基于中尺度数据的风机自动排布的方法和设备与流程

本发明涉及风力发电技术领域，更具体地讲，涉及一种基于中尺度数据的风机自动排布的方法和设备。

背景技术：

风机自动排布技术能够在考虑尾流等动态因素的影响的情况下实现对于风资源数据和地形数据的自动化分析，从而实现对风机的自动排布。目前，基于全自动的风机优化排布方案可通过采用适当的尾流模型得到使尾流影响最小化的设计方案，此外，在进行风机优化排布时，除了考虑尾流的影响之外，还可考虑包括工程造价、投资收益、噪声等因素在内的多目标优化。例如，在风机行业中被广泛使用的风机自动排布技术可包括诸如openwind和windpro的商业化软件。

但是，现有的风机自动排布算法基于流体仿真以及测风塔的测风数据得到的风图谱数据，并且现有的风机自动排布算法仅适用于微观选址阶段。在宏观选址阶段，尚无已有的算法或者软件适用。

因此，提出一种能够实现精细化的宏观选址的方法和设备，具有重大的现实意义。

技术实现要素：

为了至少解决现有技术中存在的上述问题，本发明提供了一种基于中尺度数据的风机自动排布的方法和设备。

本发明的一方面在于提供一种基于中尺度数据的风机自动排布的方法，其特征在于，可包括：根据输入的中尺度风图谱数据，利用风速限值对输入的风场区域进行初次筛选来获得第一风场区域；根据输入的地形数据，利用坡度限值对第一风场区域进行再次筛选来获得第二风场区域；通过使用将目标风机数量和第二风场区域作为输入的禁忌搜索法来确定使目标函数最优的风机排布，其中，所述目标函数是针对风机点位的年发电量总和。

利用风速限值对输入的风场区域进行初次筛选来获得第一风场区域的步骤可包括：在输入的风场区域中，根据输入的中尺度风图谱数据计算每个格点的年平均风速；从输入的风场区域中去除年平均风速小于风速限值的格点来获得第一风场区域。

根据输入的中尺度风图谱数据计算每个格点的年平均风速的步骤可包括：针对每个格点，根据输入的中尺度风图谱数据获得每个扇区的年平均风速以及每个扇区对应的风频；针对每个格点，根据扇区的年平均风速和对应的风频计算每个扇区的年平均风速相对于全扇区年平均风速的权重值；根据每个扇区的年平均风速相对于全扇区年平均风速的权重值来计算每个格点的年平均风速，其中，扇区指示风向。

利用坡度限值对第一风场区域进行再次筛选来获得第二风场区域的步骤可包括：在第一风场区域中，基于高程矩阵计算每个格点的坡度；从第一风场区域去除坡度大于坡度限值的格点来获得经过第二风场区域。

确定使目标函数最优的风机排布的步骤可包括：针对第二风场区域，根据每个格点的年平均风速选择针对每个格点的风机机型以确定风机半径；将格点之间的距离作为禁忌条件来确定每个格点的禁忌数组；根据第二风场区域中的每个格点的年发电量，对第二风场区域中的全部格点的年发电量由高到低进行排序，并将排序后的全部格点确定为候选点集；根据禁忌搜索法按先后顺序从候选点集中选择多组格点，其中，所述多组格点中的每一组包括满足禁忌条件的至少一个格点；计算针对所述多组格点中的每一组的所述目标函数；将所述多组格点中使所述目标函数最优的一组格点选为最终的风机点位。

所述方法还可包括：根据第二风场区域中的每个格点的年平均风速计算相应格点的年发电量。

本发明的一方面在于提供一种基于中尺度数据的风机自动排布的设备，其特征在于，可包括：预处理单元，根据输入的中尺度风图谱数据，利用风速限值对输入的风场区域进行初次筛选来获得第一风场区域，并根据输入的地形数据，利用坡度限值对第一风场区域进行再次筛选来获得第二风场区域；风机排布优化单元，通过使用将目标风机数量和第二风场区域作为输入的禁忌搜索法来确定使目标函数最优的风机排布，其中，所述目标函数为针对风机点位的年发电量总和。

在对输入的风场区域进行初次筛选时，预处理单元可在输入的风场区域中根据输入的中尺度风图谱数据计算每个格点的年平均风速，并从输入的风场区域中去除年平均风速小于风速限值的格点来获得第一风场区域。

