风电场尾流效应产生的高湍流度可显著增加下游风电机组的疲劳载荷,极大地影响风电机组的运行寿命,对于风电场排布优化具有重要意义。但当前的风电场微观选址研究仅考虑了风电机组间的遮挡效应,机组运行湍流度差异大,部分机组疲劳载荷显著高于平均水平,故障率高。为了弥补这一重大不足,本文提出了一种基于风电场发电量和场内流向湍流度分布的风电场多目标排布优化方法。论文主要研究内容如下:（1）提出了一种考虑流向湍流度分布的风电场尾流效应评估方法。采用最新发展湍流度模型和最大湍流度叠加模型获取了风电场流向湍流度分布,采用二维高斯尾流模型和平方和叠加模型计算风电场的尾流损失。计算中,风电机组尾流的尾流膨胀率通过各机组的入流湍流强度确定。基于Horns Rev风电场、国内某海上风电场,采用高保真度的大涡模拟数据验证了湍流度模型的计算精度,采用Horns Rev风电场实测功率数据对尾流损失评估方法进行了验证。结果显示,模型均有较高的计算精度,可以较为准确地预测出风电场的流向湍流度分布和尾流损失。（2）提出了一种减小湍流度效应的风电场微观选址多目标优化方法。将发电量最大化与风电机组入流综合流向湍流度最小化作为优化目标,采用NSGA-Ⅱ算法在平坦地形条件下,对相同轮毂高度风电机组进行了排布优化研究。研究选取单风向-单风速、多风向-多风速两种风况,并分别得到了相应的Pareto前沿解。结果显示,在相同的年发电量下,本文提出的研究方法可以有效地降低场内机组入流的最大湍流度水平。在单风向-单风速的风况下,场内机组前最大湍流度下降20.4%。在多风向-多风速的风况下,相比之前研究,风电机组来流最大综合流向湍流度下降2%,场内“高疲劳载荷”机组前最大湍流度从18%减低至15.5%,并且使风电机组在高湍流环境（＞15%）中的累计运行时间缩短32%。（3）将风电场度电成本和风电机组入流综合流向湍流度最小化作为优化目标,对垂直交错布机的风电场微观选址进行了多目标优化研究。结果显示,在相同的度电成本下,相比之前研究,风电机组来流最大综合流向湍流度下降6.2%,场内“高疲劳载荷”机组前最大湍流度从17.1%减低至16.4%,并且使风电机组在高湍流环境（＞13%）中的累计运行时间缩短41.4%。（4）将新提出的风电场微观选址多目标优化方法应用于实际风电场。结果显示,相比于原始排布,风电场总输出功率提高了 0.8%,机组前入流最大综合流向湍流度降低8.1%,场内“高疲劳载荷”机组在高湍流环境（＞15%）中的累计运行时间缩短38.6%。在风电场发电量或度电成本相同的情况下,本文提出的研究方法可以降低机组入流的最大湍流度水平,缩短机组在高湍流度环境中的运行时间,从而有效减小风电机组的极限载荷并延长风电机组的疲劳寿命。相比之前的研究,有望提升风电场全生命周期的发电量。