌对象，转至步骤d；

步骤d，判断是否达到最大迭代次数或满足收敛条件，是，则输出最优解；否，则转到步骤a。