预处理单元可通过以下操作来计算每个格点的年平均风速：针对每个格点，根据输入的中尺度风图谱数据获得每个扇区的年平均风速以及每个扇区对应的风频；针对每个格点，根据扇区的年平均风速和对应的风频计算每个扇区的年平均风速相对于全扇区年平均风速的权重值；根据每个扇区的年平均风速相对于全扇区年平均风速的权重值来计算每个格点的年平均风速，其中，扇区指示风向。

在对第一风场区域进行再次筛选时，预处理单元可在第一风场区域中基于高程矩阵计算每个格点的坡度，并从第一风场区域去除坡度大于坡度限值的格点来获得第二风场区域。

风机排布优化单元可通过以下操作来获得使目标函数最优的风机排布：针对第二风场区域，根据每个格点的年平均风速选择针对每个格点的风机机型以确定风机半径；将格点之间的距离作为禁忌条件来确定针对每个格点的禁忌数组；根据第二风场区域中的每个格点的年发电量，对第二风场区域中的全部格点的年发电量由高到低进行排序，并将排序后的全部格点确定为候选点集；根据禁忌搜索法按先后顺序从候选点集中选择多组格点，其中，所述多组格点中的每一组包括满足禁忌条件的至少一个格点；计算针对所述多组格点中的每一组的所述目标函数；将所述多组格点中使所述目标函数最优的一组格点选为最终的风机点位。

风机排布优化单元还可根据第二风场区域中的每个格点的年平均风速计算相应格点的年发电量。

本发明的一方面在于提供一种计算机可读存储介质，存储有程序，其特征在于，所述程序可包括用于执行以上所述的基于中尺度数据的风机自动排布的操作的指令。

本发明的一方面在于提供一种计算机，包括存储有计算机程序的可读介质，其特征在于，所述程序包括用于执行以上所述的基于中尺度数据的风机自动排布的操作的指令。

通过上述用于基于中尺度数据的风机自动排布的方法和设备，不但能够根据风速限值的设定排除非优风区域，从而避免大量的无用计算(即提高了算法效率)以及风速太小造成的结果的不准确性，还能够根据坡度限制的设定排除一些不宜架设风机的坡度较大的区域，从而避免风险区域并且降低了风机自动优化的数据量。此外，上述方法和设备以年发电量为目标函数通过利用禁忌搜索法在宏观选址阶段实现了对风机的自动化的全局最优化排布，由于禁忌搜索法效率较遗传算法等优化方法高，从而使得本发明能够快速响应业务需求，即时产生风机排布方案从而有效支撑技术应用。

附图说明

通过下面结合附图对本发明示例性实施例的详细描述，本领域技术人员将会获得对本发明的全面理解，其中：

图1是根据本发明的示例性实施例的基于中尺度数据的风机自动排布的方法的总流程图；

图2是示出根据本发明的示例性实施例的计算每个格点的年平均风速的过程的流程图；

图3是示出根据本发明的示例性实施例的在对初次筛选的中尺度风图谱数据进行筛选的操作中使用的高程矩阵的示图；

图4是示出根据本发明的示例性实施例的利用禁忌搜索法确定风机排布的操作的流程图；

图5是根据本发明的示例性实施例的基于中尺度数据的风机自动排布的设备的框图；

图6是适于实现本发明的示例性实施例的示例性计算机系统的框图。

具体实施方式

为了使本领域技术人员更清楚本发明在风机选址中所处的阶段，在此首先对风机宏观选址阶段和风机微观选址阶段进行详细说明：风机宏观选址阶段和风机微观选址阶段属于不同的风机选址阶段。风机宏观选址阶段又称为风电场场址选择阶段，即，在一个较大的地区内，通过对若干场址的风资源和其它建设条件的分析和比较，确定风电场的建设地点、开发价值、开发策略和开发步骤的过程。风机微观选址阶段是对风电机组具体位置的选择阶段，此阶段已经建立测风塔并获得整年的测风数据，即，在考虑到成本和收益的大量因素的情况下，通过根据风电场内的测风塔信息、测风塔的整年测风数据和当地气象站多年数据等来详细地优化风机的具体建造地址。本发明可实现在风机宏观选址阶段利用中尺度数据(即精度比测风塔测量的数据精度低的数据)来快速地确定风机排布。

