风电场实际发电量低于预估发电量是制约风电可持续发展的一个突出问题。导致该问题的主要原因是在建设某一风电场前,对该风场的风资源评估不精确,以及风电场微观选址的失误造成发电量损失。另外,获得预装轮毂高度的风速是风资源评估的前提条件,而实际测风仪器高度很难满足要求。因此,本文针对提高风资源评估精度及风电机组布局优化等问题展开深入研究。首先,针对传统风切变外推方法精度不稳定和考虑大气稳定度的风切变外推方法过于复杂的问题,本文提出了一种基于极限学习机的风速垂直外推策略。研究了极限学习机的基本原理,并通过工程实例将基于极限学习机的风速垂直外推策略与传统方法进行比较,验证其可行性与优越性。其次,针对鸡群算法中母鸡,小鸡缺乏自我学习能力;小鸡只向母鸡学习从而导致算法容易陷入局部最优等问题,本文提出了一种引入学习因子的改进型鸡群算法(Modified Chicken Swarm Optimization,MCSO)。运用测试函数验证其有效性,并将该鸡群算法应用于风资源评估中。工程实例仿真结果表明,改进后的鸡群算法提高了风资源评估的精度。最后,在以上研究的基础上,基于WAsP风资源分析软件,建立3个风电场模型。通过考虑尾流效应,以风电场年净发电量最大化为目标,计算出风电机组排布的最佳间距和偏向角,以此来指导风电场风电机组的排布,从而实现风电场经济效益达到最大化。