由于问题的复杂性，目前业界多采用元启发式算法或随机优化方法来求解缺省风电场布局优化问题[3]，很少会采用数学规划方法进行优化[3,4,5]。与元启发式算法或随机优化方法相比，数学规划中使用的分支定界法是一种精确的算法，当最优松弛解与最优可行解之差与最优可行解之比为0时，可以求出当前问题的绝对最优解，该方法具有能够实时输出当前找到的解与绝对最优解之间的距离范围的优点[6]。因此，如果能将问题建模为目标函数和约束形式，并使用数学规划求解器求解，那么通常会得到比遗传算法这样的元启发式算法更好的结果[7]。在对使用数学规划方法优化风电场布局的探索中，Turner等使用Jensen尾流模型提出了一种新的风电场布局优化的数学规划方法，该方法没有考虑尾流叠加区域面积的影响，与实际问题不符。此外，其对风电场的布局优化问题进行了不等价的简化，即对模型进行线性化后进行求解，会进一步降低计算结果的准确性[4]。Archer等利用Jensen尾流模型定义了表示2个风电机组之间干扰的风强干扰因子，并将风强干扰因子应用于建立风电场布局优化的混合整数线性规划模型。但该模型不能正确反应尾流区域速度的变化，使得所建模型与原问题不符[5]。