下面，参照附图来详细说明本发明的示例性实施例。其中，相同的标号始终表示相同的部件。

图1是根据本发明的示例性实施例的基于中尺度数据的风机自动排布的方法的总流程图。

参照图1，在步骤s100，根据输入的中尺度风图谱数据，利用风速限值对输入的风场区域进行初次筛选来获得第一风场区域。中尺度风图谱数据是利用中尺度数值模式计算出的风资源分布数据，具体地讲，中尺度风图谱数据是利用中尺度数值模式并结合测风数据所计算出的典型网格精度在中尺度量级的风资源等数据，例如，中尺度数据可以为merra-2(modern-eraretrospectiveanalysisforresearchandapplications，version2)数据，即美国国家航空和太空管理局nasa(nationalaeronauticsandspaceadministration)的全球模拟与同化办公室的再分析资料。其中，中尺度风图谱数据可包括每个格点处的在各扇区(即各风向)的整年的威布尔(weilbull)概率密度分布函数的形状参数(k)和尺度参数(a)，或者，中尺度风图谱数据可包括每个格点处的整年的威布尔概率密度分布函数的形状参数(k)和尺度参数(a)(即，在不考虑扇区的情况下的每个格点处的整年的威布尔概率密度分布函数的k和a)，其中，中尺度风图谱数据可以以dat或wrg格式输入到系统中。

具体地讲，利用风速限值对输入的风场区域进行初次筛选来获得第一风场区域的步骤包括：在输入的风场区域中，根据输入的中尺度风图谱数据计算每个格点的年平均风速；从输入的风场区域中去除年平均风速小于风速限值的格点来获得第一风场区域，即，从输入的风场区域中去除年平均风速小于风速限值的格点所在的网格区域来获得第一风场区域。以下参照图2来详细描述计算每个格点的年平均风速的过程。

图2是示出根据本发明的示例性实施例的计算每个格点的年平均风速的过程的流程图。格点对应于网格系统中的相应网格，其中，格点可以是在相应网格的四个顶点中的一个，也可以是在相应网格中的预定位置处的点。中尺度图谱对应的网格系统，每个网格的长和宽范围可以是100m～200m，但是本发明不限于此。

如图2中所示，在步骤s101，针对每个格点，根据输入的中尺度风图谱数据获得每个扇区的年平均风速以及每个扇区对应的风频，其中，扇区表示风向。具体地讲，可通过以下的表达式(1)来计算第i扇区的年平均风速

其中，γ()表示伽玛函数，ai和ki分别表示当前格点处的针对第i个扇区的威布尔概率密度分布函数的尺度参数和形状参数。可通过以下表达式(2)计算当前格点处的针对第i个扇区的风频fi：

其中，ni为第i个扇区(风向)的风速数据的数量，n为全扇区(全风向)所有风速数据的数量。通常，可从输入的中尺度风图谱数据文件或者其他文件中直接读取第i个扇区的风频fi。

在步骤s102，针对每个格点，根据扇区的年平均风速和对应的风频计算每个扇区的年平均风速相对于全扇区年平均风速的权重值。具体地讲，针对当前格点，可根据第i个扇区的年平均风速和第i个扇区对应的风频fi，通过以下表达式(3)来计算第i个扇区的年平均风速对全扇区年平均风速的权重值

然后在步骤s103，根据每个扇区年平均风速相对于全扇区年平均风速的权重值来计算每个格点的年平均风速。具体地讲，可通过以下表达式(4)将当前格点的年平均风速在每个扇区(风向)上的权重值相加来获得当前格点的年平均风速(即全扇区(全风向)年平均风速)vspeed：

其中，n表示扇区的数量。

综上，通过图2的描述，最终可计算出在输入的风场区域中的每个格点的年平均风速。

除了图2中示出的计算每个格点的年平均风速的方法之外，本发明还可采用以下方法来计算每个格点的年平均风速vspeed。

具体地讲，针对一个格点而言，其年平均风速vspeed可表示为：

其中，f()是在不考虑扇区的情况下在当前格点处的整年的威布尔概率密度分布函数，f(v)表示针对当前格点而言风速v出现的概率，即：

其中，a和k分别是在不考虑扇区的情况下在当前格点处的整年的威布尔概率密度分布函数的尺度参数和形状参数，利用上述表达式(5)和(6)可以推导出：

其中，γ()表示伽玛函数。因此，本发明可通过以上的表达式(7)计算出每个格点的年平均风速vspeed。

以上描述了两种计算每个格点的年平均风速vspeed的方法，然而本发明不限于此，本发明可使用任何利用中尺度风图谱数据计算格点的年平均风速的方法。

此外，利用风速限值对输入的风场区域进行初次筛选来获得第一风场区域的步骤还包括：从输入的风场区域中去除年平均风速小于风速限值的格点来获得第一风场区域。

具体地讲，为了对输入的风场区域进行优化，可对输入的风场区域中的每个格点的年平均风速和预先设置的风速限值(例如，4.5m/s)进行比较，并从输入的风场区域中去除年平均风速小于风速限值的格点，从而获得经过风速优化的风场区域(即，第一风场区域)。上述风速限值4.5m/s仅是示例性的，本发明不限于此。

