基于优化算法的风电场风能资源评估

【摘要】：在当前资源短缺、污染加重等问题丛生的情况下,积极开展风力发电被提到各国的议事日程之上。大规模风电开发的基础工作是对该地区的风资源评估,准确而有效的评估某地区风资源概况切实影响到该地实际风电开发的实用性和经济性。其中,风速概率模型的确定成为风资源评估的核心部分,目前多采用Weibull两参数模型来拟合实际的风速,然而用于其参数确定的传统方法普遍存在一定的不足,因此,本文将粒子群算法引入到此问题的解决中。 粒子群优化算法(Particle Swarm Optimization Algorithm, PSO)是一种新型智能算法,是受群体中个体之间信息共享与协同进化的启发而来。它是一种基于概率搜索的启发式算法,具有参数少、结构简单等优势,在很多领域都得到了广泛应用。 本文的主要研究成果如下： (1)对传统粒子群算法的相关内容做了详细研究,包括算法机理的分析、带惯性权重和带收敛因子这两种基本粒子群算法的对比、各个参数对算法的影响、算法的流程和特点、与其余优化算法的比较等,从而对粒子群算法有了全面的深入了解。 (2)针对传统粒子群算法普遍存在的极易陷入局部极值、算法迭代后期进度缓慢这两点不足,提出了新的改进算法。主要包括自适应降温模拟退火的引入和平均速度的引入。模拟退火可以一定程度上接受劣解,从而降低陷入局部极值的几率；平均速度是对粒子活跃程度的一种表征,以此来动态调整惯性权重和学习因子,某种程度上可以缓解算法末期收敛速度缓慢的不足。选择基准函数对改进算法进行测试,通过逐一增加改进点的方法,逐步体现最终改进算法的优势所在。 (3)Weibull两参数模型是目前公认的对风速拟合效果最好的统计模型,其参数的确定主要有最小二乘法、平均风速与标准差法、平均风速与最大风速法。前两种算法后期数据的处理工作相当繁琐,后一种算法涉及到最大风速,需要较长时间的测风数据,目前要想获得这样完整的数据还有一定困难。因此本文采用了改进的粒子群算法,同时结合实际采风数据,对风速概率分布进行建模和寻优。通过与三种传统算法的对比分析发现,此改进算法的拟合效果让人满意,具有一定的实用价值。 【关键词】：优化 风电场 风速概率分布 粒子群算法 Weibull模型
【学位授予单位】：华东理工大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TP18;TM614
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-19
• 1.1 引言9
• 1.2 课题的研究背景及意义9-10
• 1.3 优化算法10-12
• 1.3.1 传统优化算法10-11
• 1.3.2 智能优化算法11
• 1.3.3 无免费午餐定理11-12
• 1.4 粒子群算法简介12-16
• 1.4.1 粒子群算法的起源12
• 1.4.2 粒子群算法的研究现状12-15
• 1.4.3 粒子群算法的应用及发展趋势15-16
• 1.5 风资源评估的简介16-17
• 1.5.1 两参数Weibull分布模型16
• 1.5.2 两参数Weibull模型的参数计算16-17
• 1.6 本文的研究内容和方法17
• 1.6.1 本文的主要内容17
• 1.6.2 本文的主要方法17
• 1.7 本文的主要组织结构17-19
• 第2章 基本粒子群算法的研究19-29
• 2.1 引言19
• 2.2 粒子群算法的原理及数学表达19-20
• 2.3 标准粒子群算法20-21
• 2.3.1 带惯性权重ω的粒子群算法20-21
• 2.3.2 带收缩因子χ的粒子群算法21
• 2.4 粒子群算法的参数分析21-23
• 2.5 粒子群算法的流程23-25
• 2.6 粒子群算法的特点25
• 2.7 标准粒子群算法的收敛性分析25-27
• 2.8 粒子群算法同其余优化算法的比较27-28
• 2.8.1 粒子群算法同遗传算法的比较27
• 2.8.2 粒子群算法同蚁群算法的比较27-28
• 2.9 本章小结28-29
• 第3章 改进粒子群算法的研究29-44
• 3.1 引言29
• 3.2 基于模拟退火算法的改进29-32
• 3.2.1 算法描述29-30
• 3.2.2 新解的产生及接受机制30
• 3.2.3 冷却进度表30-31
• 3.2.4 算法流程31
• 3.2.5 自适应降温的模拟退火算法31-32
• 3.3 基于平均速度的改进32-34
• 3.3.1 平均速度32
• 3.3.2 平均速度调节惯性权重32-33
• 3.3.3 平均速度调节学习因子33-34
• 3.4 改进粒子群算法的流程34-35
• 3.5 改进算法的函数测试35-43
• 3.5.1 测试函数35-38
• 3.5.2 测试结果分析38-43
• 3.6 本章小结43-44
• 第4章 改进粒子群算法在风资源评估中的应用44-56
• 4.1 引言44
• 4.2 Weibull两参数模型44-47
• 4.2.1 最小二乘法45-46
• 4.2.2 平均风速和标准差法46
• 4.2.3 平均风速和最大风速法46
• 4.2.4 改进粒子群算法46-47
• 4.3 风资源特性指标47-49
• 4.4 实际风场案例分析49-55
• 4.4.1 风场背景49-50
• 4.4.2 数据统计与分析50-55
• 4.5 本章小结55-56
• 第5章 总结和展望56-58
• 5.1 论文总结56
• 5.2 未来展望56-58
• 参考文献58-64
• 致谢64-65
• 附录65

