利用概率推断优化风电场布局以实现最大发电量：基准测试揭示优越的计算效率与可扩展性
最优化与控制
2021-02-19 v1
摘要
风电场的成功开发依赖于风力机的最优选址，以在随机风况及邻近风力机引起的尾流损失下最大化功率容量。本文提出一种新方法，可快速生成近似最优布局以支撑基础设施设计决策。我们将离散化布局设计问题的二次整数规划表述建模为一个无向图，该图简洁地刻画了由尾流相互作用引起的设计参数的空间依赖关系。在该无向图上，我们应用基于序贯树重加权消息传递的概率推断来近似风力机选址。我们通过在不同风况复杂度和风电场离散化分辨率下与最先进的branch and cut算法进行基准测试来评估方法的有效性。对于低分辨率，概率推断能以极小计算代价生成最优或近乎最优的风力机布局，其功率容量达到最先进表述所得最优布局的97%以内。随着离散化分辨率（及因此问题规模）增大，概率推断以低得多的计算代价生成最优布局，其功率容量比较佳最先进解高出至多9%。
引用
@article{arxiv.2102.08479,
title = {Optimizing wind farms layouts for maximum energy production using probabilistic inference: Benchmarking reveals superior computational efficiency and scalability},
author = {Aditya Dhoot and Enrico G. A. Antonini and David A. Romero and Cristina H. Amon},
journal= {arXiv preprint arXiv:2102.08479},
year = {2021}
}