返回参照图1，在步骤s200，根据输入的地形数据，利用坡度限值对第一风场区域进行再次筛选来获得第二风场区域。

具体地讲，在风机的现实架设中，还需要考虑到地形情况，即，需要考虑到坡度情况，由于不易在坡度较大的区域架设风机，因此可在第一风场区域中，根据输入的地形数据，基于高程矩阵计算每个格点的坡度，然后从第一风场区域去除坡度大于坡度限值的格点来获得第二风场区域，即，从第一风场区域去除坡度大于坡度限值的格点所在的网格区域来获得第二风场区域。以下将参照图3对计算每个格点的坡度的过程进行详细描述。

本发明实施例采用的地形数据对应的网格系统，其中，网格的长和宽尺度范围在10m～40m。

如图3所示，a、b、c、d、f、g、h和i分别是位于中心网格e周围的相邻网格。坡度取决于表面从中心网格e开始在水平(dz/dx)方向和垂直(dz/dy)方向上的变化率(增量)，其中，坡度通常以度为单位来度量。可通过以下表达式(8)来计算中心网格e的坡度d：

d＝atan(sqrt([dz/dx]²+[dz/dy]²))*57.29578(8)

其中，[dz/dx]表示中心网格e在x方向上的变化率，[dz/dy]表示中心网格e在y方向上的变化率。可通过以下的表达式(9)和表达式(10)来计算[dz/dx]和[dz/dy]：

[dz/dx]＝((zc+2zf+zi)-(za+2zd+zg)/(8*x_cellsize)(9)

[dz/dy]＝((zg+2zh+zi)-(za+2zb+zc))/(8*y_cellsize)(10)

其中，za、zb、zc、zd、zf、zg、zh、zi分别表示网格a、b、c、d、f、g、h和i的z坐标，x_cellsize和y_cellsize分别表示网格在x方向和y方向上的尺寸。

此外，如果中心网格e的某个相邻网格的z值为nodata(即，没有数据)，则将中心网格e的z值赋值给该相邻网格的z值。例如，在栅格的边缘上，至少有三个网格(即，在栅格范围外的网格)的z值为nodata，此时，可将中心网格e的z值赋值给这些网格的z值。

通过以上表达式(8)、(9)和(10)，可计算出在第一风场区域中的每个网格的坡度，由于格点是网格中的预定点(例如四个顶点中的一个顶点)，因此可相应地获得格点的坡度，然后可从第一风场区域去除坡度大于坡度限值的格点来获得第二风场区域。

举例来说，可将第一风场区域中的每个格点的坡度与15度的坡度限值进行比较，并可根据比较结果从第一风场区域去除坡度大于15度的格点，从而可对通过利用风速限值进行了风速优化的风场区域(即，第一风场区域)进行坡度优化，相应地，可获得第二风场区域。上述的坡度限值15度仅是示例性的，本发明不限于此。

此后，在图1中，在步骤s300，可通过使用将目标风机数量和第二风场区域作为输入的禁忌搜索法来确定使目标函数最优的风机排布，其中，所述目标函数是针对风机点位的年发电量总和。以下参照图4对此进行详细说明，在以下描述中，中尺度图谱对应的网格系统，每个网格的长和宽范围可以是100m～200m，但是本发明不限于此。

参照图4，在步骤s301，针对第二风场区域，根据每个格点的年平均风速选择针对每个格点的风机机型以确定风机半径d。

具体地讲，首先，针对在经过风速优化和坡度优化而获得的第二风场区域中，根据每个格点的年平均风速选择风机机型，进而根据所选择的风机机型确定风机半径。例如，当一个格点的年平均风速为5.0m/s时，可选择风机机型gw121-2000，由于针对该格点已确定了风机机型，进而可确定风机半径d。

