本发明涉及风力发电，尤其涉及一种考虑热稳定度效应的风电场机组间距自动优化方法。
背景技术：
1、风能是目前发展得最快的可再生能源之一，为了进一步满足全球的能源供应，风电场正朝着规模化、大型化的趋势发展。在大型风电场中，风力机之间排布紧密可以提高风电场的发电密度。但这也导致风力机间的尾流干扰严重，使得风电场的年发电量损失10％至20％。为了尽可能减小尾流效应的影响，需要合理的布置风力机的排列来提升风电场的发电性能。
2、影响风电场发电性能的因素非常多，如大气来流、风机运行状况等条件，在风电场的布局优化过程中，需要计算大量算例来估计不同条件下风电场的发电功率。此时，传统的计算流体力学方法已经不再适用，目前最实用的方法是计算效率更高的工程解析模型方法。但是，当影响风电场发电功率的因素足够多时，解析模型方法里需要优化的参数也变得非常多。此时，即使用解析模型方法穷举寻找最优的风电场布局也会花费大量的计算资源。因此还需要一种能够自动寻优的算法来提高寻找风电场最优布局的效率。
3、风电场布局优化算法大概可以分为两种，一种是基于梯度的优化算法，另一种是启发式优化算法。对于基于梯度的优化算法的优化结果十分依赖于初始值的选取，容易落入局部最优值。而启发式方法(如粒子群优化算法)，不需要人为的给定初始值，能够更加自动、高效的找到最优的风电场布局排布，因此可以提高优化的效率，减小人力、物力的投入。为了提高风电场的经济效益，需要更加方便、快捷的预测风电场单位成本最优的布局，因此一种能够应用到风电场布局自动寻优的算法必不可少。
4、针对考虑热稳定度效应的风电场机组间距优化，现有技术方法是直接采用穷举法寻找最优间距。但是随着风电场中风机数量越变越多、我们考虑的大气因素越来越复杂，如纬度影响、自由大气温度梯度影响等，使用穷举法寻找最优间距将消耗大量计算资源。除此之外，现有考虑热稳定度效应的风电场功率的模型中，阻力系数是根据以往的计算数据拟合得到的，泛用性不强。
技术实现思路
1、本发明的目的是为了更加快速、自动、准确地确定风电场的最优布局，减少人力操作以及计算资源的消耗，而提出的一种考虑热稳定度效应的风电场机组间距自动优化方法。
2、为了实现上述目的，本发明采用了如下技术方案：
3、一种考虑热稳定度效应的风电场机组间距自动优化方法，包括如下步骤：
4、s1：初始化粒子参数，其参数包括最大迭代次数、粒子的总数目、优化空间的维度以及粒子初位置、初速度；每个粒子的位置代表着风力机的流向间距、横向间距以及交错角度；
5、s2：根据大气边界层的参数以及阻力系数的理论表达式，确定风电场地转阻力系数；
6、s3：当前时间步的粒子位置代表着不同风电场布局的风机排列距离和交错角度；
7、针对每种粒子所代表的风机排列间距、交错角度以及地转阻力系数，利用风电场功率预测解析模型确定当前布局所述风机排列间距、交错角度的风电场的单位成本发电功率；
8、s4：将所述风电场的单位成本发电功率的负值作为粒子群的适应度函数，记录每个粒子的个体最优适应度以及群体的最优适应度；
9、s5：根据所述粒子的个体最优适应度以及群体的最优适应度，计算每个粒子下一个时间步移动的速度，进一步更新每个粒子下一个时间步的位置；
10、s6：若达到最大迭代步数或两次连续时间步的群体最优适应度之间的相对误差小于10-6，停止迭代，将此时的群体最优适应度所代表的风机排列间距和交错角度作为风电场单位成本功率最优的布局；
11、否则，重复步骤s3-s5，直至达到收敛条件。
12、优选的，基于步骤s1，优化空间维度为3，每个粒子位置xi，f表征第f个粒子，xi的第一维度代表着风力机流向间距sx，第二维度代表着风力机横向间距sy，第三维度代表着风力机交错角度tanθ；
13、约束风力机间距sx，sy∈[3d，30d]，风力机交错角度tanθ∈[0，0.5]，其中d为风力机转子直径；
14、约束粒子的初速度的取值范围下标f表征第f个粒子，上标j表征第j个维度的速度分量。
15、优选的，基于步骤s2，根据大气边界层的参数以及阻力系数的理论表达式，确定风电场地转阻力系数，阻力系数用a(zf)和b(zf)表征，其理论表达式为：
16、
17、
18、其中的常数a1＝0.1796，b1＝0.1104，c1＝0.2559，κ＝0.4；大气边界层的参数zf为zilitinkevich数，g为重力加速度，γ为自由大气温度梯度，θ0＝300k为参考温度，f为科氏力参数。
19、优选的，基于步骤s3中，所述风电场功率预测的解析模型分为风电场风速预测模型以及风电场单位成本功率预测模型两种，其中风电场风速预测模型为：
