⚡ electrical engineering

WAKE-NET: 3D-Wake-Aware Turbine Layout and Cabling Optimization Framework of Multi-Hub-Height Wind Farms for Grid-Scale and Industrial Power Systems

该论文提出了名为 WAKE-NET 的优化框架，通过结合多轮毂高度设计与尾流效应考量，优化了多容量风力发电机的布局与电缆连接，从而显著提升了大型风电场的能量产出预测精度与经济可行性。

原作者： Ann Mary Toms, Xingpeng Li

发布于 2026-03-25

📖 1 分钟阅读☕ 轻松阅读

原作者： Ann Mary Toms, Xingpeng Li

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇文章介绍了一个名为 WAKE-NET 的聪明系统，它就像是一位**“风电场超级管家”**，专门负责帮我们在大地上（或大海上）规划风力发电机的最佳摆放位置，让发电厂赚最多的钱。

为了让你更容易理解，我们可以把风力发电场想象成一个**“巨大的露天电影院”，而风力发电机就是“观众席上的观众”**。

1. 核心问题：为什么不能把观众挤在一起？

在传统的规划中，人们往往只考虑“风大不大”，却忽略了一个大问题：“尾流效应”（Wake Effect）。

比喻：想象一下，前排的观众（上游的风机）站起来挡住了后面的视线，或者前排的人挥动双臂（风机转动）搅动了空气，导致后排的观众（下游的风机）只能看到模糊的画面，或者感觉风被挡住了。
后果：如果风机排得太密，后面的风机就像被前排“挡了路”，转得慢，发的电就少。这就好比电影院里，如果前排的人太靠前，后排的人就看不清电影了。
现状：以前的规划软件就像个“近视眼”，只数有多少个座位（风机），却不管前排是不是挡住了后排，结果算出来的收入往往虚高，实际建好后发现赚不到那么多钱。

2. WAKE-NET 的绝招：它是怎么做的？

WAKE-NET 这个新系统就像一位**“精明的导演”**，它做了三件以前没人同时做好的大事：

A. 像“排座位”一样规划布局

它不会随便把风机放上去，而是像导演安排座位一样，仔细计算风向。

做法：如果风主要从东边吹来，它会把风机排成“斜线”或者“错开”的队形，就像电影院里把座位稍微错开一点，让后排的人也能看到屏幕。
结果：这样后排的“观众”（风机）就不会被前排“挡视线”，每个人都能吃到“风”的红利。

B. 搞“身高差异化”（多轮毂高度）

这是这篇文章最大的创新点。以前的风电场，所有风机都长得一样高（像一群身高相同的观众）。但 WAKE-NET 允许**“高矮搭配”**。

比喻：想象电影院里，有的观众坐在普通座位上（矮风机），有的坐在高脚凳上（高风机），甚至有的站在椅子上（超高风机）。
原理：风在离地面越高的地方吹得越猛、越稳。
- 矮风机负责抓低空的风。
- 高风机负责抓高空的强风。
- 关键点：因为高度不同，它们就像在“立体空间”里错开了，高处的风机不会挡住低处风机的“视线”，大大减少了互相干扰。
效果：就像在拥挤的房间里，大家站成高低不同的层次，每个人都能呼吸到新鲜空气，而不是挤在一起互相挡气。

C. 算一笔“经济账”

它不仅仅看发了多少电，更看赚了多少钱。

它会把买风机的钱、买地的钱、拉电缆的钱（就像电影院的地毯和电线）全部算进去。
有时候，为了多赚一点电，可能需要多花很多钱买地或拉线，WAKE-NET 会算出那个**“甜蜜点”**：在这个点上，投入和产出最划算，而不是盲目地塞进最多的风机。

3. 研究发现：它发现了什么秘密？

作者用这个系统在美国的多个地方（海上和陆地）做了模拟，发现了一些有趣的事情：

地点决定命运：就像开电影院，选在繁华闹市区（风大的地方，如阿拉斯加海域）肯定比选在偏僻小巷（风小的地方，如印第安纳州）赚钱。有些风小的地方，如果不给补贴，建风电场甚至会赔钱。
贪多嚼不烂：如果你在一个有限的区域里塞进太多风机，就像把电影院塞得连过道都没有，虽然座位多了，但因为互相挡视线（尾流），每个人能看到的画面都变差了，最后总收入反而下降。系统找到了一个**“最佳人数”**，再多就不划算了。
旧方法太乐观：如果不考虑“互相挡视线”（忽略尾流效应），以前算出来的利润可能比实际高出很多。用了 WAKE-NET 后，预测更准了，避免了投资者“画大饼”式的亏损。

4. 总结：这对我们意味着什么？

这就好比我们要装修一个**“能量工厂”**。

以前：我们只是把机器堆在一起，以为风一吹就能全转起来，结果发现机器之间会打架，效率低，还多花了冤枉钱。
现在：WAKE-NET 告诉我们，要**“错落有致”**。让机器有高有低，位置要像下棋一样精心布局，既要利用高空的强风，又要避免它们互相“打架”。

一句话总结：
这篇文章提出了一种**“聪明布局法”，通过让风机“高矮搭配、错落有致”，解决了它们互相“挡路”的问题，帮助投资者在风力发电这个生意里少踩坑、多赚钱**，让清洁能源变得更靠谱、更经济。

以下是基于论文《WAKE-NET: 3D-Wake-Aware Turbine Layout and Cabling Optimization Framework of Multi-Hub-Height Wind Farms for Grid-Scale and Industrial Power Systems》的详细技术总结：

1. 研究背景与问题 (Problem)

