傅曉軍，金超，王曉東

（國電象山海上風(fēng)電有限公司，寧波 315042）

引言

海上風(fēng)電技術(shù)正成為可再生能源發(fā)電的一種現(xiàn)實(shí)選擇[1]。盡管在世界電力市場(chǎng)中的作用越來越大，但是這只占全球能源產(chǎn)量的0.3 %[2]。已有的實(shí)踐結(jié)果證明，海上風(fēng)電場(chǎng)項(xiàng)目成為一項(xiàng)風(fēng)險(xiǎn)越來越小的投資，其對(duì)潛在開發(fā)商更有吸引力[3]。然而就停滯狀態(tài)下的每兆瓦成本而言，這仍然是最昂貴的技術(shù)之一。因此在考慮實(shí)現(xiàn)海上風(fēng)電場(chǎng)之前，有必要進(jìn)行徹底的盈利能力分析[4]。四邊形風(fēng)電場(chǎng)是一種海上風(fēng)電場(chǎng)建設(shè)中較常用到的一種設(shè)計(jì)[5]。在實(shí)際工程應(yīng)用中，有學(xué)者提出了一種海上風(fēng)電場(chǎng)的風(fēng)電機(jī)組排布平行四邊形推進(jìn)方法。在平行四邊形風(fēng)電場(chǎng)的建設(shè)中，根據(jù)風(fēng)電場(chǎng)邊界確定網(wǎng)格區(qū)域的范圍，在該區(qū)域內(nèi)以平行四邊形進(jìn)行劃分，可以得到若干可選機(jī)位點(diǎn)，從而確定風(fēng)電場(chǎng)的布局。在理論層面上可以通過枚舉所有平行四邊形的排布方案，然后得到風(fēng)電場(chǎng)最大發(fā)電量的優(yōu)化方案。白光譜等人在研究中使用基于平行四邊形形狀解的搜索算法來確定渦輪機(jī)之間的距離、平行四邊形的方向和角度，以最大限度地提高能量生產(chǎn)[6]。然而在實(shí)際情況下還必須找到渦輪機(jī)之間的確切位置、方向、傾斜度和最佳分離距離（考慮到或多或少較寬的進(jìn)入?yún)^(qū)域）。那么需要增加可能性的數(shù)量直至能夠處理這些變量的有效程度。在這些要求下，傳統(tǒng)的遺傳算法（genetic algorithm，GA）是不合適的，該算法無法同時(shí)處理可能性數(shù)量較多的多種連續(xù)變量。因此在此次研究中詳細(xì)介紹了這項(xiàng)工作提出了一種非遺傳進(jìn)化算法（non-genetic evolutionary algorithm，NGEA）， 該算法使用八個(gè)連續(xù)變量，涉及中心坐標(biāo)、行數(shù)、每行渦輪機(jī)數(shù)量、行之間和一行渦輪機(jī)之間的距離、行方向和平行四邊形角，可以用于完整的經(jīng)濟(jì)、水深和風(fēng)力數(shù)據(jù)的分析。對(duì)結(jié)果的檢查表明，使用實(shí)數(shù)運(yùn)算的非遺傳進(jìn)化算法來確定定義平行四邊形海上風(fēng)電場(chǎng)的決策變量。在更好的場(chǎng)地開發(fā)下，使用非遺傳進(jìn)化算法也可能實(shí)現(xiàn)其他常規(guī)布局。

1 海上風(fēng)電場(chǎng)設(shè)計(jì)

1.1 海上風(fēng)電場(chǎng)成本控制研究

作為可再生能源發(fā)電的一種現(xiàn)實(shí)選擇，海上風(fēng)電場(chǎng)在世界電力市場(chǎng)中的作用越來越大。在已有的海上風(fēng)電場(chǎng)實(shí)踐中獲得的知識(shí)，以及海上風(fēng)電場(chǎng)項(xiàng)目開發(fā)中突發(fā)事件的來源和嚴(yán)重程度來看，海上風(fēng)電場(chǎng)項(xiàng)目中的風(fēng)險(xiǎn)程度更低。這使得海上風(fēng)電場(chǎng)項(xiàng)目成為一項(xiàng)風(fēng)險(xiǎn)越來越小的投資，這對(duì)潛在開發(fā)商更有吸引力。然而，就停滯狀態(tài)下的每兆瓦成本而言，這仍然是最昂貴的技術(shù)之一。因此在考慮實(shí)現(xiàn)海上風(fēng)電場(chǎng)之前，有必要進(jìn)行徹底的盈利能力分析。在該分析中，必須考慮現(xiàn)場(chǎng)條件，以細(xì)化投資成本，并推斷出渦輪機(jī)的最佳布置，從而最大限度地提高電能產(chǎn)量并將投資降至最低。

