大型海上风电集群风机排布优化方法及系统

权利要求书： 1.一种大型海上风电集群风机排布优化方法，其特征在于，包括：S1：将大型风电集群区域以平移拼接的方式划分为多个小型风电场区域，每个小型风电场的形状和内部风机排布方式相同；

S2：从所述大型风电集群中确定规模小于所述大型风电集群的中型风电场作为优化对象，所述优化对象的形貌与所述大型风电集群的形貌相同，且包含至少一个所述小型风电场；

S3：以使所述优化对象的尾流损失小于第一预设损失值为目标，利用随机搜索算法从风机排布候选点中确定所述小型风电场区域的风机排布；

S4：复制小型风电场的风机排布作为大型风电集群风机排布，计算大型风电集群区域的尾流损失，当大型风电集群区域的尾流损失大于第二预设损失值时，扩大所述优化对象的规模，跳转至步骤S3；当大型风电集群区域的尾流损失小于或等于第二预设损失值时，以当前风机排布作为最优排布。

2.如权利要求1所述的大型海上风电集群风机排布优化方法，其特征在于，所述小型风电场区域呈六边形。

3.如权利要求1所述的大型海上风电集群风机排布优化方法，其特征在于，步骤S3之前，还包括在所述小型风电场区域内筛选所述风机排布候选点，包括：在所述小型风电场区域横纵方向划分若干个等距网格；

从所述等距网格的交叉点中筛选出若干个候选点，相邻候选点之间的最远距离不超过风机直径。

4.如权利要求3所述的大型海上风电集群风机排布优化方法，其特征在于，候选点的分布倾向均匀分布于对应的小型风电场区域内。

5.如权利要求3所述的大型海上风电集群风机排布优化方法，其特征在于，所述等距网格的交叉点的数量超过一万个。

6.如权利要求1所述的大型海上风电集群风机排布优化方法，其特征在于，所述随机搜索算法为遗传算法，所述风机排布候选点的数量为2的幂次个。

7.如权利要求1所述的大型海上风电集群风机排布优化方法，其特征在于，通过计算尾流效率反应尾流损失，其中，

在步骤S3中，以使所述优化对象的尾流效率大于第一预设效率值为目标；

在步骤S4中，当大型风电集群区域的尾流效率小于第二预设效率值时，扩大所述优化对象的规模，跳转至步骤S3；当大型风电集群区域的尾流效率大于或等于第二预设效率值时，以当前风机排布作为最优排布。

8.如权利要求7所述的大型海上风电集群风机排布优化方法，其特征在于，在计算考虑尾流效应的发电量时，先建立二维尾流效应模型，计算每个风机考虑尾流效应的风速，根据风机风速计算考虑尾流效应的发电量；

其中，第 个风机的风速 为：

其中， 和 分别为第 个风机的径向和轴向坐标， 和 分别第 个风机的径向和轴向坐标， 为风机叶片半径， 为风电场的入射风速，是由当地风力条件决定的常数， 是与当地风速和第 个风机型号相关的推力系数， 是尾流效应最大径向影响范围随轴向距离变化的扩张系数， 为第 个风机与第 个风机的距离，k为海水表面摩擦系数。

9.如权利要求8所述的大型海上风电集群风机排布优化方法，其特征在于，在计算发电量时，还建立风机发电模型，设定启动风速、额定风速和切除风速，当风速在启动风速与额定风速之间时，随着风速增大，风机出力指数增大，当风速在额定风速与切除风速之间时，风机满发，当风速超出切除风速或小于启动风速时，风机不发电。

10.一种大型海上风电集群风机排布优化系统，其特征在于，包括：分割单元：用于将大型风电集群区域以平移拼接的方式划分为多个小型风电场区域，每个小型风电场的形状和内部风机排布方式相同；

优化对象初始化单元：用于从所述大型风电集群中确定规模小于所述大型风电集群的中型风电场作为优化对象，所述优化对象的形貌与所述大型风电集群的形貌相同，且包含至少一个所述小型风电场；