然后，在步骤s302，将格点之间的距离作为禁忌条件来确定每个格点的禁忌数组。

具体地讲，在确定了风机半径d之后，可根据例如3d(即3倍的风机半径)原则将格点之间的距离作为禁忌条件来确定针对每个格点的禁忌数组。具体地讲，假设使用3d原则，因此，如果格点a和格点b之间的距离小于3d，则将格点b加入到格点a的禁忌数组中，如果格点a和格点b之间的距离大于或等于3d，则不将格点b加入到格点a的禁忌数组中，因此，通过按照这种方式对第二风场区域中的格点进行遍历来确定格点a的禁忌数组。类似地，可按照上述过程确定第二风场区域中的所有格点中的每一个格点的禁忌数组。此外，以上描述了按照3d原则确定每个格点的禁忌数组，然而这仅是示例性实施例，本发明不限于此，还可以按照5d原则等根据类似过程来确定每个格点的禁忌数组。

在步骤s303，根据第二风场区域中的每个格点的年发电量，对第二风场区域中的全部格点的年发电量由高到低进行排序，并将排序后的全部格点确定为候选点集。

其中，虽然图4中未示出，但是在步骤s303之前，图4所示的方法中还可包括：根据第二风场区域中的每个格点的年平均风速计算相应格点的年发电量。

具体地讲，当在计算出各格点的年平均风速时，可通过将格点的年平均风速vspeed分割为n个区间为1m/s的风速区间(如，0～1m/s，1～2m/s，…，18～19m/s，…)，然后参考功率曲线函数通过以下的表达式(11)来计算每个格点处的单台风机的年发电量e：

其中，vi表示第i个区间；p(vi)表示预先给定的风机功率曲线；ti表示风速区间i的年发电量小时数，并且通过以下的表达式(12)利用年总小时数tt＝8760小时以及相应格点处的威布尔累计概率分布函数f(vi)来给定。

ti＝[f(vi+0.5)-f(vi-0.5)]tt(12)

其中，f(vi+0.5)和f(vi-0.5)都是威布尔累计概率分布函数，并且分别表示风速为0～(vi+0.5)的概率和风速为0～(vi-0.5)的概率，具体参见如下表达式(13)和(14)：

综上，通过以上的表达式(11)至(14)可获得每个格点的年发电量，因此可按照格点的年发电量的降序对第二风场区域中的全部格点进行排序，然后将排序后的全部格点确定为候选点集p，其中，候选点集p中的格点的数量远远大于目标风机数量。

在步骤s304，根据禁忌搜索法按先后顺序从候选点集p中选择多组格点，其中，所述多组格点中的每一组包括满足禁忌条件的至少一个格点，其中，所述至少一个格点的数量等于目标风机数量。

具体地讲，当选择第1组格点时，按照禁忌搜索法从候选点集p中选择满足禁忌条件的所述至少一个格点，具体过程如下：首先从候选点集p中选择排在第1位的第1个格点，然后按照格点的年发电量由高到低的顺序从候选点集p中选择第2个格点，并判断第2个格点是否在所有前序格点(即第1个格点)中的任意一个的禁忌数组中，如果不在所有前序格点(即第1个格点)中的任意一个的禁忌数组中，则将第2个格点选为第1组格点的第2个成员，否则不将第2个格点选为第1组格点的成员，并判断候选点集p中的下一个格点(即第3个格点)是否在所有前序格点(即，第1个格点和第2个格点)中的任意一个的禁忌数组中。依次类推，当确定第1组格点的所述至少一个格点中的第i个格点时，判断按照年发电量从高到低的顺序从候选点集p中选择的一个格点是否位于所有前序格点(即，候选点集p中的在当前选择的一个格点之前的所有格点)中的任意一个的禁忌数组中，如果没有位于所有前序格点中的任意一个的禁忌数组中，则将从候选点集p中选择的该一个格点选为第1组格点的第i个成员，否则不将从候选点集p中选择的该一个格点选为第1组格点的第i个成员。依次类推，直到完成对第1组格点中的所述至少一个格点的选择为止。

