基于改进遗传算法的海上风电场消纳拓扑结构优化模型

在对海上风电场功率汇集系统进行分析的基础上,建立数学模型对其经济性和可靠性进行综合评估,提出基于改进单亲遗传算法的海上风电场功率汇集系统拓扑结构优化模型。对包含多个海上变电站的大型海上风电场提出基于范式距离最优的区域划分方法。研究结果表明:所提出的模型可以在统筹优化经济性和可靠性的同时快速获得拓扑连接优化结果,与传统的遗传算法相比收敛速度更快,优化结果更好;通过对海上风电场经济性和可靠性的权重赋值,还可得到不同权重下的拓扑结构优化结果,从而为大型海上风电场建设中的功率汇集系统拓扑优化提供参考。     

基于改进粒子群算法的海上风电汇集方式与并网优化研究

基于现阶段全球对清洁能源的需求越来越大,海上风电的装机容量逐年攀升,大规模海上风电系统成为未来发展方向,对海上汇集系统进行对比,分析海上直流风电场的前景和优势,对海上直流风电场拓扑结构进行归纳,建立基于现金折现估值模型的经济性分析模型,通过预测未来的现金流量进行估值,并采用改进粒子群算法分析得出最优及次优并网方案。采用最优及次优并网方案,对并网方式运用条件与场景提出供参考的选择方式。研究结果表明:经济性分析模型能有效将损耗和维护成本的年值折算为成本现值,实现典型并网方式的经济性评估。     

海上风电场环形结构集电系统可用率等值计算方法

为了在规划阶段做好海上风电场集电系统的可靠性评估,避免可及性差导致的维护困难,提出将概率性方法与确定性方法结合的可用率等值计算方法。首先根据大规模海上集电系统的特点将其划分为变电站层、风机层、电缆层,通过故障树算法对环形集电系统的可用率进行分层描述;然后根据环形结构可能出现的运行状态,分别计算单串环网的可用率;最后以某规划中的海上风电场为例对其集电系统的可靠性与经济性这对矛盾指标进行对比分析,实现集电系统不同拓扑方案的优劣比较,为海上风电场集电系统的拓扑规划提供量化的参考指标。     

基于马氏距离的模糊聚类优化算法——KM-FCM

为了解决以欧氏距离作为相似性准则的传统模糊聚类算法对多维数据处理不利的问题,采用马氏距离代替欧氏距离,对基于马氏距离的模糊聚类算法进行优化研究,以增强基于马氏距离的模糊聚类算法的聚类效果和能力。通过构造启发式搜索与k-means算法结合的初始优化方法,利用可以自动调节最佳聚类数的有效性函数,提出了一种优化算法KM-FCM,并将此新算法与FCM,FCM-M,M-FCM聚类算法在3个标准数据集上进行了实验。结果表明,KM-FCM算法有效,聚类精度比FCM,FCM-M,M-FCM高,对高维数据聚类识别能力强,具有全局优化作用,并且聚类个数无需提前设定。新算法可为基于马氏距离的模糊聚类算法的优化提供参考。     

模糊K-m eans算法在临床路径决策中的应用

针对临床路径决策分析聚类算法中聚类效果依赖于样本数据分布且处理数据效率低的问题,提出基于均衡分配方法的模糊K-means算法的临床路径决策方法.该算法利用文字数字化处理与加权计算来建立数据格式统一且关键属性突出的样本特征值矩阵;利用基于均衡分配方法的模糊K-means算法对上述样本进行聚类分析,得到最终的聚类中心与聚类结果,以此辅助医生进行临床路径决策.采用ECLIPSE编程进行仿真,与传统模糊K-means算法和基于减法聚类的FCM算法相比,采用该算法的迭代时间分别降低了26%与70%,迭代次数分别减少了33%和82%,平均目标函数最小值分别减小了32%和28%.实验表明,该算法能够有效降低聚类效果对于样本数据分布的依赖,同时数据聚类效率与质量也有显著的提高.     

基于聚类选址的区域能源系统站网布局优化规划

区域能源系统中能源站选址和管网布局规划是影响区域能源系统经济性的重要因素.综合考虑能源站选址、管网布局与负荷分布的特点,提出了基于聚类和最短路径算法的站网布局优化方法.首先,将最短路径权重作为聚类相似性度量,建立站网布局结构模型.然后以系统年均经济成本最小为目标,构架优化目标函数.最后以实际工程案例进行仿真分析,验证了该方法的有效性.所提出的方法可以对区域内能源站数量、选址以及管网布局进行综合优化,为区域能源系统站网布局规划提供理论参考.     

