编辑推荐：
为解决海上风电场布局优化中降低能源成本（COE）的问题，研究人员开展了关于成本要素对海上风电场最优布局影响的研究。结果发现非均匀风电场虽能增功但成本过高，且考虑所有成本要素对优化意义重大。该研究对风电场开发极具价值。
随着全球对清洁能源的需求日益增长，海上风电作为一种重要的可再生能源，逐渐成为研究和开发的热点。海上风电场具有诸多优势，比如海上空间广阔，能容纳更大的风力涡轮机，而且风速更高，使得海上风电场相较于陆上的效率更高。同时，将风力涡轮机建在远离海岸线的地方，还能减少视觉干扰和噪音问题。然而，海上风电场的建设和运营也面临着诸多挑战，其中成本问题尤为突出。放置大型涡轮机远离海岸且相互间隔较大，会导致电缆成本、安装成本、运维成本等大幅增加。此外，在风电场布局优化方面，虽然已有不少研究，但仍存在许多问题。部分研究只关注了功率生产的优化，忽视了成本对能源价格的直接影响；还有些研究没有充分考虑风速对涡轮机推力和性能系数的影响。为了深入了解这些问题并找到解决方案，研究人员开展了关于成本要素对海上风电场最优布局影响的研究。该研究成果发表在《Applied Ocean Research》上，对推动海上风电产业的发展具有重要意义。
在研究方法上，研究人员主要运用了以下关键技术：首先，采用 Jensen's wake 模型来估算风电场的能量生产，该模型可以有效评估上游涡轮机尾流对下游涡轮机的影响，进而计算出每个涡轮机的能量产量。其次，通过建立成本模型来计算各项成本，包括涡轮机成本、电缆成本、变压器成本、基础成本以及运维成本等。最后，运用单目标（SO）和多目标（MO）优化算法，其中单目标优化以最小化平准化能源成本（LCOE）为目标，多目标优化则同时兼顾最小化 LCOE 和最大化年发电量（AEP） ，并利用遗传算法（GA）和非支配排序遗传算法 II（NSGA-II）来实现优化过程。
研究结果
- 单目标优化：研究人员针对三种风况，对两种类型的风电场进行了单目标优化，一种是全部采用相同的 E115 涡轮机的风电场，另一种是混合使用 E126 和 E115 涡轮机的风电场。结果显示，使用 E126 涡轮机的风电场发电功率更高，所需涡轮机数量更少，COE 和 LCOE 也更低。在优化过程中，原本混合涡轮机的布局最终都演变成了只包含 E126 涡轮机的布局。通过对成本模型可靠性的验证发现，该研究中各成本组件在总成本中的占比与相关文献中的数据相近，这表明研究中使用的成本模型较为可靠。
- 多目标优化：多目标优化旨在同时最小化 LCOE 和最大化功率输出。在使用相同 E115 涡轮机的情况下，通过帕累托前沿分析展示了功率输出和 LCOE 之间的权衡关系。而在混合 E115 和 E126 涡轮机的情况下，优化结果的种群被分为两个分支，左侧分支全部是 E115 涡轮机，右侧分支则包含两种涡轮机。但最终具有最低 LCOE 的布局都只包含 E126 涡轮机，这再次证明使用较大尺寸的涡轮机（E126）能增加风电场的功率生产，同时降低 LCOE。
- 仅考虑涡轮机成本的优化：研究人员还进行了仅考虑涡轮机成本的优化实验。结果表明，与考虑所有成本要素的优化相比，仅考虑涡轮机成本会使 COE 降低。然而，当重新考虑所有成本（涡轮机、电缆、变压器、基础和运维成本）后，COE 增加了约 50%，并且布局的排序也发生了变化，这突出了在优化过程中考虑所有成本要素的重要性。
研究结论与讨论
该研究聚焦于最小化 LCOE 这一关键指标，为风电场开发者提供了重要参考。研究发现，虽然非均匀风电场在增加功率输出方面有一定潜力，但由于成本显著增加，从开发者的角度来看并不实用。在优化过程中，如果仅基于涡轮机成本进行优化，会低估实际的 COE，而全面考虑所有成本要素对准确评估和优化风电场布局至关重要。此外，研究还对比了本研究与其他报告中的成本比例，发现尽管使用的是较旧的成本模型，但两者的成本比例具有较高的一致性。
不过，该研究也存在一些局限性。由于计算复杂性，研究采用了简化的 wake 模型，且案例研究未使用真实世界数据，部分输入数据也不是最新的，同时分析中未包括退役成本。但这些局限性对优化结果的影响较小，研究方法仍然有效。
未来研究可以从多个方向展开。一方面，可以进一步完善数学成本模型，纳入更详细的电缆成本模型和运维成本模型，并考虑模型参数的不确定性。另一方面，可以探索约束优化，例如限制风电场的功率生产或涡轮机数量。此外，利用混合元启发式等替代优化技术，也有望推动该领域的研究进展。总之，这项研究为海上风电场布局优化提供了重要的理论和实践依据，对促进海上风电产业的可持续发展具有重要意义。
