考虑尾流效应的风电场优化控制技术研究

针对已建风电场,提出一种考虑尾流效应的风电场优化控制方法,以减少风电场尾流效应,提高风电场整体输出功率。研究机组状态参数变化与输出功率、尾流分布间的量化关系,揭示风电机组状态参数变化与输出功率、尾流分布间的耦合关系;提出尾流与风轮交汇面积的计算方法,建立多台风电机组的尾流叠加模型;以风电场整体输出功率最大为目标函数,轴向诱导因子为优化参数,粒子群算法为优化算法,建立考虑尾流效应的风电场优化控制模型。以丹麦Horns Rev风电场为算例进行计算分析,结果表明:所提出的考虑尾流效应的风电场优化控制方法能够使风电场整体输出功率增加。     

基于改进PSO算法的微能源网优化配置研究

微能源网优化配置的求解算法存在易陷入局部搜索和收敛速度低两大缺陷,如何同时解决这两个缺陷是一直以来的研究难点。针对这一问题,提出了基于时变压缩因子和自适应变异的改进粒子群算法。针对经济优化配置,建立了包括多种分布式设备的微能源网架构模型和以年经济成本最低为目标,计及可靠性并含多种约束的优化配置模型。最后,结合具体算例,将改进粒子群算法运用于模型中,得到各分布式设备的配置方案和最优年经济成本,对比验证改进粒子群算法性能。实验结果表明：改进粒子群算法较好地提高了算法的收敛速度和全局收敛能力;微能源网优化配置模型实现了低经济性和高可靠性的有效结合。     

关于改进粒子群算法在输电网规划中的应用研究

针对标准粒子群算法在迭代过程中容易陷入局部最优而过早收敛的缺陷,对算法的粒子速度更新公式做了如下改进:首先将更新公式中惯性权值的线性递减策略改为非线性动态递减策略,更好的平衡粒子群算法全局搜索和局部搜索的性能;其次在更新公式中引入了所有粒子个体极值的平均值,使得粒子能够利用更多的参考信息来调整自己的搜索速度.在输电网扩展规划中的应用结果表明,上述两个改进可以有效改善粒子群算法的收敛特性,最终使算法找到全局最优解,从而证明了该改进粒子群算法具有一定的可行性和有效性.     

基于改进粒子群的水火电力系统发电调度

在标准粒子群优化算法中引入最差粒子和自适应惯性权重,使粒子随进化进度自适应调整飞行方向和速度,向其自身和种群最优位置收敛的同时背离二者的最差位置,且避免了算法过早收敛和限于局部最优.将改进后的粒子群优化算法用于求解水火电力系统发电调度问题,仿真结果表明该算法可行有效.     

基于尾流风速场风速矢量计算的风电场输出功率优化模型

针对尾流效应在风电机组之间产生影响的问题,为了更加合理利用风能,增加风场的输出功率,在风场面积不变的前提下对风场内风电机组进行布局优化,根据风场实际仿真数据训练建立尾流风速场风速矢量计算模型和尾流影响区域风速计算误差函数,迭代计算尾流区域的风速矢量最优解;然后,基于改进粒子群算法对粒子群进行参数密度熵分簇优化,对不同种群进行寻优,计算出最优的风场布局排列,提高计算机的计算效率;最后,通过CFD生变化时,模型能够计算出尾流效应区域的风速矢量,仿真结果及分析证明模型和优化算法的正确性。     

基于改进粒子群优化算法的边坡稳定性分析

针对标准粒子群算法存在收敛精度低、易陷入局部最优的缺点,提出了基于混沌与变异的改进粒子群优化算法(CVPSO),将其应用于边坡滑裂面搜索,研制了边坡稳定分析程序CVPSO-LEM2D。采用改进粒子群算法对澳大利亚计算机应用协会(ACADS)边坡算例进行计算分析,结果表明改进粒子群算法的全局最优搜索能力与收敛精度得到了较大提高,计算结果与ACADS推荐的裁判答案基本一致,验证了算法的有效性。最后,将CVPSO-LEM2D应用于两河口泄水建筑物进口边坡稳定性分析,验证了方法的可行性,为类似工程提供了参考和借鉴。     

