Optimization of radar and wind farm placement using computationally intensive simulations

Thumbnail Image

URL

Journal Title

Journal ISSN

Volume Title

School of Science | Master's thesis

Authors

Date

2025-06-04

Department

Major/Subject

Systems and Operations Research

Mcode

Degree programme

Master's Programme in Mathematics and Operations Research

Language

en

Pages

60

Series

Abstract

Wind farms have adverse effects on air surveillance radars. As no technical solution completely removes these adverse effects, this thesis studies finding the optimal combination of radar and wind farm placements to minimize the impact. The performance of radars and the impact of wind farms on their performance can be analyzed with simulation models. However, these simulations are computationally costly. There are many alternative ways to place radars and wind farms, and simulating the quality of one alternative takes minutes. Thus, identifying the optimal alternative by simulating each one is time-consuming. To identify the optimal alternative faster, this thesis presents two problem-specific algorithms. They return optimal solutions if simple assumptions about the underlying simulation models hold. These assumptions are based on the idea that radars improve air surveillance, wind farms degrade radar performance, and these impacts are limited to geographical regions. Numerical experiments show that the algorithms terminate in hours, when the simulation of every alternative would take years. Moreover, they returned near-optimal alternatives, despite slight violations of the assumptions. The algorithms use the assumptions to compute alternative specific upper bounds for air surveillance quality. Air surveillance quality represents how well surveillance objectives are met. The algorithms work by iteratively identifying an alternative with a high upper bound and evaluating it using simulation. Once no upper bound exceeds an alternative's simulated air surveillance quality, the alternative is considered optimal and returned. The two algorithms differ in that the first introduces a basic approach, while the second builds on it by providing more efficient search strategies for finding alternatives with high upper bounds. This thesis serves as a case study of developing problem-specific surrogate-assisted optimization algorithms. These algorithms facilitate the coexistence of air surveillance and wind farms, and maximize the utilization of air surveillance radars. Although this thesis focused on ground-based and monostatic radars, similar algorithms could be used with other radars, such as passive and airborne radars.

Vindkraftsparker orsakar störningar för luftbevakningsradarer. Eftersom det inte finns någon teknisk lösning som helt eliminerar störningarna, undersöker detta examensarbete optimering av radar- och vindkraftsparksplacering för att minimera dem. Radarprestandan och vindkraftverkens påverkan på denna kan analyseras med simuleringsmodeller. Dessa simuleringar är dock beräkningsmässigt kostsamma. Det finns många möjliga kombinationer av radar- och vindkraftverksplaceringar, och att simulera luftbevakningsförmågan för ett enskilt alternativ tar flera minuter. Därför är det mycket tidskrävande att identifiera det optimala alternativet genom att simulera varje alternativ. Detta arbete presenterar två algoritmer för att effektivera sökandet efter ett optimalt alternativ. Algoritmerna returnerar optimala lösningar om antaganden om simuleringsmodellerna uppfylls. Dessa antaganden baserar sig på att radarer förbättrar luftövervakningen, att vindkraftverk försämrar radarprestandan, och att dessa effekter är geografiskt begränsade. Numeriska experiment visar att algoritmerna konvergerar inom några timmar, medan simulering av alla alternativ skulle ta flera år, samt att algoritmerna ger nästintill optimala lösningar även när antagandena bryts. Algoritmerna använder antagandena för att beräkna övre gränser för alternativens luftbevakningsförmågan. Algoritmerna bygger på idén att upprepat identifiera ett alternativ med en hög övre gräns och simulera dess luftbevakningsförmåga. När ingen övre gräns längre överskrider luftbevakningsförmågan hos ett simulerat alternativ, är detta alternativ optimalt. De två algoritmerna skiljer sig åt genom att den första presenterar deras idé i en enkel form, medan den andra vidareutvecklar den med effektivare sökstrategier för att hitta alternativ med höga övre gränser. Detta examensarbete fungerar som en fallstudie i utvecklingen av problemspecifika optimeringsalgoritmer som utnyttjar surrogatmodeller. Med hjälp av dessa algoritmer är det möjligt att underlätta samexistensen mellan luftövervakning och vindkraft samt maximera radarprestandan. Även om arbetet fokuserar på markbaserade monostatiska radarer, kan liknande algoritmer tillämpas även på andra typer av radarer, såsom passiva och luftburna radarer.

Description

Supervisor

Virtanen, Kai

Keywords

air surveillance, simulation, surrogate-assisted optimization, radar, wind power, spatial decision analysis

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202508196474

Collections

[dipl] Perustieteiden korkeakoulu / SCI