بهینه سازی جانمایی توربین ها در مزرعه باد

نوع مقاله : مقاله پژوهشی

نویسندگان

1 صنعتی شاهرود

2 دانشکده مهندسی مکانیک و مکاترونیک، دانشگاه صنعتی شاهرود، شاهرود، ایران

چکیده

امروزه با توجه به کاهش سوخت‌های فسیلی و اعمال مدیریت در بهره‌برداری از آ نها، استفاده از انرژی باد به عنوان یکی از کاراترین منابع انرژی تجدیدپذیر در حال افزایش است و در سال‌های گذشته، طراحی، ساخت و بهینه‌سازی مزارع باد، که شامل مجموعه‌ای از توربین‌ها در یک مزرعه می‌باشند، توسعه بیشتری یافته است. در این مقاله به جانمایی توربین‌ها در مزرعه باد پرداخته شده و تاثیر موقعیت آنها بر توان خروجی مجموعه مورد بررسی قرار می­گیرد. بدین منظور، زمینی مربعی شکل در نظر گرفته شده است و با داشتن اطلاعات مربوط به چگونگی وزش باد و سرعت آن در هر جهت، محل بهینه قرارگیری توربین‌های باد در مزرعه با استفاده از الگوریتم‌های بهینه‌سازی استخراج خواهد شد. هدف اصلی پژوهش، افزایش مجموع توان دریافتی از توربین‌های مزرعه، براساس تغییر در موقعیت توربین‌ها می‌باشد. این مساله بهینه‌سازی با قیودی همچون حداکثر تعداد توربین‌ها در یک مزرعه، حداقل فاصله بین توربین‌های مزرعه و ابعاد کلی مزرعه همراه خواهد بود. برای حل این مساله بهینه‌سازی، از دو روش الگوریتم ژنتیک و الگوریتم ازدحام ذرات استفاده شده و نتایج با هم مقایسه شده‌اند. بررسی نتایج این پژوهش نشان می‌دهد توان دریافتی از توربین‌های جایابی شده در مزرعه باد، نسبت به کارهای قبلی افزایش یافته است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Optimization of the Turbines Locating in the Wind Farm

نویسندگان [English]

  • Seyed Mojtaba Varedi Kulaee 1
  • Masood Abdolmohammadi 2
  • Habib Ahmadi 1
  • Mostafa Nazari 1
2 Department of Mechanical and Mechatronics Engineering, Shahrood University of Technology
چکیده [English]

Nowadays, with regard to the reduction of fossil fuels and the management of their   use, wind power is now rising as one of the most efficient renewable energy sources. Moreover, wind farms, which include sets of turbines in a farm, have become more developed and their designs and optimizations have risen recently. In this paper, the wind turbines are located in the wind farm and the effects of their positions and arrangements on the production power of the whole system are investigated. For this purpose, a square farm is considered and, having information on how the winds and wind speeds in each case, will extract the optimum location of turbines in the farm using optimization algorithms. The main goal of this research is to increase the total amount of power extracted from the wind farm based on the changes in the locations and arrangements of the turbines. This optimization problem is subjected to some constraints, such as the maximum number of turbines in the farm, the minimum distance between turbines and the overall size of the farm. To solve this optimization problem, the genetic algorithm and particle swarm optimization methods are used and the results of these methods are compared.

کلیدواژه‌ها [English]

  • Wind farm؛ Optimization؛ Turbine؛ Genetic algorithm
  • Particle Swarm Optimization
[1]  J.S. González, A.G.G. Rodriguez, J.C. Mora, J.R. Santos, M.B. Payan, Optimization of wind farm turbines layout using an evolutive algorithm, Renewable energy, 35(8) (2010) 1671-1681.
[2]  G. Marmidis, S. Lazarou, E. Pyrgioti, Optimal placement of wind turbines in a wind park using Monte Carlo simulation, Renewable energy, 33(7) (2008) 1455-1460.
[3]  J.F. Ainslie, Calculating the flowfield in the wake of wind turbines, Journal of Wind Engineering and Industrial Aerodynamics, 27(1-3) (1988) 213-224.
[4]  K.E. Diamond, E.J. Crivella, Wind turbine wakes, wake effect impacts, and wind leases: Using solar access laws as the model for capitalizing on wind rights during the evolution of wind policy standards, Duke Envtl. L. & Pol'y F., 22 (2011) 195.
[5]  L. Vermeer, J.N. Sørensen, A. Crespo, Wind turbine wake aerodynamics, Progress in aerospace sciences, 39(6-7) (2003) 467-510.
[6]    P.Y. Zhang, Topics in wind farm layout optimization: Analytical wake models, noise propagation, and energy production, University of Toronto (Canada), 2013.
[7] R. Archer, G. Nates, S. Donovan, H. Waterer, Wind turbine interference in a wind farm layout optimization mixed integer linear programming model, Wind Engineering, 35(2) (2011) 165-175.
[8]  M. de Prada Gil, O. Gomis-Bellmunt, A. Sumper, J. Bergas-Jané, Power generation efficiency analysis of offshore wind farms connected to a SLPC (single large power converter) operated with variable frequencies considering wake effects, Energy, 37(1) (2012) 455-468.
[9]  S. Donovan, An improved mixed integer programming model for wind farm layout optimisation, in: Proceedings of the 41st annual conference of the Operations Research Society, Citeseer, 2006, pp. 143-151.
[10]   S.B. Donovan, Whither the wind blows: wind flow modelling and wind farm layout optimisation, University of Auckland, 2008.
[11]  S. Frandsen, R. Barthelmie, S. Pryor, O. Rathmann, S. Larsen, J. Højstrup, M. Thøgersen, Analytical modelling of wind speed deficit in large offshore wind farms, Wind Energy: An International Journal for Progress and Applications in Wind Power Conversion Technology, 9(1-2) (2006) 39-53.
[12]   A. Hertz, O. Marcotte, A. Mdimagh, M. Carreau, F. Welt, Optimizing the design of a wind farm collection network, INFOR: Information Systems and Operational Research, 50(2) (2012) 95-104.
[13] A. Emami, P. Noghreh, New approach on optimization in placement of wind turbines within wind farm by genetic algorithms, Renewable Energy, 35(7) (2010) 1559-1564.
[14] S. Yousefbeigi, I.S. Akmandor, Wind Farm Optimization, in: International Symposium on Innovative Technologies in Engineering and Science. ISITES, 2015, pp. 3-5.
[15] N.O. Jensen, A note on wind generator interaction, 1983.
[16]    P.A. Diaz-Gomez, D.F. Hougen,  Initial  Population for Genetic Algorithms: A Metric Approach, in: GEM, 2007, pp. 43-49.
[17]  W.-Y. Lin, W.-Y. Lee, T.-P. Hong, Adapting crossover and mutation rates in genetic algorithms, J. Inf. Sci. Eng., 19(5) (2003) 889-903.
[18]   M. Mitchell, An introduction to genetic algorithms, MIT press, 1998.
[19] S.S. Rao, Engineering optimization: theory and practice, John Wiley & Sons, 2009.
[20]  D. Whitley, A genetic algorithm tutorial, Statistics and computing, 4(2) (1994) 65-85.
[21]  A. Sardashti, H. Daniali, S. Varedi, Optimal free-defect synthesis of four-bar linkage with joint clearance using PSO algorithm, Meccanica, 48(7) (2013) 1681-1693.