学位论文 > 优秀研究生学位论文题录展示
蚁群算法在风光互补系统优化配置中的应用
作 者: 黄鑫
导 师: 黎灿兵
学 校: 郑州大学
专 业: 电气工程
关键词: 风光互补 蚁群算法 优化算法 风力发电 太阳能发电 混合储能
分类号: TM61;TM71
类 型: 硕士论文
年 份: 2011年
下 载: 160次
引 用: 1次
阅 读: 论文下载
内容摘要
由于化石燃料愈加紧缺,人们对新能源的利用也愈加关注。风能、太阳能作为一种清洁环保、可再生的能源,在新能源发电中具有良好的前景。但是风能太阳能都具有能量密度低,随机性强的特点,使得单独的风能或太阳能发电难以有稳定的电能输出。风光互补发电系统合理利用了风能与太阳能的天然互补性,为负载提供了较好的电能。风光互补发电系统包括风力发电单元、太阳能发电单元以及混合储能单元,如何对系统进行合理配置才能在最经济的前提下,使风能和太阳能的互补性得到充分的发挥,将是衡量系统优越性的重要指标。增大供电可靠性和降低系统成本是风光互补配置优化中两个相冲突的目标,本文首先介绍了互补系统中太阳能发电单元中一些基本知识以及光伏阵列倾角与光伏阵列电能输出的关系;风力发电单元中的风力机的基本知识、风速的换算公式,重点介绍了风机安装高度与风机发电量的关系;混合储能单元中的储能模式、储能类型特点等,重点介绍了蓄电池容量的计算方法,然后建立了系统优化数学模型,引入了蚁群算法对系统的负载缺电率和成本进行了联合优化,把风机数目、太阳能光伏阵列并联数目、蓄电池的并联数目、风机安装高度以及太阳能倾角作为待优变量,确定了各个待优变量的限定取值范围。蚁群算法作为一种新型的模拟进化算法,有着模型简单,适应性强、正反馈以及解的全局性等优点,文中建立了系统优化图使参数优化问题与商旅问题巧妙地结合在一起,根据蚂蚁对目标函数适应度进行信息素更新,每条路径对应着一组待优变量数据,利用蚁群的协作机制进行全局搜索,寻找出使待优变量较好的路径组,待迭代次数完毕后对排名前σ的蚂蚁对应的待优变量组成了一个最优解集,对其对应的负载缺电率和系统成本函数进行画图描点,根据切线法确定使两者最有的待优变量组合。最后,对本文所提出的优化方法进行了算例分析,并对全文做了总结及对风光互补进一步的问题进行了展望。
|
全文目录
摘要 4-5 Abstract 5-9 1 绪论 9-17 1.1 背景及意义 9-10 1.2 研究现状 10-16 1.2.1 国内外风力发电发展现状 10-13 1.2.2 国内外光伏发电发展现状 13-14 1.2.3 国内外风光互补研究现状 14-16 1.3 论文的主要研究内容 16-17 2 风光互补发电系统 17-27 2.1 太阳能光伏发电部分 17-22 2.1.1 光伏电池工作原理 17-18 2.1.2 太阳能电池的基本特性 18-20 2.1.3 光伏组件方阵设计 20-21 2.1.4 太阳能光伏系统的组成 21 2.1.5 太阳能光伏发电系统的主要供电类型 21-22 2.2 风力发电部分 22-24 2.2.1 风力机的结构和分类 22-23 2.2.2 不同地点和高度的风速计算 23 2.2.3 风力机的输出功率 23-24 2.2.4 风机发电量的计算 24 2.3 复合储能部分 24-26 2.3.1 储能类型及特点 24-25 2.3.2 复合储能的组合模式 25-26 2.4 本章小结 26-27 3 蚁群算法概况 27-40 3.1 蚁群行为描述 27-29 3.2 蚁群算法模型 29-32 3.2.1 蚁群算法在商旅问题(TSP)中的应用 29-31 3.2.2 蚁群算法中有关参数的最优选择 31-32 3.3 蚁群算法的流程 32-34 3.3 蚁群算法的设计与实现 34-36 3.4 蚁群算法的优缺点 36-37 3.4.1 蚁群算法的优点 36-37 3.4.2 蚁群算法的缺点 37 3.5 基于排序的蚂蚁系统 37-38 3.6 实验验证 38-39 3.7 本章小结 39-40 4 风光互补系统优化配置 40-53 4.1 风光互补发电系统描述 40-41 4.1.1 风光互补发电的优点 40 4.1.2 风光互补发电的缺点 40 4.1.3 风光互补发电系统的设计步骤 40-41 4.1.4 风光联合发电系统的结构 41 4.2 系统主要单元的数学模型 41-44 4.2.1 PV发电量与方阵倾角β的关系 41-43 4.2.2 风机发电量和风机高度的关系 43 4.2.3 蓄电池组容量计算 43-44 4.3 系统的优化配置模型 44-46 4.3.1 优化指标 44-45 4.3.2 目标函数 45 4.3.3 约束条件 45-46 4.4 优化模型的蚁群算法实现 46-49 4.4.1 算法优化图 46-47 4.4.2 方法与规则 47-49 4.4.3 实现步骤 49 4.5 算例分析 49-52 4.6 本章小结 52-53 5 结论与展望 53-54 致谢 54-55 参考文献 55-57
|
相似论文
- 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
- 基于蚁群算法的电梯群优化控制研究,TU857
- 永磁直驱风电系统中网侧变换器控制与风机模拟技术研究,TM46
- 动态环境下移动对象导航系统相关技术的研究,TP301.6
- 基于改进蚁群算法的机器人路径规划研究,TP242
- 基于粒子群算法求曲线/曲面间最小距离方法,O182
- 风光互补并网发电系统及最大功率点追踪,TM61
- 改进的蚁群算法及其在TSP上的应用研究,TP301.6
- 药品扩散中的优化控制及其数值方法,R91
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
- 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
- 基于视觉反馈与行为记忆的GPU并行蚁群算法,TP301.6
- 结合蚁群算法与基于划分的DBSCAN聚类算法的研究,TP311.13
- 基于控制方法的粒子群算法改进及应用研究,TP301.6
- 基于RFID监狱智能管理系统研究与实现,TP315
- 复杂动态环境下的小型足球机器人路径规划研究,TP242
- 基于DSP控制的直驱式风电机组并网变流器研究,TM46
- 基于物理拓扑感知的Chord算法研究,TP393.02
- 电渣炉过程控制系统的设计及优化控制,TP273
- 多向变异遗传算法及其优化神经网络的研究,TP18
- 船用大型锻件余热热处理工艺方法研究及参数优化,TG316
中图分类: > 工业技术 > 电工技术 > 输配电工程、电力网及电力系统 > 理论与分析
© 2012 www.xueweilunwen.com
|