此后，当选择第j组格点时，按照禁忌搜索法从候选点集p中选择满足禁忌条件的所述至少一个格点，其中，j是大于1的整数。具体过程如下：首先按照格点的年发电量从高到低的顺序从候选点集p中选择排在第j位的第j个格点，并将该格点作为第j组格点中的第1个成员，然后按照格点的年发电量从高到低的顺序从候选点集p中选择下一个格点(即，第j+1个格点)，并判断所述下一个格点是否在候选点集p中的所述下一个格点之前的所有前序格点中的任意一个格点的禁忌数组中，如果在所有前序格点中的任意一个格点的禁忌数组中，则不将所述下一个格点选为第j组格点的成员，否则将所述下一个格点选为第j组格点的成员。依次类推，直到完成对第j组格点中的所述至少一个格点的选择为止。

可按照以上方式最终从候选点集p中选择多组格点，其中，所述多组格点中的每一组包括满足禁忌条件的所述至少一个格点，其中，候选点集p中的格点的数量远远大于目标风机数量，因此在选择所述多组格点时，为了避免遍历候选点集p中的全部格点而导致计算资源的浪费，仅递归到候选点集p的例如1/2位置处，便终止从候选点集p中选择多组格点的过程，而不进行全部遍历，然而，这仅是示例，本发明不限于此，例如，在选择多组格点时，可递归到候选点集p的1/3、2/3等。

然后，在步骤s305，计算针对所述多组格点中的每一组的所述目标函数。

具体地讲，本发明将每一组格点中的所述至少一个格点(即，风机点位)的年发电量总和作为目标函数。也就是说，计算针对所述多组格点中的每一组的年发电量总和。

然后在步骤s306，将所述多组格点中使所述目标函数最优的一组格点选为最终的风机点位。具体地讲，所述方法将所述多组格点中的年发电量总和最大的一组格点确定为最终的风机点位，从而确定了最终的风机点位，即风机的位置坐标。

例如，下表1是在目标风机数量为25、风速限值为4.5m/s、以及坡度限值为15度的情况下，根据输入的中尺度风图谱数据和地形数据对输入的风场区域进行处理后获得的最优的风机排布情况，其中，表1按照从上到下的优异顺序共列出了8种风机排布方案，对于每种风机排布方案，共有25个风机点位信息，最右侧的一列表示针对25个风机点位的年发电量总和(单位为千瓦时(kw.h))，其中，针对每一种风机排布方案，表1中仅示出了25个风机点位信息中的4种具体数值，其中，风机点位信息为wgs-84坐标系统下的x和y坐标(单位为米(m))。

[表1]

通过以上描述的方法可最终确定风机排布情况，即，可最终确定每个风机的点位信息、年发电量和机型。

图5是根据本发明的示例性实施例的基于中尺度数据的风机自动排布的设备10的框图。

参照图5，设备10包括预处理单元100和风机排布优化单元200。

其中，预处理单元100可根据输入的中尺度风图谱数据利用风速限值对输入的风场区域进行初次筛选来获得第一风场区域。中尺度风图谱数据是利用中尺度数值模式计算出的风资源分布数据，具体地讲，中尺度风图谱数据是利用中尺度数值模式并结合测风数据所计算出的典型网格精度在中尺度量级的风资源等数据，其中，中尺度风图谱数据可包括每个格点处的在各扇区(即各风向)的整年的威布尔(weilbull)概率密度分布函数的形状参数(k)和尺度参数(a)，或者，中尺度风图谱数据可包括每个格点处的整年的威布尔概率密度分布函数的形状参数(k)和尺度参数(a)。

具体地讲，在对输入的风场区域进行初次筛选时，首先，预处理单元100可在输入的风场区域中根据输入的中尺度风图谱数据计算每个格点的年平均风速。

具体地讲，在计算每个格点的年平均风速时，预处理单元100可首先针对每个格点根据输入的中尺度风图谱数据获得每个扇区的年平均风速以及每个扇区对应的风频，即，可通过以上的表达式(1)和表达式(2)来获得每个扇区的年平均风速和每个扇区对应的风频。由于以上已进行了详细描述，因此此处不再进行重复描述。

然后，预处理单元100可针对每个格点，根据扇区的年平均风速和对应的风频计算每个扇区的年平均风速相对于全扇区年平均风速的权重值，并可根据每个扇区的年平均风速相对于全扇区年平均风速的权重值来计算每个格点的年平均风速，其中，扇区指示风向。具体地讲，可根据以上的表达式(3)来计算每个扇区的风速，并可根据表达式(4)来计算每个格点的年平均风速。

