风电场布局优化过程中使用精确的尾流模型有助于最大化发电量的同时,还可使能源成本最小化,并延长风力机的使用寿命。目前风工程应用以及商业软件中仍旧广泛使用Jensen尾流模型来模拟风力机间尾流效应,具有较大的不准确性和局限性。围绕该问题,提出了基于二维尾流模型的多种群遗传算法用以对风电场布局进行优化,该方法有大量优化结果作为数据对比支撑。首先,基于质量守恒和尾流的线性扩张特性提出了一个较高精度的二维尾流模型,称之为2D Jensen-Gaussian尾流模型,并进行了优化验证。其次,在遗传算法的基础上进行改进,提出了更加有效的优化布局算法,即多种群遗传算法(MPGA)。最后,基于Jensen尾流模型、Frandsen尾流模型、2D_k Jensen尾流模型以及2D JensenGaussian尾流模型,利用多种群遗传算法,研究了这四种模型在风电场布局优化中的性能表现。为了便于进行比较分析,采用了风电场布局优化研究中常用的三种风速风向情形。文中将本研究与前人研究结果进行了比较和验证,结果表明,Jensen尾流模型在情形一中表现相对较好。由于Jensen尾流模型假定风速亏损为线性膨胀尾流,仅与转子后距离有关,且在顺风方向上保持恒定,因此在复杂风况下难以精确预测,这与现实情况相去甚远,无法描述准确的速度场。Frandsen尾流模型的性能类似于Jensen尾流模型,也低估了风速亏损,但比前者更加接近实际情况,并且产生了更具备经济效益的优化方案;在复杂风况下,Frandsen尾流模型开始展现其优越性,比前者预测性能更好。两个二维尾流模型都更能准确地预测功率,这是由于其考虑了尾流损失,并作出了合理的修正。综合分析表明,2D Jensen-Gaussian尾流模型对风力机尾流中速度分布、风电场发电量的预测,都有较好的计算性能;同时基于此尾流模型,通过MPGA程序得到的布局优化结果不仅有效、有较好收益,且对实际风电场的预测最为精确。由此可以推测,将基于2D Jensen-Gaussian尾流模型的该优化方法用于风电场风电机组布局工作,可以为开发商提供较为准确的风电场特征数据。