王棟杰等人在研究中解釋了不同的經(jīng)濟(jì)函數(shù)，以評(píng)估未來投資的盈利能力[7]。其中，平準(zhǔn)化能源成本（LCOE）、內(nèi)部收益率（IRR）、折現(xiàn)回收期、投資回報(bào)率或效益成本比被用作衡量運(yùn)營風(fēng)險(xiǎn)和投資質(zhì)量的指標(biāo)[8]。另一方面，還需要將最大投資限制在一定值，但是凈現(xiàn)值（NPV）適合在OWF 布局的互斥選項(xiàng)之間進(jìn)行選擇，因此應(yīng)在優(yōu)化算法中用作目標(biāo)函數(shù)。為了將最大投資限制在一定的價(jià)值，還需要進(jìn)一步優(yōu)化算法。由于NPV 是給定時(shí)間段內(nèi)公司現(xiàn)金流入的現(xiàn)值和現(xiàn)金流出的現(xiàn)值之間的差值，因此可以表示為公式（1）。

式中：

T—實(shí)用壽命；

AEP—年凈能源產(chǎn)量（扣除尾流干擾和電力基礎(chǔ)設(shè)施中的總損失后）；

pkWh和△pkWh—能源價(jià)格及其年增量；

OPEX 和△OPEX—運(yùn)營和維護(hù)成本及其增量；

CAPEX—總投資成本；

Dec—扣除工廠剩余價(jià)格后的按時(shí)退役成本；

r—貼現(xiàn)率，可以由名義利率ri和通貨膨脹inf 得出，見公式（2）。

公式（2）中年金系數(shù)α 的定義見公式（3）。

LCOE 可以表示為公式（4）。

在一些研究工作中，假設(shè)貼現(xiàn)率與加權(quán)平均資本成本（weighted average cost of capital，WACC）相似，并略高以調(diào)整風(fēng)險(xiǎn)[9,10]。在此次研究中，設(shè)置了ri=9.4 %和inf=1.5 %，由此可以得出r=7.78 %。

對(duì)于每個(gè)風(fēng)向φ 和每個(gè)風(fēng)速u 來說，風(fēng)力發(fā)電廠每年產(chǎn)生的能量可以通過將Nt臺(tái)渦輪機(jī)中每一臺(tái)產(chǎn)生的能量Ek加在一起來獲得。因此在一年的時(shí)間中（Ty=8 766 h），AEP 可以表示為公式（5）。

式中：

ucut-in—切入速度；

ucut-out—切出速度；

Pc—由渦輪機(jī)功率曲線給定的特定風(fēng)速下的電能；

fr（φ，u）—速度v 和風(fēng)向φ 下的概率密度。

在這個(gè)表達(dá)式中，陣列的渦輪機(jī)k 產(chǎn)生的功率取決于到達(dá)第k 個(gè)渦輪機(jī)的氣流的有效速度。由于尾流效應(yīng)，該有效速度小于自由流空氣速度u。在風(fēng)電場(chǎng)優(yōu)化問題中，有不同的方法來估計(jì)尾流引起的風(fēng)速不足。在一已有的研究中，研究人員使用的最簡單、最流行的尾流模型是PARK 模型[11]。它首先由Jensen 和Katic 提出，從尾流直徑（Dw）等于逆風(fēng)渦輪機(jī)的轉(zhuǎn)子直徑（D）開始。假設(shè)逆風(fēng)風(fēng)力渦輪機(jī)后面的尾流擴(kuò)展與渦輪機(jī)之間在風(fēng)向上的距離投影成線性，那么Dw的計(jì)算見公式（6）。

