开发利用可再生能源,实现能源的可持续发展成为世界各国能源发展战略的重大举措。风能作为重要和最成熟的可再生能源技术,具有蕴藏量丰富、可再生、分布广、无污染等特性,使之成为可再生能源发展的重要方向。风电场微观选址作为风电场建设项目的前期工作,对整个风电场的经济效益以及风电场的建设起着至关重要的作用。目前工程上主要是凭借经验或者应用一些成熟的商业软件来进行微观选址工作,本文提出了一种应用改进的遗传算法结合实数编码来优化微观选址的方法,主要做了以下工作：首先本文对传统的遗传算法进行了改进,使得算法搜索效率大幅提高,降低了算法限于局部收敛的概率,也更适用于微观选址的计算工作。之后率先将实数编码应用于遗传算法进行优化微观选址的工作,避免了优化计算对于网格的依赖,提高了计算速度,并且使得风场内任意点都可以成为潜在布机位置。然后本文以单台风力机作为研究对象,深入研究了工程上广泛使用的基于一维动量理论推导而出的Park尾流模型与改进Park尾流模型。在观察了大量风洞试验数据的基础上,对物理模型进行了抛物线拟合,计算了单台风力机尾流中心的轴向速度分布以及风力机下游不同位置处的径向速度分布,并将结果与风洞试验数据进行了分析比较。结果表明修正后的Park尾流模型能够较准确的反映远场尾流的流场信息,可以作为工程上风电场微观选址的有效工具。之后本文综合风力机尾流模型,在假设的物理模型的的基础上,考虑三种不同的工况,探讨了在采用不同网格大小的二进制遗传算法和本文提出的实数编码遗传算法可能对微观选址计算结果造成的影响,并且与以前的相关研究工作进行了比较,指出了应用改进遗传算法和实数编码进行微观选址工作的优势。最后本文在实际风场的基础上,应用实数编码的改进遗传算法进行了微观选址的优化计算并对结果进行了分析,取得了较优的结果,表明本文方法对工程上风电场的微观选址工作具有一定指导意义。