基于改进粒子群优化算法的边坡稳定性分析

针对标准粒子群算法存在收敛精度低、易陷入局部最优的缺点,提出了基于混沌与变异的改进粒子群优化算法（CVPSO）,将其应用于边坡滑裂面搜索,研制了边坡稳定分析程序CVPSO LEM2D。采用改进粒子群算法对澳大利亚计算机应用协会（ACADS）边坡算例进行计算分析,结果表明改进粒子群算法的全局最优搜索能力与收敛精度得到了较大提高,计算结果与ACADS推荐的裁判答案基本一致,验证了算法的有效性。最后,将CVPSO LEM2D应用于两河口泄水建筑物进口边坡稳定性分析,验证了方法的可行性,为类似工程提供了参考和借鉴。     

基于CFD和NCPSO的复杂地形风电场微观选址优化

针对复杂地形条件下风电场微观选址技术难度大的问题,提出一种基于数值计算结果和高效优化方法的微观选址优化算法。将测风数据按风向等分成12个扇区,并利用平均风速和CFD对复杂地形的每个扇区进行数值模拟,得到风电场各扇区的风资源分布,提取轮毂高度处的风速和风向分布。优化中风力机的尾流影响采用Jensen尾流模型,风电场风能计算中风速按照威布尔分布处理,并考虑每个扇区风速的大小、概率密度。目标函数为整个风电场的输出功率倒数的对数,自变量为风力机在给定风电场中的位置坐标,约束条件为地形边界和风力机之间的最小距离,优化算法采用该文提出的改进小生境粒子群算法(NCPSO),优化风力机组微观选址的最优解。该文提出优化算法得到的结果与基于高度的经验布置方法(EX-TH)、基于风能密度的经验布置方法(EX-PH)以及普通粒子群算法(PSO)进行比较,证明在复杂地形条件下所提出方法的可靠性与有效性,并可应用于工程实践。     

考虑旋转备用约束的含风电场电力系统优化调度模型

文章建立电场电力系统优化调度模型,该模型考虑了风电功率预测误差的情况下,系统旋转备用容量满足负荷及风电波动的需求。模型中涉及火电机组、风电场的发电成本以及火电机组环境污染惩罚费用,并提出基于时变加速度的随机黑洞粒子群算法对模型进行求解,时变加速度增强了算法早期全局搜索能力,并保证迭代后期收敛到全局最优,同时黑洞原理避免了算法收敛早熟,陷入局部最优解。最后对含一个风电场的10机系统算例建模仿真,从而验证模型以及算法的合理性和有效性。     

基于柯西变异改进粒子群算法的无功优化

针对粒子群算法用于无功优化问题求解时存在早熟收敛,易陷入局部最优的现象,提出了基于柯西变异的自适应混沌粒子群算法.该算法在引入自适应调整策略和对最佳粒子采用混沌搜索的基础上,对算法陷入早熟收敛状态时引入柯西变异操作,将适应度值排名位于前20％的最优粒子进行柯西扰动,以保证粒子群的多样性,有效地提高了算法后期跳出局部最优...     

风光互补发电系统混合储能单元的容量优化设计

由于粒子群优化算法在优化计算中存在早熟收敛,易陷入局部最优且搜索精度不高等缺点,在现有粒子群优化算法的基础上融合模拟退火算法对其进行改进,得到改进后的模拟退火粒子群优化算法,并将其应用到风光互补发电系统混合储能单元容量的优化配置中。优化结果表明,在满足负荷用电的前提下,该算法可有效降低储能单元的投资成本和运行费用,从而证明了算法的正确性。     

基于人群搜索算法的波浪发电系统最优负载

为寻求以提高波浪发电系统的平均输出功率为目标的系统最优负载,针对遗传算法、粒子群算法等优化算法存在早熟收敛和全局搜索能力不足的问题引入人群搜索算法。该算法通过建立目标函数值与步长的关系式,根据个体当前位置的适应度值计算下一步搜索步长;采用利己、利他和预动3个方向随机加权几何平均方案,确定个体搜索方向,提高个体全局搜寻能力,使算法避免陷入局部最优解并可得到全局最优解。仿真结果表明,与传统粒子群优化算法相比,所提算法收敛速度快,可增加波浪发电系统的平均输出功率。     

基于改进的PSO算法的电力系统无功优化研究

电力系统无功优化是保证电力系统安全、经济运行的重要措施,粒子群优化算法（PSO）具有模型简单、收敛速度快、参数简洁等优点,但用于求解高维复杂优化问题时易陷入局部最优,针对此缺陷,在PSO算法的基础上提出了自适应随机变异粒子群优化算法（AMPSO）,将该算法用于求解电力系统无功优化问题,并以IEEE30标准节点系统为算例进行验证。结果表明,与PSO算法相比,AMPSO算法有效降低了系统网损,显现出良好的全局收敛特性。     

海上风电场功率提升和疲劳平衡综合优化控制

针对海上风电场,综合功率提升和疲劳平衡分配的优化目标,提出一种以天为优化周期的优化策略.在电网高负荷时段,基于Jensen尾流模型,以轴向诱导因子为优化变量,风电场整场功率最大为目标,运用随机粒子群算法进行风功率利用提升优化控制;在电网低负荷时段,基于风电机组综合疲劳系数计算方法,以机组轴向诱导因子为优化变量,应用尾流...     