随着全球向可再生能源转型，大型风电场的部署加速，但传统的风电场规划存在以下关键问题：

尾流效应（Wake Effect）被忽视或简化：传统分析往往仅基于入流风况估算功率，忽略了上游风机对下游风机造成的尾流干扰。尾流会导致下游风机风速降低和湍流增加，造成显著的能量损失（通常在 4%-25% 之间，大型海上风电场平均损失约 10%-20%）。
经济评估失真：忽视尾流效应会导致年发电量（AEP）和长期利润被高估，进而误导投资决策。
风机配置单一化：现有研究多假设风电场采用统一的风机轮毂高度和容量。实际上，不同轮毂高度可以改变风机在垂直风切变中的位置，从而减少尾流重叠，但现有优化框架很少将轮毂高度多样化与布局优化进行耦合。
缺乏集成优化：现有的优化方法通常将尾流建模、布局优化、风机选型和电缆路由作为独立问题处理，缺乏一个统一的、以经济效益为导向的框架。

2. 方法论 (Methodology)

论文提出了名为 WAKE-NET 的三维尾流感知优化框架，旨在最大化风电场的年度经济效益（AEB）。

核心目标函数：
$\text{Maximize } AEB = \text{年度生产收益 (APB)} - \text{总投资成本 (Investment)}$
其中，投资成本包括土地成本、风机成本（资本支出 + 运维）和电缆成本。
尾流建模：
- 采用 Jensen 尾流模型 进行计算，因其计算效率高，适合大规模优化。
- 引入 平方叠加法（Squared Superposition） 来计算多个上游风机对下游风机的综合尾流影响。
- 3D 尾流几何计算：创新性地考虑了轮毂高度差异（ $z_j - z_i$ ），通过计算尾流锥体与下游风机扫掠面的三维重叠面积，精确量化不同高度风机间的尾流损失。
优化变量：
- 风机位置（布局）。
- 风机容量选择（从 8MW 到 22MW 共 6 种规格）。
- 轮毂高度（支持多高度配置，如 90m, 110m, 125m, 150m, 160m, 320m）。
- 变电站位置及风电场边界。
- 电缆路由（采用最小生成树 MST算法优化电缆总长度）。
求解算法：
- 使用 遗传算法（Genetic Algorithm, GA） 在固定风机数量、恒定电价和全额并网吸收的假设下寻找全局最优解。
- 输入数据：基于美国不同陆上和海上站点 5 年的逐小时历史风速和风向数据（来自 NCEI 和 NDBC）。

3. 主要贡献 (Key Contributions)

集成优化框架：首次将尾流感知布局、轮毂高度多样化、风机容量选择和电缆路由整合在一个以利润为导向的框架中。
3D 尾流感知：明确将轮毂高度差异纳入尾流计算，通过垂直错开风机来减少尾流重叠，而非仅依赖水平间距。
经济真实性：不仅优化能量产出，还直接优化年度经济效益（AEB），避免了因忽视尾流导致的利润高估。
多场景验证：利用美国多个陆上（德州、堪萨斯、怀俄明、印第安纳）和海上（阿拉斯加、夏威夷、德州、加州、新泽西）站点进行了广泛的案例研究。

4. 关键结果 (Results)

尾流感知的重要性：
- 对比实验显示，忽视尾流的“基准模型”会高估年利润。在加州海上案例中，忽略尾流的模型预测的 AEB 比考虑尾流的 WAKE-NET 模型高出约 50%（实际上，忽略尾流会导致布局不合理，实际运行后利润大幅下降）。
- 尾流感知模型能更准确地预测能量产出，避免投资失误。
多轮毂高度的影响：
- 在阿拉斯加和夏威夷的案例中，对比了单一高度、双高度和六高度（多样化）配置。
- 结果显示，虽然更高的轮毂高度能捕获更强风速，但单纯增加高度并不总是增加收益。
- 多样化配置（Case 1） 在阿拉斯加实现了最高的 AEB（3.13 亿美元/年），优于单一高度配置。这表明通过垂直错开风机可以有效平衡风切变收益与尾流损失。
选址与资源质量：
- 海上：阿拉斯加因风速高、湍流低，表现出最高的容量因子（54.27%）和经济效益。
- 陆上：怀俄明、堪萨斯和德州表现良好，而印第安纳因风速低，即使优化后容量因子仍低于 10%，导致 AEB 为负，表明低风速地区若无政策补贴难以盈利。
规模敏感性：
- 在固定面积（145 平方公里）下，随着风机数量增加，尾流干扰加剧，导致单机容量因子和边际收益下降。
- 存在一个最优风机数量（阿拉斯加案例约为 26 台），超过此数量后，增加的尾流损失和投资成本将超过新增的发电收益，导致总经济效益下降。

5. 意义与结论 (Significance)

指导投资决策：WAKE-NET 框架为风电开发商和投资者提供了更可靠的工具，能够准确评估不同选址、布局和配置下的长期盈利能力，避免因模型简化导致的数百万美元级损失。
提升设计效率：证明了在风电场设计中引入多轮毂高度和尾流感知是提升大型风电场能量产出和经济性的关键。
政策启示：研究指出低风速地区的开发可能需要政策激励，而高风速地区则具有显著的商业价值。
未来方向：该框架展示了将空气动力学、空间约束和经济约束统一优化的可行性，为下一代超大规模风电场（包括海上和工业微电网）的规划提供了理论依据和技术路径。

总结：该论文通过 WAKE-NET 框架，成功解决了传统风电场规划中忽视尾流效应和风机配置单一化的问题，证明了通过三维布局优化和多样化风机配置，可以显著提升风电场的能量产出准确性和经济可行性。