风机排布确定单元，用于以使所述优化对象的尾流损失小于第一预设损失值为目标，利用随机搜索算法从风机排布候选点中确定所述小型风电场区域的风机排布；

调整单元，用于复制小型风电场的风机排布作为大型风电集群风机排布，计算大型风电集群区域的尾流损失，当大型风电集群区域的尾流损失大于第二预设损失值时，扩大所述优化对象的规模并触发所述风机排布确定单元重新确定所述小型风电场区域的风机排布；

输出单元，用于当大型风电集群区域的尾流损失小于或等于第二预设损失值时，输出当前风机排布作为最优排布。

说明书： 一种大型海上风电集群风机排布优化方法及系统技术领域[0001] 本发明属于海上风力发电场设计技术领域，更具体地，涉及一种大型海上风电集群风机排布优化方法及系统。

背景技术[0002] 自提出2030年前碳达峰、2060年前碳中和的双碳目标，各级电网积极响应，掀起新能源并网热潮。中国东部海域风力资源丰富，开发潜力巨大，风电场建设规模可达千万千瓦

级。大规模海上风电场集群将容纳上千个风机，尾流效应复杂，排布难度较大，是中国海上

风电场建设和国际学术研究未曾遇到的规模。千万千瓦级风电集群风机数量巨大，尾流影

响复杂，尾流损失较大，直接对风电集群内部所有风机进行最优排布计算，排布所需计算时

间可逾百小时，优化成本较高。因此，需要提出一种既能加快计算速度又能控制尾流损失的

方法以解决大型海上风电集群的风机排布问题。

发明内容[0003] 针对现有技术的以上缺陷或改进需求，本发明提供了一种大型海上风电集群风机排布优化方法及系统，其目的在于解决大型海上风电集群的风机排布优化耗时长、成本高

的技术问题。

[0004] 为实现上述目的，按照本发明的一个方面，提供了一种大型海上风电集群风机排布优化方法，其包括：

S1：将大型风电集群区域以平移拼接的方式划分为多个小型风电场区域，每个小

型风电场的形状和风机排布方式相同；

S2：从所述大型风电集群中确定规模小于所述大型风电集群的中型风电场作为优

化对象，所述优化对象的形貌与所述大型风电集群的形貌相同，且包含至少一个所述小型

风电场；

S3：以使所述优化对象的尾流损失小于第一预设损失值为目标，利用随机搜索算

法从风机排布候选点中确定所述小型风电场区域的风机排布；

S4：复制小型风电场的风机排布作为大型风电集群风机排布，计算大型风电集群

区域的尾流损失，当大型风电集群区域的尾流损失大于第二预设损失值时，扩大所述优化

对象的规模，跳转至步骤S3；当大型风电集群区域的尾流损失小于或等于第二预设损失值

时，以当前风机排布作为最优排布。

[0005] 优选地，所述小型风电场区域呈六边形。[0006] 优选地，步骤S3之前，还包括在所述小型风电场区域内筛选所述风机排布候选点，包括：

在所述小型风电场区域横纵方向划分若干个等距网格；

从所述等距网格的交叉点中筛选出若干个候选点，相邻候选点之间的最远距离不

超过风机直径。

[0007] 优选地，候选点的分布倾向均匀分布于对应的小型风电场区域内。[0008] 优选地，所述等距网格的交叉点的数量超过一万个。[0009] 优选地，所述随机搜索算法为遗传算法，所述风机排布候选点的数量为2的幂次个。