PSO用于优化换热网络时对全局搜索能力的研究

将PSO(粒子群算法)应用于优化换热网络时,能够快速找到一个全局搜索的最优区域,但同时也会出现局部极值问题。这些问题是由于全局搜索能力的退化和算法的早熟收敛所致。本研究针对该退化现象的机理进行了深入分析,找到了粒子群算法早熟收敛的本质,提出了一种强制跳出的改进策略,通过激活陷入局部极值的粒子,恢复种群多样性并继续搜索全局最优解。算例证明,改进后的粒子群算法的搜索策略适用于换热网络连续变量优化,应用于文献[16]10SP2算例,得到的年综合费用较文献[14]下降了205$/a;应用于文献[18]8SP1算例,得到了目前最小的费用30 793$/a。改进的PSO较标准PSO和文化基因PSO优化后的费用均有所下降。     

基于位置动态参数PSO算法的水库防洪调度研究

介绍了一种易于实现、参数少且收敛快的集群智能算法——粒子群算法。针对标准PSO算法的缺陷,提出了在位置进化方程中引进动态参数的方法,改进了标准粒子群算法的收敛速度。根据建立的水库优化调度数学模型,将改进的粒子群优化算法运用到水库优化调度计算中,并通过算例验证该算法的可行性和有效性。     

基于偏航尾流模型的风电场功率协同优化研究

为减小风电场尾流效应的影响,提升风电场整体发电量,提出一种基于偏航尾流模型的风电场功率协同优化方法。首先建立风电场偏航尾流模型,该模型包括用于计算单机组尾流速度分布的Jensen-Gaussian尾流模型、尾流偏转模型及多机组尾流叠加模型,对各机组风轮前来流风速进行求解;再根据来流风速计算风电场输出功率,并以风电场整体输出功率最大为优化目标,利用拟牛顿算法协同优化各机组轴向诱导因子和偏航角度。以4行4列方形布置的16台NREL-5 MW风电机组为对象进行仿真研究。结果表明,所提出的基于偏航尾流模型的风电场功率协同优化方法能显著提升风电场整体输出功率。     

基于小波分析和PSO优化神经网络的短期风电功率预测

针对风电场风速和风电功率序列起伏波动大、无明显变化规律等特点以及传统神经网络收敛速度慢、易陷入局部极小值等缺陷,提出了基于小波分析和改进粒子群算法优化神经网络的短期风电功率预测方法。首先,通过小波方法将用于神经网络训练的历史风速和风电功率序列进行分解,再针对风速和风电功率的各个分量分别建立相应的神经网络模型,采用分期变异粒子群算法对各个分量的神经网络学习算法进行优化,最后将各个分量的预测值进行小波重构得到风电功率预测结果。江苏如东某风电场风电机组的实验结果证明预测精度较传统神经网络方法有较大提高,验证了所提出方法的有效性。     

基于改进二进制粒子群优化算法的网络重构研究

提出了一种基于改进二进制粒子群优化算法的网络重构方法,该算法在二进制粒子群优化算法的基础上,通过结合破圈法理论以控制粒子的更新过程,使更新后的粒子100％符合网络的辐射状要求,从而减少了以往网络重构中辐射网判断的环节.此外算法还引入了禁忌搜索算法的思想,克服了粒子群算法易陷入局部最优的缺陷.最后对IEEE 单馈线33节点系统进行计算,证实了算法的有效性,并与相关文献中的算法进行比较,表明算法具有较高的搜索效率和较强的全局寻优能力.     

基于改进粒子群算法的机组负荷优化分配

针对标准粒子群算法存在容易早熟收敛的问题,在分析机组负荷优化问题的基础上,提出了一种基于解约束机制、边界反弹规则、高斯分布序列和混沌序列的改进粒子群算法。算法采用解约束机制和边界反弹规则处理优化问题的约束条件,同时在粒子移动过程中引入了高斯分布序列和混沌序列,从而克服了算法过早收敛的缺陷,提高了算法的全局优化能力。实例计算结果表明,该算法具有稳定的全局优化能力,为机组负荷优化分配问题的求解提供了新的方法。