کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6766324 512449 2016 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Informed mutation of wind farm layouts to maximise energy harvest
ترجمه فارسی عنوان
جهش اطلاعات از طرح های مزرعه باد برای به حداکثر رساندن مصرف انرژی
کلمات کلیدی
مزرعه باد، بهینه سازی طرح، کمبود سرعت، تأثیر واکس، استراتژی تکاملی، اپراتور جهش اطلاعاتی الگوریتم جابجایی توربین،
ترجمه چکیده
قرار دادن درست توربین ها در یک مزرعه باد یک مسئله مهم در بهینه سازی طراحی مزرعه باد است. در حالی که روشهای مبتنی بر روشهای سنتی و خطای مبتنی بر طرح بندی های کوچک کافی است، برای مزارع بزرگ بادی با توربین های دارای صدها دستگاه، روش های خودکار مورد نیاز است. در این مقاله، ما یک استراتژی تکاملی را با یک اپراتور جهش جدید برای شناسایی طرح های مزرعه باد پیشنهاد می کنیم که کمبود سرعت مورد انتظار را به حداقل رسانده است. اپراتور جهش مبتنی بر ساخت مدل پیش بینی کننده نقص سرعت در یک طرح است، به طوری که جهش ها ذاتا به سمت طرح بندی بهتر تعصب دارند. این باعث می شود که اپراتور به جای تصادفی، اطلاع داده شود. ما یک ارزیابی جامع از رویکرد ما در پنج سناریو شبیه سازی به چالش کشیدن با استفاده از رویکرد شبیه سازی قابل قبول برای صنعت می دهیم [1]. سپس الگوریتم ما را در مقایسه با دو روش پایه شامل الگوریتم جابجایی توربین [2] مقایسه می کنیم. نتایج ما نشان می دهد که روش جهش اطلاع رسانی ما به طور موثر عمل می کند و رویکرد ما به شناسایی طرح بندی با کمترین نقص سرعت کلی در تمام پنج سناریو آزمون است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
پیش نمایش مقاله
جهش اطلاعات از طرح های مزرعه باد برای به حداکثر رساندن مصرف انرژی
چکیده انگلیسی
Correct placement of turbines in a wind farm is a critical issue in wind farm design optimisation. While traditional “trial and error”-based approaches suffice for small layouts, automated approaches are required for larger wind farms with turbines numbering in the hundreds. In this paper we propose an evolutionary strategy with a novel mutation operator for identifying wind farm layouts that minimise expected velocity deficit due to wake effects. The mutation operator is based on constructing a predictive model of velocity deficits across a layout so that mutations are inherently biased towards better layouts. This makes the operator informed rather than randomised. We perform a comprehensive evaluation of our approach on five challenging simulated scenarios using a simulation approach acceptable to industry [1]. We then compare our algorithm against two baseline approaches including the Turbine Displacement Algorithm [2]. Our results indicate that our informed mutation approach works effectively, with our approach identifying layouts with the lowest aggregate velocity deficits on all five test scenarios.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Renewable Energy - Volume 89, April 2016, Pages 437-448
نویسندگان
, ,