مکان‌یابی بهینه توربین های بادی در مزارع با استفاده از الگوریتم (PSO)
محورهای موضوعی : انرژی های تجدید پذیر
شقایق مددپور
1
,
آزاده نکوئی اصفهانی
2
*
,
سیدمهدی بنی هاشمی
3
1 - دانشجوی کارشناسی ارشد گروه مهندسی محیط زیست و صنایع غذایی، دانشکده مهندسی عمران و منابع زمین، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
2 - استادیار گروه مهندسی محیط زیست و صنایع غذایی، دانشکده مهندسی عمران و منابع زمین، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران. *(مسوول مکاتبات)
3 - استادیارگروه مهندسی برق، دانشکده فنی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران و باشگاه پژوهشگران جوان و نخبگان، دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران
کلید واژه: مزرعه بادی خشکی, چیدمان بهینه, توربین بادی, اثر گردابه, انرژی بادی, الگوریتم ازدحام ذرات.,
چکیده مقاله :
زمینه و هدف: در چند دهه اخیر منابع انرژی‌های تجدیدپذیر به جهت افزایش تقاضای انرژی و همچنین تغییر شرایط اقلیمی ناشی از مصرف سوخت‌های فسیلی مورد توجه بیشتری قرار گرفته‌اند. در حال حاضر انرژی باد یکی از اصلی‌ترین منابع تجدیدپذیر جهت تولید انرژی می‌باشد. یکی از روش‌های قابل قبول جهت افزایش توان تولیدی، کاهش هزینه بر واحد توان در مزارع بادی، مکان‌یابی بهینه توربین‌های بادی است و یکی از پارامترهای مهم و تاثیر گذار در مکان‌یابی توربین‌ها در مزارع بادی اثر گردابه است.
روش بررسی: در این پژوهش با استفاده از الگوریتم‌های بهینه‌سازی که از روش‌های پرکاربرد جهت تعیین بهترین موقعیت قرارگیری توربین‌ها در مزارع بادی می‌باشد استفاده شده است. مدل‌سازی مکان‌یابی توربین‌ها برای یک مزرعه بادی در دو چیدمان منظم و نامنظم (بهینه) در سایت بادی منجیل توسط نرم‌افزار متلب شبیه‌سازی شده است، که برای هر دو چیدمان در مزرعه بادی منظم و نامنظم از 10 توربین 550 کیلوواتی استفاده شده است.
یافته‌ها: از نتایج حاصل از شبیه‌سازی، توان تولیدی سالیانه مزرعه بادی منظم برابر با 107×124/1 کیلووات ساعت و تابع هزینه آن 41/8 بدست آمد و برای مزرعه بادی نامنظم از الگوریتم ازدحام ذرات (PSO) استفاده شده است که در این حالت توان تولیدی سالیانه مزرعه بادی نامنظم برابر با 107 × 309/1 کیلووات ساعت و همچنین تابع هزینه 22/7 بدست آمده است.
بحث و نتیجه‌گیری: در این پژوهش موقعیت قرارگیری توربین‌ها در مزرعه بادی با در نظر گرفتن اثر گردابه جهت افزایش توان تولیدی و کاهش هزینه تعیین شده است.
Background and Objective: Currently, one of the acceptable methods for enhancing productivity in wind farms is optimizing turbine placement. This technique is utilized to determine the suitable and optimal positions for wind turbines within a wind farm. The primary objective of this placement is to maximize energy production within the wind farm. In a regular wind farm, turbines are positioned uniformly, symmetrically, and in grid-like patterns or columns. In contrast, in an optimized wind farm, the efficiency of turbine energy harnessing from the wind is enhanced through the identification of the best turbine placement positions.
Material and Methodology: One of the most widely employed approaches for determining the optimal turbine positions in wind farms is the utilization of optimization algorithms. In this research, the placement of two regular and optimized wind farms at the Manjil wind site has been simulated using MATLAB software, considering turbines with a capacity of kilowatts for both types of wind farms.
Findings: The results of the simulation for the regular wind farm indicate an annual production capacity of 1.124×107 kilowatt-hours with a cost factor of 8.41 For the optimized wind farm, a Particle Swarm Optimization (PSO) algorithm has been employed, resulting in an annual production capacity of 1.309 ×107 kilowatts and a cost factor of 7.22 in this scenario.
Discussion and Conclusion: Consequently, this study aimed to demonstrate the impact of turbine placement on the wind farm
1. Nejadfard Jahromi, S., Moharrami, F., Fadaei Nejad, R., “Considering the Wake Effect in Optimal Siting of Wind Turbines in a Wind Farm” - The First Iranian Wind Energy Conference, Autumn 1391 - Tehran, Iran. (In Persian)
2. J. J. Thomas, S. McOmber, and A. Ning, “Wake expansion continuation: Multi‐modality reduction in the wind farm layout optimization problem,” Wind Energy, vol. 25, no. 4, pp. Apr. 2022, 678–699, doi: 10.1002/we.2692.
3. P. Asaah, L. Hao, and J. Ji, “Optimal Placement of Wind Turbines in Wind Farm Layout Using Particle Swarm Optimization,” J. Mod. Power Syst. Clean Energy, vol. 9, no. 2, pp., 2021, 367–375, doi: 10.35833/MPCE.2019.000087.
4. Sultana et al. “Increase the Performance of Wind Energy Systems Using Optimal Layout Planning”. Eng. Proc. 20– 20, 2022.
5. F. González-Longatt, P. Wall, and V. Terzija, “Wake effect in wind farm performance: Steady-state and dynamic behavior,” Renew. Energy, vol. 39, no. 1, pp. 329–338, Mar. 2012, doi: 10.1016/j.renene.2011.08.053.
6. T. Göçmen, P. van der Laan, P.-E. Réthoré, A. P. Diaz, G. C. Larsen, and S. Ott, “Wind turbine wake models developed at the technical university of Denmark: A review,” Renew. Sustain. Energy Rev., vol. 60, pp. 752–769, Jul. 2016, doi: 10.1016/j.rser.2016.01.113.
7. K. E. Diamond and E. 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,” SSRN Electron. J., 2011, doi: 10.2139/ssrn.2940408.
8. G. Mosetti, C. Poloni, and B. Diviacco, “Optimization of wind turbine positioning in large windfarms by means of a genetic algorithm,” J. Wind Eng. Ind. Aerodyn., vol. 51, no. 1, pp. 105–116, Jan. 1994, doi: 10.1016/0167-6105(94)90080-9.