式中：

比例因子是尾流衰減常數(shù)（kw），其可以表示為塔轂高度（h）和表面粗糙度長度（z0）的函數(shù)，見公式（7）。

對(duì)于第一次評(píng)估，使用了0.052 5 的值，從z0=0.005（對(duì)于海上場(chǎng)地通常如此）和h=70 獲得。然而，海上風(fēng)電場(chǎng)荷斯韋夫I（Horns Rev I，HR-I）布局的區(qū)域效率為91.5 %，高于已有研究中觀察到的89 %[12]。事實(shí)上，為了考慮到湍流強(qiáng)度（turbulence intensity，TI）的影響[13]，同時(shí)穩(wěn)定性越低，kw就越高，那么從公式（7）中獲得的值應(yīng)該進(jìn)行調(diào)整。當(dāng)湍流強(qiáng)度不可用時(shí)，研究人員對(duì)kw進(jìn)行擬合，以便從尾流損失模型中獲得的結(jié)果與觀測(cè)值相匹配[14]。其中海上場(chǎng)地中的kw=0.04。根據(jù)動(dòng)量理論，尾流膨脹會(huì)產(chǎn)生風(fēng)速損失δ，該損失取決于逆風(fēng)推力系數(shù)Ct，見公式（8）。

式中：

v—下游位置的尾流速度；

v∞—未擾動(dòng)風(fēng)速。

在渦輪機(jī)受到多個(gè)逆風(fēng)渦輪機(jī)擾動(dòng)的情況下，必須增加尾流影響的研究，以獲得有效風(fēng)速的不足。在已有的文獻(xiàn)中已經(jīng)提出了不同的聚合方法[15]，其中優(yōu)選的方法是平方根，見公式（9）。

作為由于來自N個(gè)上游渦輪機(jī)的單個(gè)尾流而導(dǎo)致的下游位置處的不足的均方根，其能獲得任何渦輪機(jī)處的總風(fēng)速不足。在與海上風(fēng)電場(chǎng)建設(shè)的相關(guān)工作中，這種組合方法是與觀測(cè)到的功率數(shù)據(jù)表現(xiàn)出最佳匹配的方法[16]?？紤]順風(fēng)渦輪機(jī)僅部分受到尾流影響的情況，可以改進(jìn)公式（9）中的計(jì)算方法，改進(jìn)后的方法見公式（10）。

式中：

—影響順風(fēng)渦輪機(jī)的逆風(fēng)渦輪機(jī)i部分尾流的表面。

1.2 海上風(fēng)電場(chǎng)規(guī)劃方法中的非遺傳進(jìn)化算法研究

通過利用考慮平行四邊形布局解決方案（具有均勻分布的渦輪機(jī)）所帶來的復(fù)雜性降低，本工作引入了一個(gè)完整的風(fēng)電場(chǎng)優(yōu)化問題，該風(fēng)電場(chǎng)優(yōu)化問題搜索海上風(fēng)電場(chǎng)的位置、大小和布局的最佳值，以最大限度地提高項(xiàng)目盈利能力。傳統(tǒng)的遺傳算法無法實(shí)現(xiàn)一個(gè)完整的搜索，因此只有放棄使用遺傳算法獨(dú)立定位每個(gè)渦輪機(jī)的想法。相反，這項(xiàng)工作提出了一種非遺傳進(jìn)化算法，該算法使用八個(gè)連續(xù)變量，涉及中心坐標(biāo)、行數(shù)、每行渦輪機(jī)數(shù)量、行之間和一行渦輪機(jī)之間的距離、行方向和平行四邊形角。它與典型的遺傳算法具有基本相同的結(jié)構(gòu)，但調(diào)整其交叉和變異算子以處理連續(xù)變量。與現(xiàn)有的基于遺傳算法的工作相比，所提出的方法可以在不影響計(jì)算時(shí)間的情況下在廣闊的特許區(qū)域內(nèi)進(jìn)行搜索。

風(fēng)電場(chǎng)優(yōu)化問題的目的是獲得特許區(qū)內(nèi)海上風(fēng)電場(chǎng)的最佳位置和布局，從而優(yōu)化某個(gè)目標(biāo)函數(shù)[17,18]。在本工作中，該目標(biāo)函數(shù)就是平準(zhǔn)化能源成本（levelized cost of energy，LCOE）。該方法并不尋求獨(dú)立定位每個(gè)渦輪機(jī)，這會(huì)導(dǎo)致布局不規(guī)則。相反，在這項(xiàng)工作中，每一代的個(gè)體都是平行四邊形的海上風(fēng)電場(chǎng)，其中渦輪機(jī)均勻分布。LCOE 目標(biāo)函數(shù)由以下8 元組定義可得：中心的坐標(biāo)X 和Y；nr表示行數(shù)；ntr表示每排渦輪機(jī)數(shù)量；對(duì)于行之間的距離而言，其單位為直徑（dr）；對(duì)于一排渦輪機(jī)之間的距離而言，其單位為直徑（dtr）；陣列的方向在相對(duì)于北方的位置，其單位為度，方向?yàn)镃W（θ）；平行四邊形角；對(duì)于矩形（φ），其值等于90 °。圖1為這些決策變量的表示方法。