基于粒子群优化的马氏距离模糊聚类算法

为解决传统模糊聚类迭代算法对初始化敏感,易陷入局部最优及处理高维数据时精度下降的问题,对基于马氏距离的模糊聚类算法(fuzzy c-means algorithm based on Mahalanobis distance,M-FCM)进行优化。将马氏距离代替欧氏距离,通过构造类内紧致度、类间分离度与类间清晰度结合的适应度函数,利用粒子群优化算法(particle swarm optimization,PSO)对马氏距离模糊聚类进行研究,提出了基于粒子群优化的马氏距离模糊聚类算法(Mahalanobis distance fuzzy clustering algorithm based on particle swarm optimization,DPSOM-FCM),并将此新算法与FCM(fuzzy c-means algorithm),M-FCM,PSO-FCM,IFPSOFCM(importance for fuzzy clustering algorithm based on particle swarm optimization)算法,在UCI(university of californiairvine)数据库的6个标准数据集上进行实验对比分析。结果表明,DPSOM-FCM算法具有算法收敛性和聚类有效性,并且聚类精确度优于其他算法,对高维数据的聚类识别能力强,即该算法具有全局优化作用。     

基于二阶段微粒群优化模糊C-均值算法的模糊聚类分析研究

针对常规动态聚类方法对初始聚类中心的敏感性和容易陷入局部最优的缺点等问题,提出了基于二阶段微粒群优化模糊C-均值算法(TPSOFCM),并将此算法与现有的模糊C-均值聚类算法和基于多阶段的模糊C-均值算法进行比较。该算法对Iris数据进行聚类,计算结果表明:该算法有较好的全局收敛性,不仅能有效地克服传统的模糊C-均值算法易陷入局部最优解的缺点,而且全局收敛能力优于模糊C-均值聚类算法和基于多阶段的模糊C-均值算法。     

蚁群算法优化车辆路径问题的研究

通过引入蚁群算法来解决物流中的车辆路径问题。针对具体实例运用计算机编程得出系统的最优解,并与优化前进行对比,指出优化比率,从而减少物流配送成本,提高效益。     

基于蚁群聚类的智能优化算法及应用

为了解决数据挖掘问题中离散优化问题,提高全局的优化能力,在研究基本蚁群聚类模型的基础上,通过改进,提出了一种新的蚁群聚类组合算法,将此算法应用于银行信用卡客户的消费行为分析,通过数据测试和性能分析,证明这种算法在解决离散空间问题上表现了良好的性能。该结果对银行制定市场策略上提供了良好的参考价值。     

基于三次修正Jensen尾流模型的海上风电场布局优化

目前修正的Jensen尾流模型均没有同时修正尾流初始半径和尾流初始风速，无法准确预测海上风电场的实际尾流风速。本文基于二次修正Jensen尾流模型基础上，提出三次修正Jensen尾流模型，并通过海上风电场风洞实验数据验证该修正尾流模型的正确性。其次，考虑全尾流及部分尾流面积，将该三次修正Jensen尾流模型应用到海上风电场的布局优化中，以风力机的坐标及数量为优化变量，以度电成本为优化目标函数，并利用樽海鞘算法对海上风电场的风力机布局进行优化设计。优化结果表明：对比采用改进Jensen模型指导风电场布局，采用三次修正Jensen模型时，风电场的布局更加均匀；对比考虑全尾流的布局，当考虑部分尾流布局时，度电成本降低了2.16%。     

基于聚类分区的风电场无功电压优化控制策略

随着风电渗透率的不断增大,并网风电场的机端电压稳定面临巨大挑战。研究了风电场内部各节点的无功电压特性,提出一种基于机组有功出力聚类分区的无功电压优化控制策略：通过 自动电压控制系统获取风电场当前的电压指标与实际运行数据,计算出风电场的无功需求;以历史有功出力数据对场内机组进行模糊C聚类分区;利用改进的粒子群算法寻找最优无功分配方案,对每一区域进行无功电压控制。在MATLAB上进行仿真,与传统根据各机组无功容量进行分配的方案进行对比,仿真结果表明,所提控制策略能够有效改善风电场并网点电压控制性能,减小风电场内机组机端电压的波动。     

