测风塔布局算法详解：基于宏观分区与微观定量选址的双阶段优化方法
目录
- 📌整体思路概览
- 第一阶段：宏观分区
- 第二阶段：微观选址
- 🚩第一阶段：宏观风区划分（Macro Zoning）
- 步骤1：估算风区数量（Zoning Number）
- 🎯目的
- 📥输入
- 🧠方法
- ❗注意
- 步骤2：定义风机之间的综合距离
- 🎯目的
- 📥输入
- 📐定义
- 步骤3：使用 DPSO 进行最优分区
- 🎯目的
- 🔧核心技术：改进的 **离散粒子群优化（DPSO）**
- 🛰️第二阶段：微观测风塔选址（Micro Siting）
- 步骤4：生成候选点（Grid Screening）
- 🎯目的
- 📥方法
- 步骤5：候选点筛选
- 🎯目标
- 📋筛选条件（共6个）：
- 步骤6：最优点位评价（基于风速统计）
- 🎯目标
- 📐指标：**代表性指数 Y**
- 🧪实证验证效果如何？
- 📎适用前提与应用建议
- 🧩总结：该算法适合用于哪些场景？
- 📚参考论文
随着风电场布局的不断复杂化，如何科学、合理地布设测风塔，成为风资源评估与风电项目经济性分析中的关键环节。本文将深入解析一套基于**宏观风区划分（Macro Zoning）与微观选址（Micro Siting）**相结合的双阶段算法，重点解决以下三个问题：
- 测风塔的合理数量如何确定？
- 各测风塔应服务于哪些风机区域？
- 每个区域内，测风塔的具体位置应如何选取？
本文所述算法基于《Processes》期刊中2022年发布的研究成果，进行了结构性解读和应用背景扩展，适用于风机点位已规划、具备长时间测风数据或风资源图的风电场前期评估阶段。
📌整体思路概览
该算法分为两个阶段：
第一阶段：宏观分区
确定测风塔的数量以及每座测风塔所代表的风机区域范围。
第二阶段：微观选址
在每个风区中，选出最能代表该区域风资源特征的最佳测风塔点位。
🚩第一阶段：宏观风区划分（Macro Zoning）
步骤1：估算风区数量（Zoning Number）
🎯目的
确定风电场应划分多少个“代表性区域”，即测风塔数量。
📥输入
- 每个风机点位的多年年平均风速（通过CFD或风资源图+实测校正得到）
🧠方法
- 利用 旋转经验正交函数（REOF） 分析风速空间模态；
- 再结合 凝聚层次聚类（HC） 基于经纬度+高程对风机点位聚类；
- 综合判断热力图与聚类树，估算分区数量
g（通常设置在 2～5 个）。
❗注意
风机点位尚未安装，风速数据来源必须依赖：
- 已有测风塔的长期观测+模拟外推；
- 或者 风资源图（高分辨率）。
步骤2：定义风机之间的综合距离
🎯目的
计算任意两个风机点之间的“相似性”，