风-光-抽水蓄能联合互补发电系统研究

针对废旧地下矿井极易造成地表塌陷、水土流失的问题,提出将井下相应区域改造成抽水蓄能电站,进而与风-光互补系统结合,建立风-光-抽水蓄能联合互补发电系统。以跟踪负荷曲线和系统出力波动性最小为优化目标,分别对风力发电、光伏发电和抽水蓄能电站建立出力数学模型,并在考虑风-光互补特性、电网传输功率等约束条件下,利用改进粒子群算法对模型进行求解。算例仿真结果验证了所建模型可以很好地跟踪优化目标,有效解决了新能源并网时的功率波动和消纳问题。     

基于改进遗传算法的风/光互补发电系统电压无功控制

在风/光互补发电系统中,风、光资源的随机性强,导致系统电压的稳定性差,电压控制显得尤为重要.电压控制通常通过区域无功功率的优化来实现.无功功率优化是一个带有约束的多极值非线性组合优化问题,用传统的方法很难进行处理.因此提出一种改进的遗传算法用以风光/互补发电系统的无功功率优化,该算法在一般遗传算法的基础上,对编码方式、遗传算子以及终止判据等方面作了改进.通过算例分析表明,改进的算法能够显著的提高收敛速度和计算精度,有效的实现电压的无功控制.     

基于多Agent的风/光互补发电系统的体系结构研究

风/光互补发电是一种新型的清洁能源,已倍受诸多国家和组织所重视.目前,风/光互补发电系统仅对底层的发电装置单独进行控制,没有发电系统的整体控制,也没有上层的能量管理控制.对风/光互补发电系统进行了研究,提出了一种基于多Agent技术的风/光互补发电系统的体系结构,以对其进行整体控制.构造了系统中的Agent的模型,介绍了它们的功能,论述并指出系统中Agent间的协作方法.最后,对系统的开发实现提出了建议.     

风光互补发电系统中抽水蓄能电站的优化配置

在发电系统并网效能优化设计的研究中,风力发电和光伏发电的功率输出具有很强的随机性和波动性,考虑二者时间上和空间上存在互补性,可以构成风光互补发电系统,同时配置一定的抽水蓄能电站作为储能装置形成风光抽水蓄能联合运行系统.以风光-抽水蓄能系统的经济收益最大化为目标,建立抽水蓄能电站容量配置的优化模型,采用一种改进的粒子群算法对模型求解.最后,通过仿真表明,适当容量的抽水蓄能电站可提高风能和太阳能的利用率,同时增加风光发电系统的经济收益.     

小型风光互补发电系统最大功率控制的研究

独立运行的风电系统或光伏系统都有其自身的局限性,选择了结合风力发电和光伏发电优点的风光互补发电系统作为研究对象,建立了风光互补发电系统的仿真模型,对最大功率跟踪控制进行仿真研究。结果表明,最大功率跟踪控制可以实现风力发电子系统和光伏发电子系统的最大功率跟踪。仿真结果初步验证了系统集成控制策略的正确性和可行性。     

基于NSGA-II的并网型风光互补发电系统协调控制

针对并网型风光互补发电系统中,系统最大输出功率大于给定功率时,风力发电子系统和光伏发电子系统功率如何协调的问题,提出了一种功率协调控制方法.在该方法中,根据系统并网收益最大和输出电流谐波最小构建目标函数,采用带精英策略的快速非支配排序遗传算法对风力发电子系统和光伏发电子系统的输出功率进行多目标优化,协调控制子系统的发电功率;并以甘肃华电阿克赛风光互补发电项目为例进行了仿真验证.仿真结果表明,与传统的光伏优先接入方式相比,基于NSGA-Ⅱ的并网型风光互补发电系统协调控制方法可以更加合理地利用风能和太阳能,提高新能源电能的电网友好性.     

风光互补发电系统的分布式模型预测控制

风光互补发电系统中,风力和光伏独立发电且两者在地理上相隔较远,彼此没有通讯交流.对此问题,提出用分布式模型预测控制的方法去解决.首先,在风光互补发电系统中存在大量的非线性环节,运用神经网络线性逼近,训练得出各个子系统的神经网络线性化模型.然后,在此基础上,基于风力优先发电、光伏配合、蓄电池必要时输出的原则,设计出满足相...     

遗传算法在风光互补发电系统优化设计中的应用

风光互补发电系统的优化配置是一个多目标优化问题,优化目标为系统安装成本,约束条件为供电可靠性。如何合理的匹配设计是充分发挥风光互补发电优越性的关键。在成本(目标)函数的最小化计算中,采用改进的遗传算法进行优化,随机搜索并采用选择、交叉、变异三种基本算子在全部组合中搜索最优化的配置。结果表明在满足负荷用电的前提下,其经济性能优于单独的光伏系统和单独的风电系统。     

风/光互补发电场优化设计模型

针对复杂的风/光互补发电场优化设计问题,首次提出了一种新的风/光互补发电场优化设计模型.在分析了现有研究的基础上,给出了适合于风/光互补发电场部件发电量计算的计算模型,归纳了设计时各部件的数量和类型选择的约束关系,最后综合给出了一种新的适合于风/光互补发电场优化设计的模型.     