20、
21、其中，κ表征冯卡门常数，g表征地转速度，u*，1，u*，2分别表征地表摩擦速度和风电场等效摩擦速度，z0，1，z0，2分别表征地表粗糙高度和风电场等效粗糙高度，a(zf)，b(zf)均为风电场地转阻力系数，zh表征风力机轮毂高度，uh表征全场轮毂高度处的平均速度，β表征目标流场不均匀性因子；cft＝πct/(4sxsy)，ct表征风力机推力系数；sx＝sx/d，sx表征风力机组间的流向间距，d表征风力机转子直径；sy＝sy/d，sy表征风力机组间的横向间距，经验常数au＝4.3，f为科氏力参数；
22、根据风电场风速预测模型求出全场风机轮毂高度速度uh，代入到风电场单位成本功率模型中，求得风电场在当前布局下的单位成本功率。风电场单位成本功率模型为：
23、
24、其中，ud表征风机轮毂处局部速度，ud＝(1-a)βuh。α为成本系数，表征风力机成本与土地成本之比，costt表征风机建造成本，costl表征单位面积土地成本，a表征风力机的风轮扫风面积。
25、优选的，基于步骤s4中，将所述风电场的单位成本发电功率的负值作为粒子群的适应度函数，并记录每个粒子的个体最优适应度以及群体的最优适应度。粒子适应度的计算公式：
26、
27、其中，个体的适应度越低意味着越优，因此记录的个体最优历史位置指的是粒子经历过的风电场单位成本功率最大的布局；
28、通过引入罚函数将有约束的优化问题转化为了无约束的优化问题，如果粒子的位置不合理，即风力机流向、横向间距或交错角度超出了约束的范围，则给予适应度函数一个巨大的值作为惩罚。
29、优选的，基于步骤s5中，所述每个粒子下一个时间步移动速度的计算公式为：
30、
31、其中表示第t个时刻第f个粒子的第j个维度的位置分量，表示第t个时刻第f个粒子的第j个维度的速度分量；
32、r1，r2为取值范围在0到1的随机数，来使得粒子个体运动的方向更具有随机性。
33、表征粒子个体适应度历史最优的位置，表征群体适应度最优的位置。
34、ω，c1，c2为可调的优化超参数，ω表征粒子个体运动的惯性权重，c1表征粒子对于自身经历最优位置信任程度的认知权重，c2表征粒子对于群体最优位置信任程度的社会权重，
35、计算完每个粒子下一时刻的速度后，为了防止粒子的速度过快导致局部搜索能力变弱，继续约束粒子的速度的取值范围f表征第f个粒子，j表征第j个维度的速度分量。然后即可更新每个粒子的位置：
36、
37、然后计算粒子所在新位置的适应度，更新粒子个体适应度历史最优的位置与粒子群体适应度最优的位置，若连续两个时间步的群体适应度最优的位置的相对误差小于10-6，则输出当前粒子群体适应度最优的位置作为风电场最优布局。
38、本发明提出的一种考虑热稳定度效应的风电场机组间距自动优化方法，有益效果在于：本技术方案在应用的过程中，能够更加快速、自动、准确地确定风电场的最优布局，提高了风电场功率预测的泛用性、准确性，同时减少人力操作以及计算资源的消耗。
1.一种考虑热稳定度效应的风电场机组间距自动优化方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种考虑热稳定度效应的风电场机组间距自动优化方法，其特征在于，基于步骤s1，优化空间维度为3，每个粒子位置xi，i表征第i个粒子，xi的第一维度代表着风力机流向间距sx，第二维度代表着风力机横向间距sy，第三维度代表着风力机交错角度tanθ；
3.根据权利要求1所述的一种考虑热稳定度效应的风电场机组间距自动优化方法，其特征在于，基于步骤s2，根据大气边界层的参数以及阻力系数的理论表达式，确定风电场地转阻力系数，阻力系数用a(zi)和b(zi)表征，其理论表达式为：
4.根据权利要求1所述的一种考虑热稳定度效应的风电场机组间距自动优化方法，其特征在于，基于步骤s3中，所述风电场功率预测的解析模型分为风电场风速预测模型以及风电场单位成本功率预测模型两种，其中风电场风速预测模型为：
5.根据权利要求1所述的一种考虑热稳定度效应的风电场机组间距自动优化方法，其特征在于，基于步骤s4中，将所述风电场的单位成本发电功率的负值作为粒子群的适应度函数，并记录每个粒子的个体最优适应度以及群体的最优适应度。粒子适应度的计算公式：
6.根据权利要求1所述的一种考虑热稳定度效应的风电场机组间距自动优化方法，其特征在于，基于步骤s5中，所述每个粒子下一个时间步移动速度的计算公式为：