圖1 決策變量的表示方法

研究中所提出的非遺傳進(jìn)化算法（NGEA）必須獲得這八個(gè)決策變量，以定義最小化LCOE 的海上風(fēng)電場(chǎng)。其中，六個(gè)是實(shí)數(shù)，兩個(gè)（行數(shù)和列數(shù)）是離散值。這兩個(gè)變量不會(huì)增加額外的復(fù)雜性，因?yàn)樗鼈兛梢院苋菀椎剞D(zhuǎn)換為連續(xù)值。因此，該算法可以被認(rèn)為具有連續(xù)值。

通常，以下限制適用于所提出的算法：①所有的渦輪機(jī)都是相同的類型，轉(zhuǎn)子處于相同的高度。因此，它僅適用于海上風(fēng)電場(chǎng)地。②渦輪機(jī)均勻分布，形成平行四邊形的海上風(fēng)電場(chǎng)，且所有行都有相同數(shù)量的渦輪機(jī)。③電纜尺寸和變電站位置得到了優(yōu)化，但沒有優(yōu)化渦輪機(jī)之間的連接。即，一排的所有渦輪機(jī)必須按照HR-I[12]中的徑向電纜布置從最后一臺(tái)連接到第一臺(tái)。④從海上變電站到海岸過渡的高壓電纜軌跡沒有得到優(yōu)化。

對(duì)于這一特定的研究案例，以下限制適用于所提出的方法：①最多允許80 臺(tái)渦輪機(jī)。②渦輪機(jī)位置僅限于適當(dāng)位置的淺水區(qū)。本研究中的搜索區(qū)域僅限于縮小的空間，但通常情況下，搜索區(qū)域可以擴(kuò)大到數(shù)千平方公里，而不會(huì)影響計(jì)算時(shí)間。③對(duì)于第一個(gè)優(yōu)化，行中渦輪機(jī)之間的距離dtr和行之間的距離dr是固定的，并且等于7D。對(duì)于第二個(gè)優(yōu)化dr，dtr∈[5D，20D]。

在大多數(shù)研究風(fēng)電場(chǎng)優(yōu)化問題中，研究人員所使用的傳統(tǒng)遺傳算法不適合處理連續(xù)變量[19]。從這個(gè)意義上說，用實(shí)數(shù)運(yùn)算的NGEA 已經(jīng)被編程，以確定定義最佳平行四邊形海上風(fēng)電場(chǎng)的八個(gè)決策變量。它的結(jié)構(gòu)基本上與典型的遺傳算法相同，盡管它調(diào)整了交叉和變異算子來處理連續(xù)變量。該算法按照?qǐng)D2 的操作順序進(jìn)行編程，其中交叉一詞被重組取代，這在NGEA 中通常是首選的，以設(shè)計(jì)結(jié)合父母基因型產(chǎn)生新后代的算子。其操作規(guī)范為：人口規(guī)模，150 人；最大世代數(shù)，250；重復(fù)完成，40 次；初始種群中的個(gè)體，100 個(gè)；交叉概率，80 %；突變概率為12 %。圖2 為優(yōu)化方法的操作步驟。

圖2 優(yōu)化方法的操作步驟

研究表明在大多數(shù)風(fēng)電場(chǎng)優(yōu)化問題的研究中，研究人員使用的遺傳算法不適合處理連續(xù)變量[20]。從這個(gè)意義上講，對(duì)使用實(shí)數(shù)值運(yùn)行的NGEA 進(jìn)行編程，可以確定最佳平行四邊形海上風(fēng)電場(chǎng)八個(gè)決策變量的定義，從而進(jìn)行連續(xù)變量的計(jì)算，最終實(shí)現(xiàn)在不影響計(jì)算時(shí)間的情況下在廣闊的特許區(qū)域內(nèi)進(jìn)行搜索。