含储能系统及风电的电力系统动态经济调度

风电的随机性和波动性给传统的调度带来困难,为此在模型中引入储能系统,分析了储能系统对含风电的电力系统经济调度的影响,尤其是对系统调峰的影响。将含风电和储能系统的经济调度描述为一个非线性优化问题,建立了一个风电场与储能系统相配合的清洁经济调度模型,其目标函数在传统火电机组运行费用的基础上兼顾了火电的排污成本,寻求经济和环保总成本的最优解,采用粒子群算法对该模型进行求解。通过6机系统算例分析,表明该模型能够有效地控制储能系统的出力;储能系统的引入可明显降低系统的运行费用,尤其是火电机组调峰的费用,且提高了风能利用率。     

基于改进DPSO的含风力发电的配电网无功优化规划

研究了风力发电系统并网后配电网无功优化问题,将年负荷持续曲线处理为五种负荷运行方式,考虑风电机组输出功率的波动性,以年电能损失费用与无功补偿设备的投资费用之和最小为目标函数,以功率平衡、过补偿约束、电压合格、馈线电流约束为约束条件,应用改进的离散粒子群算法(PSO-GA)优化并联电容器组的安装位置和容量。仿真结果证明了该优化策略的有效性及经济性。     

采用动态灰聚类算法的风电场动态等值方法

针对风电机组运行状况间具有动态灰色关联性的特点,提出一种基于动态灰聚类算法的风电场动态等值方法.首先,根据实测运行数据对风电机组间的关联性进行分析,并确定数据样本的跨度选取时长.然后,采用动态灰关联分析,构造一个可以体现风电机组运行状况间动态灰色关联性的关联度矩阵G;进而以G中的样本组作为聚类指标进行K均值聚类,得出更合理的机群划分结果.最后,采用容量加权法计算机群等值参数,完成风电场的动态等值.仿真实验结果表明:所建立的动态等值模型与详细模型较接近,能够较准确地反映风电场的动态响应特性.     

风电场储能容量合理取值范围分析

风电场配置适当的储能容量可以有效改善因风速变化而造成的输出功率波动。针对怎样选取储能容量较为经济合理问题,在结合一种所需储能容量计算方法的基础上,提出了评判风电场输出改善效果的两种指标。通过详细分析储能容量合理取值受到的各种影响因素,利用储能容量成本及风电场输出功率平滑效果辅助判据,得出风电场储能容量合理的取值范围。     

改进遗传算法在模糊文本聚类中的应用研究

在分析了传统模糊聚类FCM算法和基于遗传聚类算法优点和不足的基础上,提出了一种基于免疫单亲遗传和模糊C均值的改进遗传聚类算法,克服了FCM的局部最优问题以及标准遗传算法聚类时的搜索速度和聚类精度的矛盾,并将该算法用于文本聚类,实验表明该算法是有效的。     

近海可再生能源综合发电场的非机理等效建模

为了建立准确的近海可再生能源综合发电场等效模型,提出了非机理建模方法。基于传递函数建立非机理等效模型,描述输入、输出的非线性关系。提出解耦参数辨识方式,并运用蚁群算法进行参数辨识。在Matlab/Simulink中搭建由风力发电机组、潮流发电机组和波浪发电机组组成的近海可再生能源综合发电场的相量模型,采集发电场模型在风速、潮流流速、波浪以及电压扰动影响下的输入输出数据。根据输入、输出数据建立传递函数模型,辨识模型参数,根据所得参数计算等效模型输出。等效模型输出与仿真模型输出的误差较小,验证了非机理等效建模方法在近海可再生能源综合发电场建模中的可行性。     

含分布式储能的主动配电网鲁棒优化经济调度方法

为克服风电输出的不确定性,基于鲁棒优化中的worst-best理论,提出一种主动配电网的鲁棒优化经济调度模型.该模型采用拉丁超立方采样方法生成风电场景集表征风电预测的不确定性.在建模过程中,引入分布式储能的等效运维成本,同时以微型燃气轮机、分布式储能和主动配电网购电/售电调度成本最低为目标函数,采用基于随机变异的粒子群优化算法对模型进行求解,可得到极端场景下运行成本最小的调度方案.仿真结果验证了该模型及求解算法的有效性,得到的调度方案能在风电预测误差范围内满足系统所有约束条件,并给出经济性最优的调度方案.与确定性经济调度方案进行对比可知,本文所提出的调度方案具有更强的鲁棒性.