混合有源滤波器多目标优化设计

针对混合有源滤波器参数设计和投资优化问题, 综合考虑其初期投资成本、无功补偿、滤波效果等指标, 提出一种基于遗传粒子群复合算法的混合有源滤波器多目标满意优化设计方法, 建立起容量配置的多目标数学模型, 并运用罚函数理论, 将多目标优化转化为单目标优化, 使混合有源滤波器容量分配问题简单化, 具有更大的适用性和灵活性. 然后在电力系统计算机辅助设计/电磁暂态(PSCAD/EMTDC)环境下, 对混合有源滤波器进行仿真分析, 结果表明此优化设计的混合有源滤波器性价比得到提高. 最后, 通过实验对比, 也验证了理论分析及相关结论的正确性.     

基于混合粒子群的RFID网络的优化部署*

在RFID网络系统中,贴有标签的物品可能随机地布置着,针对如何有效地放置阅读器,使得阅读器可以读取多个标签信息同时减小冲突的问题,建立了RFID网络系统的优化模型,提出了一种混合粒子群算法来优化部署阅读器的位置。实验结果表明,混合粒子群算法分别比传统的粒子群(PSO)和遗传算法(GA)在收敛速度和寻优能力上具有更好的性能,体现出混合粒子群算法的优越性。     

Fault diagnosis of nonlinear systems based on hybrid PSOSA optimization algorithm

Fault diagnosis of nonlinear systems is of great importance in theory and practice, and the parameter estimation method is an effective strategy. Based on the framework of moving horizon estimation, fault parameters are identified by a proposed intelligent optimization algorithm called PSOSA, which could avoid premature convergence of standard particle swarm optimization (PSO) by introducing the probabilistic jumping property of simulated annealing (SA). Simulations on a three-tank system show the effectiveness of this optimization based fault diagnosis strategy.     

基于改进粒子群优化算法的离散混沌系统神经滑模控制

针对离散混沌系统,提出一种基于融合Powell法的粒子群优化策略(Powell-PSO算法)的神经滑模等效控制方法。该方法通过将BP神经网络的输出作为滑模等效控制的切换部分的系数,有效地克服了传统滑模等效控制的抖振现象;利用Powell-PSO算法对神经滑模控制器的参数进行全局优化,提高了离散混沌系统的控制品质。仿真实验结果表明,所提出的方法无需了解离散混沌系统精确模型,具有响应速度快、控制精度高以及抗干扰能力强的优点。     

基于自适应线性调节抗干扰PSO的光伏群体MPPT控制

光伏发电已成为新能源发电的主要研究方向,但当外界环境发生突变或由于遮挡使光伏阵列出现阴影时,传统的最大功率点跟踪(MPPT)算法会出现误判或因陷入局部最大功率点等问题而失效。针对这些问题,提出了一种自适应线性调节的粒子群(PSO)算法,并采用一个MPPT控制器同时实现多支路光伏阵列群体MPPT控制。最后,通过仿真验证所提控制策略的有效性。结果表明,自适应线性调节PSO群控方法振荡小,可实时精准跟踪最大功率点,控制电路较为简单,降低系统控制成本。     

一种用于PID控制参数优化的混合果蝇算法

针对果蝇优化算法（ FOA）收敛速度快但寻优精度低的缺点,为了改善果蝇算法的优化性能,提出一种混合果蝇优化算法（ HFOA）。HFOA采用分段优化的思想,在优化过程后期采用收敛稳定性较好的粒子群优化（ PSO）算法优化果蝇算法中果蝇个体飞行距离和味道浓度的判定值,采用误差性能指标积分准则ITAE作为适应度函数,并将优化方案应用于一类不稳定系统的PID控制。Matlab仿真验证表明：HFOA计算高效,具有良好的稳定性,收敛精度高,进而验证了HFOA应用于PID控制参数优化是可行而有效的。     

基于均匀设计的粒子群算法及其在飞控系统中的应用

将粒子群算法应用于飞行控制系统的优化设计中,需要解决两个问题：如何选择目标函数和如何确定初始种群和算法运行参数。针对这两个问题,分别提出了基于参考模型的飞行控制系统优化策略和基于均匀设计的粒子群算法初始种群和运行参数的选择方法。仿真结果表明,本文所提出的优化策略能够有效地解决飞行控制系统的优化设计问题,粒子群初始种群分布均匀,收敛速度快。     

基于一种自适应选择机制的混合优化算法

针对于微分进化(DE)和粒子群优化(PSO)算法收敛精度较低和收敛速度慢的缺点,提出了基于这两种算法的混合优化算法DEPSO。该算法引入了两个新的变量指标,即在迭代过程中种群个体适应值有所优化的概率及种群的全局最优值的变化情况,通过采用这两个变量所形成的一个二维合理的选择机制,实现下一个迭代过程中关于算法的选择迭代问题。该算法一方面参数较少,实现简单;另一方面,利用新引入的第二个变量指标避免种群陷入早熟。对几种典型的测试函数进行数值模拟实验,结果表明与传统的算法比较,新的算法具有收敛精度高和收敛速度快的特点,同时对于高维的问题依然表现出较好的效果。     

基于粒子群优化算法的广义逆控制分配方法

为了获取具有最高分配效率的加权矩阵,将粒子群算法应用于广义逆控制分配法设计,通过计算不同广义逆阵所能有效分配的转矩可达集体积,来选择具有最高分配效率的加权矩阵。以某飞机的控制效率矩阵进行基于广义逆分配法分配器设计,通过粒子群算法对加权矩阵进行寻优,有效地选取了具有最优分配效率的广义逆阵,显著地提高了分配器的分配效率。