基于改进灰狼算法的混合发电系统优化设计

风光柴蓄混合发电系统的容量配置是系统优化设计中重要内容。针对基本灰狼算法在进化后期由于种群多样性的缺失而易于出现局部收敛或算法早熟的问题,提出一种具有全局寻优性能的改进灰狼优化算法(Improved Gray Wolf Optimization, IGWO)降低风光柴蓄混合发电系统的运行成本。引入收敛因子设置非线性调整策略来调节算法的全局探索与局部开发之间的平衡从而提高算法的收敛性;同时为了提高算法的全局寻优能力,通过柯西变异算子减少算法早熟收敛的概率。分析了风光蓄柴混合发电系统各发电单元特性,建立起以年均化系统成本最小化为目标的混合发电系统容量优化配置模型。分析优化结果,该改进灰狼优化算法能够有效对目标函数求解,从而证明了该算法的有效性和实用性。     

考虑不确定性的多能互补系统双层优化调度

为了降低新能源并网对电力系统影响,本文中提出了考虑源、荷不确定性的风光水火储多能互补系统调度方法。首先基于模糊机会约束法处理风电、光伏出力及负荷预测值的不确定性;然后建立了源荷相关度数学模型,以衡量联合发电系统出力与负荷的匹配程度;然后构建了多能互补系统双层优化调度模型,其中上层以源荷相关度最大为目标函数,下层以系统运行成本最小为目标函数;最后提出了改进的遗传算法求解双层调度模型。基于算例仿真验证了所提模型和算法的有效性,为互补发电系统提供可靠的调度方案。     

分布式智能电网中电源失效时的电能优化分配

构建一种分布式智能电网的总体框架模型,给出分布式发电规划与优化控制总体模式;针对分布式智能电网中的电源故障问题采用一种改进微粒群算法进行优化潮流计算,获取系统正常工作发电设备的优化功率分配方案,并基于IEEE 14-bus系统进行了仿真,验证了所提方法的有效性.     

风光互补发电系统中一种最大功率 分时跟踪控制方法

介绍了风光互补发电系统的拓扑结构.基于该系统的输出特性,研究了一种基于分时跟踪的最大功率跟踪控制方法.以风速和日照强度的预测值为依据,对风力和光伏发电系统的输出功率进行分时跟踪控制,从而保证风光互补发电系统的最大功率输出.最后,建立了风光互补发电系统的仿真模型.仿真结果表明,所设计的控制方法可以实现对风光互补发电系统输出功率的跟踪控制.     

风光互补发电系统优化配置及利用

随着时代的发展,科学技术的进步,对能源的需求量越来越广,可再生能源的利用是人们研究的方向和目标。作为一种新型的,环保．节能,高效的可再生能源-风光互补发电。受到世界各地的重视,本文主要对风光互补发电系统的优化配置以及利用进行了研究。     

南极气雾立体栽培室风光互补供电系统

气雾立体栽培是一种新型农业无土栽培技术,该技术有望让极地科考队员吃上新鲜蔬菜,目前已在南极中山站展开初期调研试验。但"南极温室"需要日夜燃烧燃油加热来抵御极地严寒、能耗大、成本高。针对该问题,展开南极中山站气雾立体栽培室风光互补供电系统研究。依据南极中山站的气候特点研究风光互补供电可行性;分析负载用电特性,优化配置供电系统容量;应对中山站特殊的极昼、极夜现象和低温环境,提出供电系统能量管理和最大功率追踪控制策略;利用MATLAB对低温下风力发电系统、光伏系统最大功率追踪控制策略进行仿真。结果表明在中山站可用风光互补给气雾立体栽培室供电,所配置供电系统容量可靠,能量管理及最大功率追踪控制策略适用于中山站低温环境。     

南极气雾立体栽培室风光互补供电系统研究

气雾立体栽培是一种新型农业无土栽培技术,该技术有望让极地科考队员吃上新鲜蔬菜,目前已在南极中山站展开初期调研试验。但"南极温室"需要日夜燃烧燃油加热来抵御极地严寒、能耗大、成本高。针对该问题,展开南极中山站气雾立体栽培室风光互补供电系统研究。依据南极中山站的气候特点研究风光互补供电可行性;分析负载用电特性,优化配置供电系统容量;应对中山站特殊的极昼、极夜现象和低温环境,提出供电系统能量管理和最大功率追踪控制策略;利用MATLAB对低温下风力发电系统、光伏系统最大功率追踪控制策略进行仿真。结果表明在中山站可用风光互补给气雾立体栽培室供电,所配置供电系统容量可靠,能量管理及最大功率追踪控制策略适用于中山站低温环境。     

一种基于模糊控制的发电系统优化设计研究

本文提出一种多能源智能调度系统,能够对风光互补发电系统进行统一调度,根据电网用电负荷的波动来控制并网功率,使电网的供电质量更可靠。首先介绍光伏发电原理及其并网系统的结构,进而介绍风光互补发电系统的工作状态,最后研究对多能源的调度在MATLAB/simulink环境下建立了多种能源仿真模型,引入模糊控制算法,仿真结果达到了预期的目标。     

基于混合微粒群算法的网格服务工作流调度

采用微粒群优化的种群搜索方式,融合了局部搜索和全局搜索,引入了模拟退火算法和遗传算法思想,利用模拟退火随机概率来避免陷入局部最优,提出了一种混合微粒群优化算法,以便更好地满足用户期望的服务质量,解决网格服务工作流调度问题.网格仿真试验结果显示:对于具有全局QoS约束条件的Web服务选择,在执行效率上混合微粒群优化算法明显优于其他混合遗传算法,可在较短时间内获得较好的解,是求解多目标网格服务工作流调度问题的有效方法.     