此外，预处理单元100还可以根据以上的表达式(7)来计算每个格点的年平均风速。

由于以上已详细描述了计算每个格点的年平均风速的过程，因此，此处不再进行重复描述。

在计算出针对每个格点的年平均风速之后，预处理单元100可从输入的风场区域中去除年平均风速小于风速限值的格点来获得第一风场区域。例如，预处理单元100可对输入的风场区域中的每个格点的年平均风速和预先设置的风速限值(例如4.5m/s)进行比较，并从输入的风场区域中去除年平均风速小于风速限值的格点，从而获得经过初次筛选的风场区域(即第一风场区域)。

此外，预处理单元100可根据输入的地形数据利用坡度限值对第一风场区域进行再次筛选来获得第二风场区域。

具体地讲，在风机的现实架设中还需要考虑到地形情况(即，需要考虑到坡度情况)，这是由于坡度较大的区域不易架设风机，因此在对输入的风场区域进行了初次筛选而获得了第一风场区域之后，还需要对第一风场区域进行再次筛选来排除坡度过大的格点以获得第二风场区域，具体地讲，在第一风场区域中，预处理单元100可根据输入的地形数据基于高程矩阵计算每个格点的坡度，并从第一风场区域去除坡度大于坡度限值的格点来获得经过第二风场区域。由于以上已参照图3对此进行了详细描述，因此此处不再进行重复描述。

在预处理单元100对输入的风场区域进行两次筛选之后，风机排布优化单元200可通过使用将目标风机数量和第二风场区域作为输入的禁忌搜索法来确定使目标函数最优的风机排布，其中，所述目标函数为针对风机点位的年发电量总和。

具体地讲，首先，风机排布优化单元200可针对第二风场区域，根据每个格点的年平均风速选择针对每个格点的风机机型以确定风机半径。例如，当一个格点的年平均风速为5.0m/s，风机排布优化单元200可根据该格点的年平均风速来选择风机机型gw121-2000，由于针对该格点已确定了风机机型，因此风机排布优化单元200可确定风机半径d。

此后，风机排布优化单元200可将格点之间的距离作为禁忌条件来确定针对每个格点的禁忌数组。具体地讲，在确定了风机半径d之后，风机排布优化单元200可根据例如3d(即3倍的风机半径)原则将格点之间的距离作为禁忌条件来确定针对每个格点的禁忌数组。具体地讲，假设使用3d原则，因此，如果格点a和格点b之间的距离小于3d，则风机排布优化单元200将格点b加入到格点a的禁忌数组中，如果格点a和格点b之间的距离大于或等于3d，则风机排布优化单元200不将格点b加入到格点a的禁忌数组中，因此，风机排布优化单元200可通过按照这种方式对经过预处理的风场区域中的格点进行遍历来确定格点a的禁忌数组。类似地，风机排布优化单元200可按照上述过程确定第二风场区域中的所有格点中的每一个格点的禁忌数组。此外，以上描述了按照3d原则确定每个格点的禁忌数组，然而这仅是示例性实施例，本发明不限于此，风机排布优化单元200还可以按照5d原则等根据类似地过程来确定第二风场区域中的每个格点的禁忌数组。

此外，风机排布优化单元200还可根据第二风场区域中的每个格点的年平均风速计算相应格点的年发电量。具体地讲，风机排布优化单元200可根据以上的表达式(11)至(14)来计算第二风场区域中的每个格点的年发电量。由于以上已进行了详细描述，因此此处不再进行重复描述。

此外，风机排布优化单元200可根据第二风场区域中的每个格点的年发电量，对第二风场区域中的全部格点的年发电量由高到低进行排序，并将排序后的全部格点确定为候选点集。其中，在对第二风场区域中的全部格点进行排序之前，风机排布优化单元200可计算第二风场区域中的每个格点的年发电量，即，由于已根据表达式(11)至表达式(14)计算了每个格点的年发电量，因此风机排布优化单元200可按照格点的年发电量由高到低对第二风场区域中的全部格点进行排序，然后将排序后的全部格点确定为候选点集p。

此后，风机排布优化单元200可根据禁忌搜索法按先后顺序从候选点集中选择多组格点，其中，所述多组格点中的每一组包括满足禁忌条件的至少一个格点，其中，所述至少一个格点的数量等于目标风机数量。由于以上对此进行了详细描述，因此此处不再进行重复描述。

在选择了所述多组格点之后，风机排布优化单元200可计算针对所述多组格点中的每一组的所述目标函数。

具体地讲，本发明将每一组格点中的所述至少一个格点(即，风机点位)的年发电量总和作为目标函数。也就是说，风机排布优化单元200可计算针对所述多组格点中的每一组的年发电量总和。