2 基于非遺傳進(jìn)化算法的海上風(fēng)電場(chǎng)實(shí)驗(yàn)結(jié)果

本次研究中所提出的方法已經(jīng)在流行的HR-I 網(wǎng)站上進(jìn)行了測(cè)試。該海上風(fēng)電場(chǎng)已在許多研究工作中用作測(cè)試臺(tái)，以證明所提出的優(yōu)化算法的有效性，或作為評(píng)估尾流損失的方法。對(duì)于第一個(gè)目標(biāo)，大多數(shù)測(cè)試算法的輸出是渦輪機(jī)沿特許區(qū)不規(guī)則分布的布局，因此沒有產(chǎn)生關(guān)于渦輪機(jī)排列的優(yōu)先方向的有用信息。

因此第1.2 節(jié)中所示的算法被執(zhí)行了十次，以確定HR-I 所在地風(fēng)電場(chǎng)的最佳布局。前五次優(yōu)化搜索的約束條件是將渦輪機(jī)限制在淺水區(qū)域（＜10 m），不包括提取區(qū)域和靠近海岸的敏感區(qū)域。當(dāng)解決方案被限制在一個(gè)大的特許區(qū)域時(shí)，在圖3 中展示了獲得的最佳個(gè)體參數(shù)。圖3（a）表示每一代最佳個(gè)體的中心位置。圖3（b）表示行的方向角和平行四邊形的角度。圖3（c）表示一排渦輪機(jī)之間以及排與排之間的間隔。十個(gè)優(yōu)化搜索的結(jié)果用不同的顏色表示。從圖3（a）中可以看出，海上風(fēng)電場(chǎng)中心的位置沒有分散。從圖3（b）中可以看出方向和傾斜度也是相當(dāng)恒定的。同時(shí)從圖3（c）中可以看出具有很長距離的解決方案是優(yōu)選的，因?yàn)樗鼈兛梢詼p少尾流效應(yīng)（渦輪機(jī)之間的最大距離限制為20D）。

圖3 最佳個(gè)體的參數(shù)

然而，特許經(jīng)營區(qū)通常被縮小到更小的區(qū)域，開發(fā)商被迫減少渦輪機(jī)之間的間距。根據(jù)這一問題，將距離固定為7D，進(jìn)行了一組新的五次搜索，結(jié)果如圖4 所示。圖4（a）表示每一代最佳個(gè)體的中心位置。圖4（b）表示行的方向角和平行四邊形的角度。圖4（c）表示每排具有一定數(shù)量渦輪機(jī)的個(gè)體的LCOE 平均值和發(fā)生次數(shù)。十個(gè)優(yōu)化搜索的結(jié)果用不同的顏色表示。同樣，該中心位于特許區(qū)的中部。方向值在（55～95）°之間變化，而平行四邊形角度在（85～95）°之間。圖4（c）顯示了最頻繁的布局和每個(gè)布局的LCOE 平均值。16×5 的布局是最常見的布局，目標(biāo)函數(shù)LCOE 的值較低（即最佳）。同時(shí)存在一些10×8、11×7 和13×6 的解決方案，最后兩個(gè)解決方案包括比特許權(quán)允許的更少的渦輪機(jī)。如果選擇NPV作為目標(biāo)函數(shù)，這些解決方案在搜索過程結(jié)束時(shí)幾乎不會(huì)出現(xiàn)。

圖4 距離固定后的最佳個(gè)體參數(shù)

每一代適應(yīng)度的演變?nèi)鐖D5 所示，表明最佳適應(yīng)度通常在不到100 代的時(shí)間內(nèi)達(dá)到。研究中還給出了計(jì)算時(shí)間，對(duì)于渦輪機(jī)之間的長距離，每次優(yōu)化搜索的平均時(shí)間為2 400 s。而對(duì)于正常的分離，每次優(yōu)化搜索的平均時(shí)間為2 800 s。

圖5 個(gè)體適應(yīng)度的演變

圖6 顯示了行和列的最頻繁方向的演變。每一代最佳個(gè)體的行和列的首選方向。圖6（a）表示行和列之間沒有分隔限制時(shí)的值。圖6（b）表示施加了7D 的分隔。五個(gè)優(yōu)化搜索的結(jié)果用不同的顏色表示。柱方向是通過減去方向和傾斜度來獲得的。優(yōu)選的對(duì)齊方向約為60 °和150 °，試圖能避開能量不足的風(fēng)向。