[0010] 优选地，通过计算尾流效率反应尾流损失，其中，在步骤S3中，以使所述优化对象的尾流效率大于第一预设效率值为目标；

在步骤S4中，当大型风电集群区域的尾流效率小于第二预设效率值时，扩大所述

优化对象的规模，跳转至步骤S3；当大型风电集群区域的尾流效率大于或等于第二预设效

率值时，以当前风机排布作为最优排布。

[0011] 优选地，在计算考虑尾流效应的发电量时，先建立二维尾流效应模型，计算每个风机考虑尾流效应的风速，根据风机风速计算考虑尾流效应的发电量；

其中，第 个风机的风速 为：

其中， 和 分别为第 个风机的径向和轴向坐标， 和 分别第 个风机的

径向和轴向坐标，为风机叶片半径， 为风电场的入射风速，是由当地风力条件决定

的常数， 是与当地风速和第 个风机型号相关的推力系数， 是尾流效应最大径向

影响范围随轴向距离变化的扩张系数， 为第 个风机与第 个风机的距离，k为海水

表面摩擦系数。

[0012] 优选地，在计算发电量时，还建立风机发电模型，设定启动风速、额定风速和切除风速，当风速在启动风速与额定风速之间时，随着风速增大，风机出力指数增大，当风速在

额定风速与切除风速之间时，风机满发，当风速超出切除风速或小于启动风速时，风机不发

电。

[0013] 按照本发明的另一方面，提供了一种大型海上风电集群风机排布优化系统，其包括：

分割单元：用于将大型风电集群区域以平移拼接的方式划分为多个小型风电场区

域，每个小型风电场的形状和内部风机排布方式相同；

优化对象初始化单元：用于从所述大型风电集群中确定规模小于所述大型风电集

群的中型风电场作为优化对象，所述优化对象的形貌与所述大型风电集群的形貌相同，且

包含至少一个所述小型风电场；

风机排布确定单元，用于以使所述优化对象的尾流损失小于第一预设损失值为目

标，利用随机搜索算法从风机排布候选点中确定所述小型风电场区域的风机排布；

调整单元，用于复制小型风电场的风机排布作为大型风电集群风机排布，计算大

型风电集群区域的尾流损失，当大型风电集群区域的尾流损失大于第二预设损失值时，扩

大所述优化对象的规模并触发所述风机排布确定单元重新确定所述小型风电场区域的风

机排布；

输出单元，用于当大型风电集群区域的尾流损失小于或等于第二预设损失值时，

输出当前风机排布作为最优排布。

[0014] 总体而言，不同于现有技术中将风电集群整体风机排布作为优化对象，本发明提出一种权衡计算速度与尾流损失的千万千瓦级海上风电场集群排布优化方法。先将风电集

群以平移拼接的方式划分为多个小型风电场，即每个小型风电场的形貌和风机排布相同，

在优化时，在风电集群中确定一个与风电集群形貌相同或相似的中型风电场作为优化对

象，优化对象与风电集群的形貌相同或相似，更够更好地模拟风电集群形状对尾流效应的

影响，对比不考虑形状影响的排列方式尾流损失可相对减小10%以上。优化对象规模可根据

需要变化，且规模越大，尾流损失越小。通过利用规模较小的风电场替换整个风电集群作为

优化对象，可以大大缩短优化时间和成本，然后将优化确定的小型风电场紧密排布形成风

电集群，并再次计算风电集群的尾流损失，当风电集群的尾流损失不符合要求时，扩大优化

对象的规模并再次进行优化，直至风电集群的损失复合预期。实例证明，本文方法较好地平

衡了计算速度和尾流损失。

附图说明[0015] 图1是本申请一实施例中的大型海上风电集群风机排布优化方法的步骤流程图。[0016] 图2是本申请一实施例中的海上风电规划逻辑拓扑。[0017] 图3是本申请一实施例中的使用小型六边形风电场拟合大型海上风电场集群示意图。

[0018] 图4是本申请一实施例中的筛选风机排布候选点的示意图。[0019] 图5是本申请一实施例中的二维尾流效应模型图。[0020] 图6是本申请一实施例中风机发电模型图。[0021] 图7是本申请一实施例中的大型海上风电场集群风机排布算法示意图。[0022] 图8是本申请一实施例中的大型海上风电集群风机排布优化方法的具体过程图。[0023] 图9是本申请一实施例中的不同规模研究对象的典型排布组成的不同规模风电集群尾流损失对比图。

[0024] 图10是本申请一实施例中的风电场尾流效应图。[0025] 图11是本申请一实施例中的千万千瓦级大型海上风电集群排布结果图。具体实施方式[0026] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并

