1.一种基于智能算法的风电场布局优化方法，其特征在于，包括以下步骤：步骤S1，分析风电场尾流影响，进行尾流建模；

步骤S2，根据风电场尾流分析，提出两类符合实际情况的风电场实验场景，在两类不同的风电场布局情况下设计考虑风电场中风力涡轮机安置数量的模拟实验，根据涡轮机数量确定与不确定两种情况分别设计两种实验；使用网格化方法模拟实际风电场中风力涡轮机的安置情况；结合网格化方法与风力涡轮机不同的布局情况进行编码；

步骤S3，设计评价风电场布局方案质量高低的目标函数；

步骤S4，设计智能算法进行风电场布局优化，以每种风电场布局方式的目标函数最小值为目标迭代更新，将目标函数最小值的布局方式保留下来，然后将其携带的信息通过相应的解码方式解析为风力涡轮机在网格化的模拟风电场中的布局位置，并输出该布局方案对应的风电场建设、运营成本与输出功率。

2.根据权利要求1所述的基于智能算法的风电场布局优化方法，其特征在于，所述步骤S1中对风电场尾流影响分析，进行尾流建模包括：S11，在风电场中，设初始风速流向涡轮机叶片是均匀的，当下游涡轮机只受到来自单个上游涡轮机的尾流影响时，给出计算距离涡轮机x米处的风尾流速度的公式，作为尾流模型；

S12，当下游涡轮机受到来自多个上游涡轮机的尾流影响时，设初始风速流向涡轮机叶片是均匀的，经过尾流影响后，给出计算距离涡轮机x米处的风尾流速度，作为尾流模型。

3.根据权利要求1所述的基于智能算法的风电场布局优化方法，其特征在于，所述步骤S2中，利用网格化方法设计不同情况下的风电场模拟实验，并设计编码、解码方式，具体为：S21，将实际风电场建设区域建模为一个规则的形状，规则的形状为包括K×K个网格的形状，涡轮机安置位置为每个单元格的中心；

S22，根据上下游涡轮机安置的相对位置，按照尾流影响将实验场景分为两类，第一类为下游涡轮机被安置在上游涡轮机尾流覆盖区域内部，下游涡轮机接收的风能受上游涡轮机尾流全覆盖影响；第二类为下游涡轮机被安置在上游涡轮机尾流覆盖区域边缘，下游涡轮机接收的风能受上游涡轮机尾流部分影响；

S23，根据建设风电场时涡轮机数量是否确定将每一类情况下的实验分为两种，第一种为涡轮机数量确定，此时只需要求解如何布置涡轮机位置使风电场输出功率最大化即可；

第二种为涡轮机数量不确定，此时需要求解能够在最小化成本的同时最大化输出功率的涡轮机数量及布置方式；

S24，基于S21‑S23对涡轮机布置进行编码、解码，当涡轮机数量不确定时，设变量α为1

2 2

×K的矢量，表示K×K网格中的K个位置，所有的解矢量都在 [0,1] 范围内且被四舍五入为整数，即0或1，值为1的解代表用于放置涡轮机的位置，值为0的解代表该位置没有涡轮机2

安置；当涡轮机数量确定时，α为n×1的矢量，n为涡轮机数量，所有的解矢量都在[1, K]范围内且被四舍五入为整数，该整数即涡轮机安装的单元格位置；然后创建一个包含整数Gc=2

{1，2，...，K}的列表，如果对α中第i个元素取整round（αi）的值低于Gc中剩余元素的数量，则将网格编号Gc（round（αi））指定为第i个涡轮机的位置，并从列表Gc中删除所选网格位置，否则将Gc中的最后一个元素指定为第i个涡轮机的位置，并从列表中删除该位置。

4.根据权利要求3所述的基于智能算法的风电场布局优化方法，其特征在于，所述步骤S23中，所述实验包括以下四种情况的实验：（1）下游涡轮机被安置在上游涡轮机尾流覆盖区域内部，下游涡轮机接收的风能受上2

游涡轮机尾流全覆盖影响，风力涡轮机数量为[1, K]之间的整数；

（2）下游涡轮机被安置在上游涡轮机尾流覆盖区域边缘，下游涡轮机接收的风能受上2

游涡轮机尾流部分影响，风力涡轮机数量为[1, K]之间的整数；

（3）下游涡轮机被安置在上游涡轮机尾流覆盖区域内部，下游涡轮机接收的风能受上游涡轮机尾流全覆盖影响，风力涡轮机数量根据实际需求设置；

（4）下游涡轮机被安置在上游涡轮机尾流覆盖区域边缘，下游涡轮机接收的风能受上游涡轮机尾流部分影响，风力涡轮机数量根据实际需求设置。

5.根据权利要求1所述的基于智能算法的风电场布局优化方法，其特征在于，所述步骤S3中，综合考虑影响风电场建设的因素，选取风电场建设和运营成本Ctotal及风电场输出功率Ptotal两个最主要的因素设计用于评价风电场布局方案质量高低的目标函数：Objective Function=min 。

6.根据权利要求1所述的基于智能算法的风电场布局优化方法，其特征在于，所述步骤S4中，使用设计的智能算法优化风电场布局具体包括：S41，输入风电场模拟实验参数，所述风电场模拟实验参数包括风电场区域大小、轮毂高度、旋翼直径、空气密度、地面粗糙度、初始风速及风向；初始化智能算法的种群信息，将初始化的风电场布局方式存储在矩阵X中，矩阵X中每一行代表一种风电场的布局方式，设置智能算法的最大迭代次数；

S42，基于评价风电场布局方案质量高低的目标函数计算算法中每种风电场布局方式的效果，即适应度值，存储在矩阵OX中；

然后，将矩阵OX中的元素按照大小进行排序，排序后按照适应度值将布局方式从优到劣保存至矩阵S中，排序更新后的布局方式适应度值保存在矩阵OS中；

S43，计算每种风电场布局方式的被选概率，被选概率如下式获取：SPi=

式中，SPi代表智能算法中第i种布局方式的被选概率，i是经过适应度值排序后布局方式的排序位置， NP为智能算法种群大小；

设计的智能算法中的风电场布局方式自适应选择机制体现在下式：

；

当前维度的搜索结束后，计算新布局方式的适应度值，比较更新前后布局方式适应度值的大小，优胜劣汰，更新矩阵X，OX，S，和OS，保存其中最优的布局方式及最优值；至此，算法经过1次迭代，迭代次数增加一次，判断此时是否满足迭代停止条件，满足则停止迭代，不满足则重复S42‑S43，直至满足迭代停止条件；

S44，输出算法在搜索过程中求解的最优目标函数值，并解码布局方式保存最优目标函数值对应的每个涡轮机的布局位置。

7.根据权利要求1所述的基于智能算法的风电场布局优化方法，其特征在于，得到最优风电场布局之后，绘制不同风电场实验场景下的最优布局方案图；

利用可视化软件将保存的不同风电场实验场景中每个涡轮机的布局位置可视化，具体结果呈现为在网格中对应的单元格上，即为安置涡轮机的位置。

8.一种计算机设备，其特征在于：该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行上述计算机程序时实现如权利要求1‑7中任一项所述的基于智能算法的风电场布局优化方法的步骤。

9. 一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于：该计算机程序/指令被处理器执行时实现权利要求1 ‑7任一项所述基于智能算法的风电场布局优化方法的步骤。