期刊文献+

多约束条件下智能优化风电场微观选址方法的探究 被引量:1

原文传递
导出
摘要 文中从微观选址的角度及基于CFD计算和多约束条件下智能优化风电场微观选址的方法,对风电场发电量存在不足的情况进行分析,并建立相应的数学模型,通过优化进行微观选址及实践验证。仿真结果表明,此方法在进行微观选址的过程中,可以通过风机位置的优化,得到优化的风能密度高值的点,从而减少尾流损失,提高风机发电量。
出处 《能源研究与利用》 2015年第1期31-34,共4页 Energy Research & Utilization
  • 相关文献

参考文献2

二级参考文献21

  • 1许昌,吕剑虹,郑源.最小资源分配网络及其在电站锅炉中的应用[J].中国电机工程学报,2004,24(11):228-232. 被引量:13
  • 2周向阳,郑楚光,何秀光,马毓义.煤粉燃烧过程中NO_x生成的实验和数值研究[J].燃烧科学与技术,1996,2(3):249-255. 被引量:5
  • 3宫靖远.风电场工程技术手册[M].北京:机械工业出版社.2003.32-34.
  • 4Gormley C H,Thompson S.A lumped parameter NOx emissions model for a coal-fired boiler of power station[J].Journal of Institute of Energy.2002,75(2):43-51.
  • 5Platt J.A resource allocating network for function interpolation[J].Neural Computation.1991,2(3):213-225.
  • 6Lu Y,Sundararajan N,Saratchandran P.Performance evaluation of a sequential minimal radial basis function (RBF) learning algorithm[J].IEEE Trans.Neural Networks,1998,6(9):308-318.
  • 7Jeff A. 10 steps to developing a wind farm [ EB/OL]. http ://www. awea. org/documents/factsheets, 2009.
  • 8Wiser R, Bolinger M. Annual report on U. S. : Wind power installation, cost, and performance trends, 2006 [ R]. Berkeley, California: U. S department of Energy, 2007.
  • 9Grady S A, Hussaini M Y, Abdullah M M. Placement of wind turbines using genetic algorithms [ J ]. Renewable Energy, 2005, 30 (2) : 259-270.
  • 10Mosetti G, Poloni C, Diviacco B. Optimization of wind turbine positioning in large wind farms by means of a genetic algorithm [ J ]. Journal of Wind Engineering and Industrial Aerodynamics, 1994, 51 ( 1 ) : 105-116.

共引文献47

同被引文献2

  • 1杨珺,张闯,孙秋野,王刚.风电场选址综述[J].太阳能学报,2012,33(S1):136-144. 被引量:28
  • 2于生军,朱昊升.浅谈风电场微观选址及发电量计算[A].中国农业机械工业协会风能设备分会2010年度论文集(上)[C].2010.4.

引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部