不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要

彼此之间未构成冲突就可以相互组合。

[0027] 如图1所示为本申请一实施例中的大型海上风电集群风机排布优化方法的步骤流程图，其包括如下步骤：

步骤S100：将大型风电集群区域以平移拼接的方式划分为多个小型风电场区域，

每个小型风电场的形状和内部风机排布方式相同。

[0028] 其中，该大型风电集群的规模可达千万千瓦级。[0029] 首先，需要根据规划明确大型风电集群的规模、形貌、发电要求以及成本投入等信息。一般，风电集群的形貌为规则或近似规则的形状，例如三角形、矩形、平行四边形、梯形

等。

[0030] 其次，对大型风电集群进行建模。[0031] 为减小风电集群拓扑的复杂性，将大型风电集群区域以平移拼接的方式划分为多个小型风电场区域的无缝镶嵌拓扑，所谓平移拼接的方式，指的是在确定好一个小型风电

场后，以该小型风电场为典型排布，通过平移的方式紧密铺满整个风电集群区域，即，每个

小型风电场的形状和内部风机排布方式相同。具体可参考图2，一旦计算得到小型风电场内

部排列（下文称典型排布），即可通过复制拼接的方式获得海上风电场集群（下文简称风电

集群）、海上风电场基地（下文简称风电基地）乃至整片海域的风机排布方式。

[0032] 其中，不限定小型风电场的拓扑，可为三角形、矩形、六边形等无缝镶嵌拓扑。在本实施例中，选取六边形的小型海上风电场拓扑，原因如下：

a.六边形具有上述三种形状中最大的周长面积比（周长与面积的比值），可减小

拓扑中取点时由于边界效应带来的样本偏差；

b.六边形因为地球曲率的原因导致的拓扑畸变会更小。

[0033] 其中，使用小型六边形风电场拟合大型海上风电场的结果如图3所示，图3中的（a）为使用小型六边形风电场拟合梯形的大型海上风电集群，图3中的（b）为使用小型六边

形风电场拟合不规则形的大型海上风电集群，图3中的（c）为使用小型六边形风电场拟合

平行四边形的大型海上风电集群。对于梯形、平行四边形和不规则的其他形状，均可以通过

小型六边形风电场拟合，由此完成大型海上风电集群的建模。

[0034] 具体的，将风电集群划分为多个小型风电场，小型风电场的数量根据实际情况确定，一般，小型风电场的数量越多，排布精度越高，对尾流效应的模拟越真实，但是会影响后

续的优化速度，因此，会根据计算速度和尾流影响综合考虑小型风电场的规模。在本实施例

中，根据风电集群的建设周期，以建成一期的规模作为一个小型风电场的规模。

[0035] 步骤S200：从大型风电集群中确定规模小于大型风电集群的中型风电场作为优化对象，优化对象的形貌与大型风电集群的形貌相同，且包含至少一个所述小型风电场。

[0036] 在得到大型海上风电集群的基本建模后，从大型海上风电集群中确定优化对象，优化对象至少满足以下两个基本条件：

条件1：规模小于大型风电集群，以加快后续优化方法的计算速度。

[0037] 条件2：形貌与大型海上风电场的形貌相同，以更好地模拟形貌对尾流效应地影响。需要说明的是，此处的相同，并非绝对的相同，允许一定范围的偏差，相同或近似相同，

都认为是相同。

[0038] 其中，大型风电集群被分割为多个相同的小型风电场，从大型风电集群划分优化对象时，优化对象包含至少一个小型风电场，即优化对象中可包含一个小型风电场，也可包

含多个小型风电场。在一实施例中，优化对象内部至少包含两个小型风电场，即包含两个相

同的典型排布，以更好了模拟小型风电场之间的尾流效应。

[0039] 步骤S300：以使优化对象的尾流损失小于第一预设损失值为目标，利用随机搜索算法从风机排布候选点中确定小型风电场区域的风机排布。

[0040] 首先，在小型风电场中确定若干个风机排布候选点，其中，候选点越多，小型风电场的取点精度越高，后续优化将越精细，但同样会影响优化期间的计算速度，因此，还是需