圖6 行和列中最頻繁方向的演變

最后對(duì)基于遺傳算法的搜索方法與本文中的搜索方法進(jìn)行了最終決策變量的比較，電氣損失分別為8.53 GWh 和9.88 GWh，尾流損失分別為76.81 GWh和40.68 GWh。盡管優(yōu)化后的電氣損失相較優(yōu)化前增加15.83 %，但尾流損失減少47.04 %，極大減少了整體能耗。在運(yùn)營成本方面，從優(yōu)化前的142.4 元/GWh 增加到149.7 元/GWh，但度電成本從61.26 元/GWh 降低到59.34 元/GWh，整體內(nèi)部收益率提高0.83 %，風(fēng)電場(chǎng)凈現(xiàn)值從7.293 億元增加到8.609 億元，見圖7。

圖7 方法對(duì)比

本次實(shí)驗(yàn)中分析了平行四邊形海上風(fēng)電場(chǎng)的方位和傾斜度的最佳值，并將結(jié)果與實(shí)際布局進(jìn)行了比較。使用均勻分布的渦輪機(jī)的另一個(gè)優(yōu)點(diǎn)是，定義最佳方向、方位和傾斜度的兩個(gè)變量為設(shè)計(jì)者提供了關(guān)于優(yōu)選方向的信息，以使渦輪機(jī)與未來用于選擇對(duì)開發(fā)商最具吸引力的特許區(qū)域的目標(biāo)對(duì)準(zhǔn)。如果特許區(qū)域足夠大，盡管要安裝的渦輪機(jī)的數(shù)量或功率有限，但該算法也可以通過完全定義其位置、距離、方向、傾斜度和布局（按行和列分布）來找到最佳解決方案。作為一個(gè)相對(duì)的缺點(diǎn)，渦輪機(jī)位置不能自由地位于海上風(fēng)電場(chǎng)區(qū)域中，并且被迫均勻分布，從而將可能的候選頻譜減少到最佳。然而，在有和沒有均勻分布渦輪機(jī)限制的情況下進(jìn)行的優(yōu)化對(duì)比結(jié)果顯示，由此產(chǎn)生的凈能量產(chǎn)出差異非常小，其差值小于1 %。

3 結(jié)論

該研究對(duì)HR-I 海上風(fēng)電場(chǎng)相關(guān)的尾流效應(yīng)所遇到的能量損失進(jìn)行了研究，并考慮了一種影響項(xiàng)目盈利的遺傳算法對(duì)項(xiàng)目渦輪機(jī)布局進(jìn)行優(yōu)化，使其具有一致性。在研究過程中，考慮了海上風(fēng)電場(chǎng)經(jīng)濟(jì)評(píng)估的相關(guān)因素，定義了形狀類似平行四邊形的最優(yōu)海上風(fēng)電場(chǎng)的渦輪機(jī)分布位置、尺寸和配置。鑒于算法應(yīng)該找到渦輪機(jī)之前的確切位置、方向、傾斜度和最佳分離距離，對(duì)傳統(tǒng)的遺傳算法模型進(jìn)行優(yōu)化，選擇實(shí)數(shù)運(yùn)算的NGEA來確定海上風(fēng)電場(chǎng)的決策變量。研究結(jié)果顯示，10 個(gè)優(yōu)化結(jié)果的區(qū)域中心橫軸范圍為（15～30）km，縱軸范圍為（10～20）km，平行四邊形角度為（100～120）°，方向角度為（85～105）°，每行渦輪機(jī)之間的距離為（9～20）m，每列渦輪機(jī)之間的距離為（5～8）m。渦輪機(jī)距離優(yōu)化前的平均搜索時(shí)間為2 800 s，而優(yōu)化后的搜索時(shí)間為2 400 s，效率提升14.29 %。此外，具有特許經(jīng)營區(qū)傾向的風(fēng)電場(chǎng)對(duì)潛在開發(fā)商更具有吸引力，風(fēng)電場(chǎng)凈現(xiàn)值能夠提升18.04 %。研究的不足之處在于優(yōu)化后風(fēng)電場(chǎng)整體內(nèi)部收益率提高不足1 %，以后的研究應(yīng)向提升整體內(nèi)部收益率努力。