随着能源需求的上升，宾夕法尼亚州立大学贝伦德分校(Penn State Behrend)和伊朗大不里士大学(University of Tabriz, Iran)的研究人员已经完成了一种算法——或方法——来设计更高效的风力发电场，帮助建造商创造更多收入，为客户提供更多可再生能源。
贝伦德学院(Behrend College)宾夕法尼亚州立大学伊利分校(Penn State Erie)的电气工程助理教授穆罕默德.拉苏里(Mohammad Rasouli)表示，风能正在上升，而不仅仅是在美国。太阳能电池板的效率不到25%，仍然是当前研究的课题。而风力涡轮机效率更高，可以将超过45%的风能转化为电能。
风力涡轮机可以将超过45%的风能转化为电能。(图片来自于网络)
尽管风力涡轮机很高效，但如果设计不当，风电场的不合理布局会降低发电效率。Rasouli说，建造者并不总是把涡轮机放在风速最高的地方，在那里他们会产生最多的能量。涡轮机间距也很重要——因为涡轮机产生的阻力会降低风速，第一批捕捉到风的涡轮机将比后面的涡轮机产生更多的能量。
研究人员表示，为了建造更高效的风电场，设计者必须考虑到风速和涡轮机间距，以及土地大小、地理位置、涡轮机数量、植被数量、气象条件、建筑成本以及其他因素。即使借助数学模型，要平衡所有这些因素以找到最佳布局也是非常困难的。
这是一种多目标的方法，Rasouli说。我们有一个函数，我们想要优化它同时考虑到各种约束条件。研究人员专注于一种方法，即基于生物地理学的优化。
BBO诞生于2008年，灵感来自于自然，它是基于动物如何自然地分布自己，从而根据它们的需要，最大限度地利用它们所处的环境资源。通过建立动物行为的数学模型，研究人员就有可能计算出其他场景中物体的最优分布，比如风电场中的涡轮机。
Biogeography-based optimization（BBO）：生物地理学优化算法。诞生于2008年，灵感来自于自然，它是基于动物如何自然地分布自己，从而根据它们的需要，最大限度地利用它们所处的环境资源。(图片来自于维基百科)
Rasouli说，分析方法需要大量的计算。这种BBO方法最小化了计算量，取得了较好的结果，在较低的计算成本下找到了最优解。
其他研究人员在2017年和2018年使用简化版本的BBO方法来计算更高效的风电场布局，但这些简化版本没有考虑影响最佳布局的所有因素。来自宾夕法尼亚州立大学和大不里士大学的研究人员通过加入额外的变量完善了这个方法，包括真实的市场数据，表面的粗糙度——影响风力的大小——以及每台涡轮机接收的风力。
研究团队还通过结合更真实的模型计算尾流来改进BBO方法 - 风吹过涡轮机后产生的机翼速度较慢的区域，类似于船后面的尾流。并测试模型对其他因素的敏感程度，如利率、财务激励和能源生产成本的差异。
研究人员将能够使用BBO方法来优化风电场布局(图片来自网络)
Rasouli说，与现有的一些简化方法相比，这是一种更现实的优化方法。这对客户、制造商以及并入电网的大型风电场来说都是更好的选择。通过加入更多的数据，如更新的气象记录和制造商信息，研究人员将能够使用BBO方法来优化风电场布局，帮助全世界风力发电场设计师更好地利用他们的土地，以及为消费者产生更多的能量来满足未来的能源需求。
Rasouli说，化石燃料的时代已经结束。有了这个和即将出现的方法或是未来更佳的优化方法，我们可以更好地利用风能。
