Peiyi Li · Yanbo Ch · Anran Hu · Lei Wang 等6人 · Applied Energy · 2025年1月 · Vol.392

摘要 全球风能利用的发展趋势正朝着建设大规模、远距离风电场的方向推进，而战略性的布局优化对于提升风电场发电量至关重要。然而，大规模风电场布局优化（WFLO）面临诸多挑战，主要体现在涉及高维决策变量的复杂计算，以及在尾流模型精度与计算效率之间需要进行权衡。为解决上述问题，本文提出了一种新颖的数据-物理混合驱动的大规模风电场布局优化框架。该框架尝试将含可变参数的物理方程融入建模过程，以指导尾流效应的建模，并进一步促进布局优化的实现。具体而言，本文提出了物理信息引导的双神经网络（PIDNN）模型用于风...

解读: 该数据-物理混合驱动的大规模风电场布局优化框架对阳光电源风电变流器及储能系统具有重要借鉴价值。其物理信息双神经网络(PIDNN)模型通过融合Navier-Stokes方程与可变推力系数,实现尾流效应精准建模,可启发阳光电源在风储一体化项目中优化ST系列储能变流器的功率调度策略。基因定向差分进化算法(...