要综合考虑计算速度和尾流损失确定候选点的数量。

[0041] 在本实施例中，通过以下方式确定筛选风机排布候选点：第一步：在小型风电场区域横纵方向划分若干个等距网格。

[0042] 其中，等距网格形成一系列交叉点。在本实施例中，交叉点的数量超过1万个，以保证足够的取点精度。

[0043] 第二步：从等距网格的交叉点中筛选出若干个候选点，相邻候选点之间的最远距离不超过风机直径。

[0044] 以候选点之间的最远距离不超过风机直径为约束条件，在上述等距网格的交叉点中筛选出一系列符合条件的交叉点作为候选点。具体的，候选点的分布倾向均匀分布于对

应的小型风电场区域内。

[0045] 结合图4，通过一具体实施例对筛选候选点的过程进行说明，分别在六边形区域横纵方向上划分128个等距网格，并选取所有网格交叉点作为候选点（超过10000个）。在取点

精度条件下筛选候选点到4096个，取点后相邻点之间的最远距离，即海上风电场的拓扑精

度大约与风机直径相当，远小于学术界常用的4倍风机直径的拓扑精度。对筛选后的点依次

编号，分别是0 4095。

~

[0046] 在确定优化对象以及优化对象内部的风机排布候选点之后，再通过随机搜索算法从风机排布候选点中确定小型风电场区域的风机排布，以使优化对象的尾流损失小于第一

预设损失值为目标。

[0047] 其中，可选择不同的指标反应尾流损失。在本实施例中，以尾流效率反应尾流损失，其中，

尾流效率越高，尾流损失就越小。

[0048] 当以尾流效率作为评估标准时，根据尾流效率的公式，需要计算考虑尾流效应的发电量和不考虑尾流效应的发电量。风机的发电量与叶片风速有一一对应的关系，而风电

场中风机之间的相对位置会影响风机叶片感受到的风速。只要计算出每个风机的风速，便

能计算得到对应的发电量。

[0049] 其中，当计算不考虑尾流效应的发电量时，认为所有风机的风速相同，即下游风机不受上游风机的尾流效应影响。

[0050] 当计算考虑尾流效应的发电量时，需要考虑上游风机对下游风机的尾流效应影响。在本实施例中，先建立图5所示的二维尾流效应模型，其中，箭头方向表示风向，箭头长

度表示风速，标识 为上游风机风速， 为下游风机风速， 为尾流效应扩散半径，

是上游风机与下游风机的轴向距离， 为上游风机与下游风机的径向距离。本申请人

根据该二维尾流效应模型，通过大量推导分析，得到风场中每个风机风速的计算公式，其

中，第 个风机的风速 为：

其中， 轴为图5中的径向坐标轴， 轴为图5中的轴向坐标轴， 和 分别为

第 个风机的径向和轴向坐标， 和 分别第 个风机的径向和轴向坐标， 为风机

叶片半径， 为风电场的入射风速，是由当地风力条件决定的常数， 是与当地风速

和第 个风机型号相关的推力系数， 是尾流效应最大径向影响范围随轴向距离变化的

扩张系数， 为第 个风机与第 个风机的距离，k为海水表面摩擦系数。

[0051] 进一步的，根据风机发电的可靠性设计，还需要建立发电模型，在计算发电量时，还需结合发电模型进行计算。在本实施例中，建立如图6所示的发电模型以反应风机发电量

