硕士论文网/国内首批论文服务机构

当前位置:硕士论文网首页 > 软件工程 > 软件工程测试论文 > 考虑LCOE的风电场微观选址优化及设计开发分析

考虑LCOE的风电场微观选址优化及设计开发分析

时间:2022-04-08 08:11 | 栏目:软件工程测试论文 | 浏览:

硕士论文网第2022-04-08期,本期硕士论文写作指导老师为大家分享一篇软件工程测试论文文章《考虑LCOE的风电场微观选址优化及设计开发分析》,供大家在写论文时进行参考。
相关的设计院对风电场的微观选址优化以及功率尾流的统计一般采用国外引进的软件,比如 WAsP、WINDPRO、WindFarmer 等商业软件,但这些软件目前均存在软件集成度不高、操作频繁、没有引入完整的而优化理念等。中国幅员辽阔,地形复杂,地形条件不同,对风资源影响很大。因此,在总结现有的风电场微观选址设计方法的基础上,着重考虑风电场的经济性,优选风电机组的排布方案,开发适应我国的新型风电场选址设计软件,为风电场前期开发阶段提供参考依据,进一步提高我国风电产业发展水平。
1 绪论
1.1 研究背景与意义
能源是社会和经济发展的基础,随着全球经济和科技的迅猛发展,各个行业对能源的需求量出现急剧增加的现象,化石、燃煤等能源作为世界上许多国家的主要消耗能源,它的大规模开发利用导致了不可再生能源的储存量逐渐较小,中国经济发展和环保之间的权衡就变得更加重要,煤炭经济发展给中国的环境治理问题带来了巨大的压力,影响着人们的生存环境[1]。随着经济的发展,进入二十一世纪以来,人们的环保意识持续增强,对清洁能源的要求也不断提高,在碳限制下满足不断增长的能源需求是全球面临的一项重大挑战。开发代替能源、加快发展可再生能源发电已经成为很多国家促进能源转换和发展来应对全球气候变化的共识。在太阳能、风能等可再生能源中,风能作为一种低碳、可再生的清洁能源,成为世界范围内最有发展希望的可再生能源之一。中国风电发展潜力巨大,近年来,中国在风电行业取得了举世瞩目的成就,中国已成为世界风电行业的领导者。根据风能协会的数据,中国的风电总容量在2016 年达到 168730兆瓦,在2017 年达到 187730 兆瓦,从 2014 年到 2017 年,风电装机容量的年增长率分别为 26%,29%,14%,11%。预测未来,全球累计风电装机容量将保持稳定的大约10% 的年增长率,到 2021 年将达到817 GW;未来全球风力发电装机容量也将继续稳定增加,预计新增装机容量都能达到每年超过60GW[2]。中国近十年来风电累计装机容量如图 1-1 所示。
中国风电累计装机容量
1.2 国内外研究进展
1.2.1 风力发电的发展
近 20 年来,中国的工业化和城市化进程发展迅猛,电力行业是国民经济和基础民生的支柱型产业,中国经济的发展离不开电力行业的支撑[6]。随着我国经济的稳定发展,工业化进程的快速前进,电力需求必将日益增长。目前,中国电力行业的需求形势相对比较乐观,电力行业将持续保持较高的繁荣水平。根据国家发展改革委和国家能源局联合发布的“十二五”规划,我国电力工业发展规模达到新的高水平,电力建设步伐不断加快,能源结构调整方面的新成果也在不断增加,可再生能源的发展速度明显的提高[7]。作为经济上可持续和可再生能源的最成熟的形式之一,风力发电的发展引起了全世界的广泛关注。与传统能源不同的是,风能不依赖其他化石燃料,并且在发电过程中没有碳排放和污染,因此,发展风力发电目前被认为是应对全球变暖的最有效手段。随着全球各国人民对环境问题关注度持续增加,以及可再生能源技术的不断完善与提高,全球风电行业近年来发展迅猛。风电市场主要集中在中国、德国、西班牙和印度,风电作为现阶段增长最快的可再生能源之一,在能源应用市场中所占的比重越来越大。早在2000多年前,全球各国人们已经开始发展使用风能的旋转式机械,尤其是在伊朗和中国。然而,用于发电的风力发电机的发展则开始于19世纪末期,1883年美国首先
发明了水平轴风力发电机。在20世纪40年代 ,发电功率在100 KW~1MW 的风力发电机在德国、俄罗斯等国家发展并生产。随着现代科学技术的迅猛发展,尤其是空气动力学理论和大功率电力电子技术广泛应用于新的风力发电系统,近二十年来,风力发电产业在中国的发展速度迅猛,从基础科学研究到实际工程应用,风电已成为当前电力系统方面的热门研究领域之一[8]。中国风电的发展历史可以大致分为四个阶段,即早期示范阶段、工业化探索阶段、工业化发展阶段和稳定发展阶段。我国风电建设始于20世纪50年代后期 。1986年,中国第一座风电场—马兰风电场,该风电场位于山东省荣成市,只有 4 个 11KW 的风力机在运行发电,是中国风电发展史上的一个里程碑,代表着中国风电发展进入了探索研发和示范性阶段[9]。
中国风电装机容量分布图
2 风电场经济性评估模型
为了迎接竞价时代的到来,风电产业需要不断降低风电场的度电成本,提高风电场的生产效率,其中“本”指的是风电场全生命周期的成本,“效”则是整个风电场的发电效益。因此,对于风电产业降本增效策略,不能着眼于某一个产品,而是要从风电行业的产业链和全生命周期的角度出发,找到有效的风电场经济评估方案,提高风场的经济效益[47]。
2.1 风电场的全生命周期分析
全生命周期分析的实质是要使产品所具有的使用价值最大化,从而让客户使用该产品的成本达到最低,它是一个以客户为导向的理念。这是一种思维的转变,要求从最初的策划到最终的退役,各个环节都要考虑在内,是一种更为系统、有机结合的方式和过程。这对整个产业的健康发展是非常有利的。决策者在做选择的时候,将会以整体最优为目标,而不是以价格最低作为唯一的指标,从而让决策更加理性化和科学化。对于风力发电行业,全生命周期成本是指风电项目从前期的可行性开发、调研、规划、建设、运营和到达寿命期限进行报废拆除的全部过程中产生所有费用的折现值[48]。
全寿命周期成本技术分析就是指为该产品其寿命时期某一阶段或是整个寿命期间的成本的经济评估过程,按照生命周期成本费用最小原则,选择最佳的投资方案。大型风力发电项目的成本构成比较复杂,尤其是全生命周期成本,因此,厘清风力发电项目成本构成是风电成本分析的基础,对风电项目的经济性评估具有重要意义。通过对国内外相关学者的研究成果和全生命周期成本理论方法的分析和研究[49],应用全生命周期法将风电项目全生命周期划分为 4 个阶段:前期开发准备、工程建设、生产运营和到期处理
2.2 全生命周期财务分析模型
2.2.1 开发准备成本
