文化微粒群算法及其在风电场风能资源评估中的应用

论文摘要

伴随着全球范围内的常规能源储量下降以及环境污染日趋严重等问题的影响,各国都认识到了开发新能源迫在眉睫。风能因其无污染,利用率高,具有大规模开发利用的前景受到越来越广泛的关注。近年来,我国也很重视风能资源开发,已建和在建有多个大规模风电场。因此,对于拟建风场来说,风能资源评估和风机选型具有重要的现实意义。本文的主要研究内容是智能优化算法在风电场风能资源评估和风电场风机优化选型中的应用。本文在对文化算法和微粒群算法进行详细分析后,提出了一种增强型的文化微粒群算法,将微粒群算法应用于文化算法框架的主群体空间,改进了微粒群算法的速度更新公式,同时对信念空间的知识及其更新方式进行了重新定义,提出了用历史知识来引导形势知识更新的策略,从而使得这种混合算法在寻优过程中既可以保持种群多样性,也具有较快的收敛速度。实验结果证明,该算法是一种能够发挥文化算法优点,提高微粒群算法性能的混合算法。在提出以上改进混合算法后,本文以风能资源评估中的Weibull分布参数为研究对象,将增强型文化微粒群算法应用于Weibull分布参数的优化,优化得到的参数值精度较高,由该参数拟合的风速分布曲线接近实际曲线,这既体现了算法的实用性,也再次验证了算法的优化性能。最后,针对风电场风机优化选型的需要,建立最大装机容量模型和最优性价比模型两个风机优化选型模型,并将改进的离散文化微粒群算法应用到风电场风机选型的模型的优化中,为拟建风场确定所选风机类型和数量提供依据,在实际算例中取得较好的效果。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 群智能算法的概念、背景与发展
• 1.1.1 群智能的概念及其背景
• 1.1.2 群智能的特点
• 1.1.3 群智能算法的应用与发展
• 1.2 文化演化算法概述
• 1.3 风能资源评估的优化方法的研究的背景、状况与意义
• 1.4 风能资源评估方法及其国内外研究现状
• 1.5 本文的主要内容与安排
• 第2章 微粒群优化算法与文化算法
• 2.1 引言
• 2.2 微粒群优化算法
• 2.2.1 微粒群优化算法的原理
• 2.2.2 基本PSO算法
• 2.2.3 PSO算法流程
• 2.2.4 参数分析
• 2.3 基本离散微粒群算法
• 2.3.1 基于连续空间的DPSO
• 2.3.2 基于离散空间的DPSO
• 2.4 文化算法
• 2.4.1 文化算法产生背景
• 2.4.2 文化算法的基本框架及其原理
• 2.4.3 文化算法的发展及其应用
• 2.5 本章小结
• 第3章 改进的文化微粒群算法模型
• 3.1 引言
• 3.2 基本文化微粒群算法
• 3.3 增强型文化微粒群算法
• 3.3.1 主群体空间的设计
• 3.3.2 信念空间设计
• 3.3.3 影响操作的设计
• 3.3.4 算法实现的流程
• 3.4 测试函数优化与结果分析
• 3.4.1 测试函数
• 3.4.2 评价指标
• 3.4.3 测试实验设计
• 3.4.4 测试结果分析
• 3.5 本章小结
• 第4章 改进的文化微粒群算法在风速模型中的应用
• 4.1 引言
• 4.2 风能及风能资源基本知识
• 4.2.1 风能及其特点
• 4.2.2 风速的统计特性
• 4.2.3 主要的风能评价指标
• 4.3 Weibull概率模型参数优化的传统方法
• 4.3.1 应用极大似然法计算Weibull概率模型参数
• 4.3.2 应用最小二乘法求解Weibull概率模型参数
• 4.4 应用ECPSO算法求解Weibull参数模型
• 4.5 算例分析
• 4.6 本章小结
• 第5章 离散文化微粒群算法及其在风机选型模型中的应用
• 5.1 引言
• 5.2 改进的离散文化微粒群算法
• 5.2.1 信念空间的设计
• 5.2.2 主群体空间设计
• 5.2.3 影响函数和接收函数
• 5.3 风电场风机优化选型模型
• 5.3.1 最大装机容量模型
• 5.3.2 风电场性价比模型
• 5.4 算例分析
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 工作小结
• 6.2 工作展望
• 参考文献
• 致谢
• 作者在攻读硕士学位期间发表的论文和参与的科研项目