与风速的关系，在图中，从上至下的的线条分别表示11MW、9MW、7MW、5MW、3MW风机的发电量

与风速关系。具体的，风机输出的功率与风速有关。风速小于启动风速时，风机没有足够动

力转动发电；风速超过切除风速时，风机出于自我保护不再发电；风速处于启动风速与额定

风速之间时，随着风速增大，风机出力指数增大，并在风速大于额定风速时满发。

[0052] 在一实施例中，发电量与风速的关系可由下式表示：上式中，“2”、“12”和“25”分别为启动风速、额定风速和切除风速。不同风机型号的

数据可能会有不同。

[0053] 在一实施例中，利用随机搜索算法从风机排布候选点中确定小型风电场区域的风机排布，其中，最终的风机数量根据风电场规划的装机容量确定。

[0054] 上文的随机搜索算法可以为常规算法，例如遗传算法或是PSO（粒子群优化方法）等。

[0055] 以随机搜索算法为遗传算法、以尾流效率反应尾流损失为例进行说明，当选用遗传算法时，前文所筛选出的候选点的数量须为2的幂次个，例如4096个，并通过二进制进行

编号。此时，以尾流效率作为应度函数，以此筛选尾流损失最小的排布方式，促进种群向尾

流损失更小的方向进化。交叉和变异操作保证算法不收敛到局部最优解。遗传算法的配置

如表1所示：

通过以上方法对优化对象进行计算，确定出小型风电场内部的风机排布后，即确

定出典型排布后，通过典型排布的复制拼接，便能够得出整个风电集群的风机排布，小型风

电场典型排布到风电集群的排布关系具体参见图7，从风电集群中划分出与风电集群形貌

相同的优化对象进行优化，得到小型风电场的典型排布，然后根据典型排布，便能得到整个

风电集群的风机排布。

[0056] 步骤S400：复制小型风电场的风机排布作为大型风电集群风机排布，计算大型风电集群区域的尾流损失，当大型风电集群区域的尾流损失大于第二预设损失值时，扩大优

化对象的规模，跳转至步骤S300；当大型风电集群区域的尾流损失小于或等于第二预设损

失值时，以当前风机排布作为最优排布。

[0057] 由于最终是考量整个风电集群的尾流效应，因此，在得到优化对象的最佳排布方式后，还需要将风机排布拓展到整个风电集群，计算整个风电集群的尾流损失。具体的，也

是通过计算尾流效率反应尾流损失，计算风电集群尾流效率的方式参照上文中计算优化对

象尾流效率的方式，在此不再赘述。当尾流损失不满足预期时，需要进一步扩大优化对象的

规模，例如从前一周期包含四个小型风电场扩大到包含九个小型风电场，以包含九个小型

风电场的优化对象重新进行计算，直至最后风电集群的尾流损失符合预期，结束计算，以当

前风机排布作为最优排布。

[0058] 以下，结合图8，以一具体实施例介绍上述过程。[0059] 步骤S11：确定风电集群的划分，初始化小型风电场的风机排布；步骤S12：初始化优化对象，即确定优化对象的初始规模。具体的，可以在初始化阶

段令优化对象仅包含一个典型排布；

步骤S13：获取优化对象内部风机的排布方式；

步骤S14：计算优化对象的尾流损失；

步骤S15：判断适应度函数是否大于95%，若否，跳转至步骤S16，若是，跳转至步骤

S17；

步骤S16：进行复制、交叉、变异后跳转至步骤S13；

步骤S17：将小型风电场复制到49个组成风电集群；

步骤S18：计算并判断风电集群的尾流效率是否大于95%，若否，扩大优化对象规模

后，结合小型风电场排布重新确定优化对象内部风机排布，跳转至步骤S13，若是，则结束计

算。

[0060] 为了进一步说明本方案的效果，本发明研究一个位于中国福建漳州海域的千万千瓦级平行四边形大型风电集群最优风机排布。使用上述算法进行大型海上风电场最优排布

计算。为研究优化对象规模对风电集群尾流损失的影响，分别对由1个、4个和9个小型海上

风电场组成的优化对象优化得到典型排布，并对比不同规模研究对象的典型排布组成的不

同规模风电集群尾流损失。计算结果如表2及图9所示：

在图9中，横坐标为典型排布个数，纵坐标为尾流损失。16个典型排布组成的是百

万千瓦级风电集群，36和49个典型排布组成的是千万千瓦级风电集群。从中可以看出，以9

个小型风电场作为优化对象，相比于以4个和1个小型风电场作为优化对象，其尾流损失较

小，优化结果有明显优势。而对于千万千瓦级海上风电集群，尾流损失每减少1%，将带来百

亿人民币级收益，因此，在计算时间允许的前提下，可以尽量扩大优化对象的规模，以争取

得到更小的尾流损失。

[0061] 参考图10，可以直观反应通过上述方法进行排布后的尾流效应，其中，（a）为九个风电场之间尾流效应图，（b）为风电场之间尾流效应图，其中，六边形框表示一个小型风电