开发成本CDEV 是工程建设之前勘测开发项目发生的所有费用。主要包括项目管理、法律费用、环境调查、应急费用以及建设工程准备等工作产生的费用。该阶段的成本被认为与风力发电机的容量成正比。CDEV  NT PT CPD(2-2)其中, NT 为风机数量; PT 为风机额定功率;CPD约为 360 元/千瓦开发准备的总成本随着风机数量的增加而线性增加,每兆瓦成本随着风机数量增加而减小。约占整个风电场项目整个生命周期的 2%~4%[50]。
3 风电场发电量计算模型..........................................................................................................21
3.1 一维动量定理................................................................................................................21
3.2 尾流模型.......................................................................................................................23
3.3 风力发电机的可靠性模型............................................................................................24
3.4 发电量计算....................................................................................................................30
4 风电机组优化排布..................................................................................................................37
4.1 风电场微观选址技术....................................................................................................37
4.2 基于改进遗传算法的微观选址优化方法....................................................................39
4.3 实例分析........................................................................................................................44
5 风电场微观选址优化软件开发..............................................................................................53
5.1 微观选址系统基本框架设计.......................................................................................53
5.2 微观选址系统功能模块开发.......................................................................................56
5.3 本章小结.......................................................................................................................60
5 风电场微观选址优化软件开发
相关的设计院对风电场的微观选址优化以及功率尾流的统计一般采用国外引进的软件,比如 WAsP、WINDPRO、WindFarmer 等商业软件,但这些软件目前均存在软件集成度不高、操作频繁、没有引入完整的而优化理念等。中国幅员辽阔,地形复杂,地形条件不同,对风资源影响很大。因此,在总结现有的风电场微观选址设计方法的基础上,着重考虑风电场的经济性,优选风电机组的排布方案,开发适应我国的新型风电场选址设计软件,为风电场前期开发阶段提供参考依据,进一步提高我国风电产业发展水平。
5.1 微观选址系统基本框架设计
5.1.1 软件开发流程
软件开发流程[84]包括软件需求分析、 软件功能设计、实现软件的算法和方法、软件总体结构和功能模块设计、 代码编写和调试、程序编写、提交应用程序等一系列操作,以满足客户的需求并解决客户的问题,如果有更高的需求,还需要维护和升级软件等操作。
6 结论与展望
6.1 结论
中国的风电产业如火如荼,并取得了不错的成绩,但也存在一些不容忽视的问题,中国的风电成本较高,风电场的实际发电量往往低于估算的发电量,风电场收益低。这个问题的主要原因是风电场建设前对风电场的风能资源评估不够准确,以及由于风电场微观选址错误造成的发电损失。因此,建设风电场之前,在准确评估风电场风资源的前提下,考虑度电成本优化风机布局对风电场的健康、可持续发展具有重要意义。本文的主要研究工作和结论如下:
(1) 从全生命周期角度研究了风电成本的构成,建立了风电场全生命周期成本模型。以此为基础,针对现有 LCOE 计算模型不适用于我国风电项目经济评估的问题,依据度电成本原理,提出了一种适应我国风电政策的风电项目经济评估指标。(2) 在空气动力学的基础上,推导了 Jensen 尾流模型。在系统可靠性理论的基础上,对风电机组的单元组件进行了故障树分析,建立了风力发电机的可利用率模型。将尾流模型和风电机组可利用率模综合使用,风电场实际发电量的计算精度得到明显提高。(3) 综合考虑了风电机组之间的尾流影响、风场发电量、风电项目全生命周期成本等因素,提出了一种改进的遗传算法对风电场的机组排布方案进行优化设计。以某海上风电场为实例,对所提优化方法进行了验证。结果表明,所提优化排布方法明显地提高了风电场的发电量。
(4) 在上面章节的基础上,对风电场微观选址软件进行了开发。该软件实现了风资源分析自动对风机排布方案进行优化和经济评估等多种功能,为风电场风电机组的排布提供了一种有力工具。

以上论文内容是由硕士论文网为您提供的关于《考虑LCOE的风电场微观选址优化及设计开发分析》的内容,如需查看更多硕士毕业论文范文,查找硕士论文、博士论文、研究生论文参考资料,欢迎访问硕士论文网软件工程测试论文栏目。