风光互补蓄电池储能离网自治发电系统规格设计方法

针对蓄电池储能的离网型风光互补发电系统,探讨系统中各个元件的规格设计,以减轻采用单一光伏发电或风力发电的供需失配;并保证系统在连续自治运行的前提下,优化系统运行并准确估算系统元件规格。仿真研究验证了风光互补蓄电池储能离网自治型发电系统规格设计方法的合理性与有效性。     

基于垂直轴风机的风光一体发电机

与现有的风光互补发电系统不同,该设计在垂直轴风力发电机的基础上进行优化改进,以实现同一设备的两种发电形式,节省了成本和空同,也提出了一种新的概念。     

基于微粒群算法的分布式发电优化配置

利用混沌动力学的随机性和遍历设计群体运动模式,提出一种改进的微粒群算法.以运行成本和网络损耗为目标,对分布式发电的优化选址与定容问题加以求解,获取最优的分布式电源安装位置和容量,并针对标准测试系统进行了仿真计算与分析,仿真结果验证了所提方法的有效性.     

太阳能及风光互补供电系统配置方案及稳定性讨论

风光储互补供电系统是利用风能和太阳能资源的互补性,具有较高性价比的一种新型能源发电系统,具有很好的应用前景.目前随着人们对风光储互补发电技术认识的日渐提高和风光储互补发电技术的不断成熟,其应用领域也越来越广泛.太阳能供电系统因为应用地点受限较小,成为电力线路无法到达地域重要的补充供电系统.全程监控普及和推广更是将太阳能在交通行业的应用推到了一个全新高度.而太阳能及风光互补系统存在的大大小小的问题给人们带来很多烦恼,而有的案例则给人们造成了惨痛的教训.本论述主要对太阳能以及风光互补供电系统的配置方案以及稳定性进行了探讨,希冀对同行们起到一定的借鉴意义.     

家用风光互补发电系统的设计与MPPT控制

针对家用风光互补发电的特点和效率问题,采用高性能低功耗的AVR单片机为核心,设计了一种新型风光互补发电控制器,并提出了新型最大功率跟踪(MPPT)控制策略.仿真结果表明,该系统工作稳定,响应速度较快、能大大的提高的系统的发电效率.     

风光互补发电系统应用分析

风光互补发电系统充分利用了当地风能和太阳能资源的互补性,是一种具有较高性价比的新型能源发电系统.本文结合青海省刚察县沙柳河地区的实际气象条件,分析在该地区推广使用风光互补发电系统的可行性.     

基于相关性分析的风光储互补需求响应策略

针对风光储互补发电系统,提出基于风光相关性分析与需求响应建模结合求解优化模型的方法。首先选取负荷追踪系数对互补系统进行风光相关性分析,然后基于用户收益最大建立需求响应基本模型,以减小负荷峰谷差、需求响应前后平均电价变化最小、负荷追踪系数最小为目标建立需求响应优化模型。最后利用算例对风光储互补系统接入电网更新的电价策略对负荷波动曲线、负荷追踪系数曲线的影响进行分析。结果表明,考虑相关性分析的需求响应策略可以实现对发电侧新能源的充分消纳。     

一种风光组合发电系统中的BUCK电路

提出了一种针对风光互补发电系统中BUCK电路的稳压方法,利用SG3525芯片的闭环控制调节,可输出精确度高、稳定性好、动态响应快的直流电压．仿真结果表明,符合风光互补发电设备的要求．     

一个与信籁域搜索技术相结合的微粒群算法

微粒群优化算法(PSO)是一种有效的随机全局优化技术.文章针对利用微粒群优化算法进行多极值点的函数优化时,存在陷入局部极小点和搜索效率低的问题,把信籁域搜索技术引入到PSO算法中,提出了基于信籁域搜索的微粒群优化算法(TRPSO).该算法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度.仿真计算结果表明,该算法的性能优于混沌微粒群优化算法(CPSO)和基本微粒群优化算法(PSO).     

动态环境下基于SVR-PSO的多机器人气味源定位方法

研究具有风速变化的动态环境下气味源定位问题,提出一种基于支持向量回归和微粒群优化的多机器人气味源定位方法。以当前时刻机器人的位置为输入,以机器人所测的气味浓度值为输出,利用支持向量回归,建立机器人所在位置气味浓度的预测模型;采用改进微粒群优化方法定位气味源时,以气味浓度最大的机器人所在的观测窗内,基于预测模型得到的气味浓度最大值的所在位置作为微粒的全局极值,以当前机器人的位置作为微粒的个体极值,完成微粒的更新;根据机器人所测的气味浓度值,定位气味源。将所提方法应用于2个气味源定位场景,实验结果表明所提方法能够在短时间内成功定位气味源。     

动态环境下基于SVR-PSO的多机器人气味源定位方法简

研究具有风速变化的动态环境下气味源定位问题,提出一种基于支持向量回归和微粒群优化的多机器人气味源定位方法。以当前时刻机器人的位置为输入,以机器人所测的气味浓度值为输出,利用支持向量回归,建立机器人所在位置气味浓度的预测模型;采用改进微粒群优化方法定位气味源时,以气味浓度最大的机器人所在的观测窗内,基于预测模型得到的气味浓度最大值的所在位置作为微粒的全局极值,以当前机器人的位置作为微粒的个体极值,完成微粒的更新;根据机器人所测的气味浓度值,定位气味源。将所提方法应用于2个气味源定位场景,实验结果表明所提方法能够在短时间内成功定位气味源。