场，（c）为典型排布内部尾流效应图，（d）为典型排布内部风机之间尾流效应图。图中的线条

表示经过每个风机的风速，线条颜色的深浅表示风速的变化，颜色越深，风速越大。线条由

深到浅的变化，反应风速经过风机后风速由大到小的变化，且线条的范围表示尾流效应的

影响范围。从图10的（b）可以看出，本发明避免风电集群中风电场间尾流干扰效果显著，由

图10的（d）可见，本发明避免典型排布内部风机之间尾流干扰效果显著。

[0062] 参考图11，为通过上述优化方法得到的49个典型排布组成的大型海上风电集群，?2

该大型海上风电集群的规模能够达到50×50km，且能量密度在7MW·km 以上，参考广东省

发改委2018年印发的《广东省海上风电发展规划（2017?2030年）》中能量密度达到每十万千

瓦16平方公里的要求，该能量密度已经符合“节约用海”理念，总装机容量已经超过19吉瓦，

达到千万千瓦量级，然而其尾流效应损失仅3.45%。由此足以证明本文方法的有效性。

[0063] 本申请还涉及一种大型海上风电集群风机排布优化系统，其包括：分割单元：用于将大型风电集群区域以平移拼接的方式划分为多个小型风电场区

域，每个小型风电场的形状和内部风机排布方式相同；

优化对象初始化单元：从大型风电集群中确定规模小于大型风电集群的中型风电

场作为优化对象，优化对象的形貌与大型风电集群的形貌相同，且包含至少一个小型风电

场；

风机排布确定单元，用于以使优化对象的尾流损失小于第一预设损失值为目标，

利用随机搜索算法从风机排布候选点中确定小型风电场区域的风机排布；

调整单元，用于复制小型风电场的风机排布作为大型风电集群风机排布，计算大

型风电集群区域的尾流损失，当大型风电集群区域的尾流损失大于第二预设损失值时，扩

大优化对象的规模并触发风机排布确定单元重新确定小型风电场区域的风机排布；

输出单元，用于当大型风电集群区域的尾流损失小于或等于第二预设损失值时，

输出当前风机排布作为最优排布。

[0064] 以上大型海上风电集群风机排布优化系统具体是用于执行上文中的大型海上风电集群风机排布优化方法，其中的每个单元的功能用于实现优化方法中的对应步骤，具体

可参考上文介绍，在此不再赘述。

[0065] 综上，本发明提出一种权衡计算速度与尾流损失的千万千瓦级海上风电场集群排布优化方法。先将风电集群以平移拼接的方式划分为多个小型风电场，即每个小型风电场

的形貌和风机排布相同，在优化时，在风电集群中确定一个与风电集群形貌相同或相似的

中型风电场作为优化对象，优化对象与风电集群的形貌相同或相似，更够更好地模拟风电

集群形状对尾流效应的影响，对比不考虑形状影响的排列方式尾流损失可相对减小10%以

上。优化对象规模可根据需要变化，且规模越大，尾流损失越小。通过利用规模较小的风电

场替换整个风电集群作为优化对象，可以大大缩短优化时间和成本，然后将优化确定的小

型风电场紧密排布形成风电集群，并再次计算风电集群的尾流损失，当风电集群的尾流损

失不符合要求时，扩大优化对象的规模并再次进行优化，直至风电集群的损失复合预期。实

例证明，本文方法较好地平衡了计算速度和尾流损失。

[0066] 本领域的技术人员容易理解，以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本

发明的保护范围之内。