此后，风机排布优化单元200将所述多组格点中使所述目标函数最优的一组格点选为最终的风机点位。具体地讲，风机排布优化单元200可将所述多组格点中的年发电量总和最大的一组格点确定为最终的风机点位，从而确定了最终的风机点位，即风机的位置坐标。

以上描述的过程，设备10可最终确定风机排布情况，即，可最终确定每个风机的点位信息、年发电量和机型。

图6是适于实现本发明的示例性实施例的示例性计算机系统20的框图。图6示出的计算机系统20仅是一个示例，不应该本发明实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统20可以以通用计算设备的形式表现。计算机系统20的组件可以包括但不限于：一个或更多个处理器或处理单元201、系统存储器202、连接不同系统组件(包括系统存储器202和处理单元201)的总线203。

总线203表示多种总线结构中的一种或多种。举例来说，这些总线结构包括但不限于：工业体系结构(isa)总线、微通道体系结构(mac)总线、增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。

计算机系统20典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统20访问的可用介质，包括易失性介质和非易失性介质、可移动介质或不可移动介质。

系统存储器202可包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)204和/或高速缓存存储器205。计算机系统20可进一步包括其它可移动/不可移动、易失性/非易失性计算机系统存储介质。仅作为示例，存储系统206可以用于读写不可移动的、非易失性磁介质(图6中未示出，通常被称为“硬盘驱动器”)。尽管图6中未示出，但可提供用于对可移动非易失性磁盘(例如软盘)读写的磁盘驱动器、以及对可移动非易失性光盘(例如cd-rom、dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线203相连。系统存储器202可以包括至少一个程序产品，其中，程序产品具有被配置为执行本发明各实施例的多个功能的至少一个程序模块207。

具有至少一个程序模块207的程序/实用工具208可被存储在例如系统存储器202中，这样的程序模块207包括但不限于：操作系统、一个或更多个应用程序、其它程序模块以及程序数据，此外，这些示例中的每一个或某种组合中可包括网络环境的实现。程序模块207通常执行本发明所描述的实施例中的功能和/或方法。

计算机系统20也可以与显示器30以及一个或更多个其它外部设备40(例如键盘、指向设备等)通信，还可以与一个或更多个使得用户能够与该计算机系统20交互的设备进行通信和/或与使得该计算机系统20能够与一个或更多个其它计算设备进行通信的任何设备(例如网卡、调制解调器等)通信。这种通信可以通过输入/输出(i/o)接口209进行。此外，计算机系统20还可通过网络适配器210与一个或更多个网络(例如局域网(lan)、广域网(wan)和/或公共网络(例如因特网))进行通信。如图6中所示，网络适配器210可通过总线203与计算机系统20的其它模块通信。应当明白，尽管图6中未示出，但是可结合计算机系统20使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

应当注意，图6仅仅示意性地示出了可以用于实现本发明中各个实施方式的计算系统的示意图。本领域技术人员可以理解，该计算机系统20可以由当前风机中现有的计算设备来实现，或者可通过引入附加计算设备来实现，还可以由风机中的现有计算设备和新增的附加设备一起实现本发明。

此外，本发明还提供了一种计算机可读存储介质，存储有程序，所述程序可包括用于执行上述基于中尺度数据的风机自动排布的方法中各种操作的指令。具体而言，所述程序可以包括用于执行图1、图2和图4中所描述的各个步骤的指令。

此外，本发明还提供了一种计算机，包括存储有计算机程序的可读介质，所述程序包括用于执行上述基于中尺度数据的风机自动排布的方法中各种操作的指令。具体而言，所述程序可以包括用于执行图1、图2和图4中所描述的各个步骤的指令。

基于以上描述的基于中尺度数据的风机自动排布的方法和设备可用于实现基于根据输入的中尺度风图谱数据对输入的风场区域实现风机自动排布。通过上述方法和设备，能够在宏观选址阶段就可以实现对风机的自动化的全局最优化排布，并能够有效地降低风机自动优化的数据量、提高准确度、避免风险区域，从而能够快速响应业务需求，即时产生风机排布方案从而有效支撑技术应用。

本发明的以上各个实施例仅是示例性的，而本发明并不受限于此。本领域技术人员应该理解：在不脱离本发明的原理和精神的情况下，可对这些实施例进行改变，其中，本发明的范围在权利要求及其等同物中限定。