您可以在本站搜索以下学术论文文献来了解更多相关内容

基于量子粒子群算法的惯性保险机构优化设计    牛江川;刘明杰;宋荣昌;贾晶晶;

修正的平均风速和最大风速法在风速分布估计中的应用    何玉林;石秉楠;袁带英;李奇敏;李海锋;刘卫;常慧英;

最小误差逼近算法在风电场风能资源特性分析中的应用    吴学光,陈树勇,戴慧珠

模拟退火算法的原理及实现    谢云

粒子群算法在组合优化问题上的研究与发展    陈永刚;牛丹梅;范庆辉;

模拟退火算法中的退火策略研究    高尚

二进制量子粒子群优化算法及其在化工过程故障诊断中的应用    王灵;俞金寿;

粒子群优化的两种改进策略    窦全胜,周春光,马铭

免疫粒子群优化算法    高鹰,谢胜利

基于差分方程的PSO算法粒子运动轨迹分析    李宁;孙德宝;邹彤;秦元庆;尉宇;

基于改进粒子群算法的配电网电压无功优化控制    贾德香;韩净;

河西走廊中西部风能资源的时空分布特征及储量研究    郭良才;李红英;于海跃;丑伟;相吉;

基于PSO-BP算法的隧道非线性位移分析模型    刘开云;刘保国;徐冲;

风速变化的并网型风电场故障分析    李凤婷;晁勤;

基于杂交粒子群算法的弹炮混编防空群火力优化模型    谭乐祖;任东彦;温巧林;

基于禁忌搜索与微粒群优化算法的混合优化策略算法在目标分配问题上的应用    丁铸;马大为;于存贵;张学锋;

基于蚁群算法的同步感应线圈炮结构参数优化    刘文彪;曹延杰;张媛;邹本贵;

基于PSO-BP算法的微带天线谐振频率神经网络建模    董跃;田雨波;

基于粒子群算法的无刷直流电机调速系统应用研究    陈昊;厉虹;

基于粒子群算法的航天器姿态机动路径规划    杨思亮;徐世杰;

多种群并行粒子群算法研究    张顶学;关治洪;刘新芝;

基于预测速度的改进微粒群算法    崔志华;蔡星娟;曾建潮;孙国基;

灰色双层线性规划的粒子群解法    李军亮;肖新平;毛树华;

非等间隔广义累加灰色预测模型及其应用    刘捷;李军亮;廖锐全;

一种基于蜜蜂多群体觅食的粒子群优化算法    司维超;韩维;史玮韦;颜刚;

解决流水车间双目标调度问题的免疫粒子群算法    常俊林;梁君燕;魏巍;

基于CPSO的有限反馈增益系统设计    袁少强;徐发洋;

含风电场电力系统潮流计算    吴义纯;丁明;张立军;

基于图像纹理和结构特征的燃烧指数的高温低氧火焰燃烧稳定性识别    王云;董增寿;卓东风;

基于微粒群算法与最小二乘法的在线辨识策略研究    张桐;王亚慧;叶安丽;王健;

粒子群优化算法研究及其在船舶运动参数辨识中的应用    戴运桃

粒子群优化算法研究及其在海底地形辅助导航中的应用    谭佳琳

基于多源融合的网络安全态势量化感知与评估    刘效武

面向船舶制造协同物流网络的资源优化研究    徐小峰

地震叠前数据的弹性阻抗非线性反演方法研究    张进

分布式电源的概率建模及其对电力系统的影响    王敏

多源信息耦合的成矿预测新模型研究    陈广洲

基于群体智能的聚类分析    曲建华

SOFC固体氧化物燃料电池分布式发电系统仿真及其潮流计算    刘杨华

变速恒频风力发电系统故障特性与保护技术研究    撖奥洋

基于混合粒子群算法的ZnO镀膜光纤传感器的参数优化    刘奇

微粒群优化算法的改进及应用    柳枝华

区间自适应粒子群算法研究及其应用    姜念

粒子群算法求解作业车间调度问题的研究    肖小城

在役桥梁结构健康诊断与寿命预测技术研究    赵乐乐

基于PSO算法的氧乐果合成过程建模与控制研究    杨书显

基于改进蚁群算法的移动机器人路径规划研究    刘军

遥控式水下机器人PID运动控制算法优化研究    姜婵娟

基于智能优化算法的OFDMA系统自适应资源分配问题研究    曹巍巍

基于模拟退火和团划分的综合技术研究    闫颖

基于混合粒子群优化的电网优化规划    任苹;高立群;王珂;李楠;

基于粒子群游算法的同步发电机参数辨识    龙云,王建全

负荷模型参数辨识的粒子群优化法及其与基因算法比较    程颖,鞠平,吴峰

IIR数字滤波器设计的粒子群优化算法    侯志荣,吕振肃

含风电场电力系统的有功优化潮流    雷亚洲,王伟胜,印永华,戴慧珠

基于偏最小二乘回归分析的短期负荷预测    张伏生,汪鸿,韩悌,孙晓强,张振宇,曹进

粒子群优化算法在电力系统中的应用    袁晓辉,王乘,张勇传,袁艳斌

基于时间序列分析和卡尔曼滤波算法的风电场风速预测优化模型    潘迪夫;刘辉;李燕飞;

时间序列与神经网络法相结合的短期风速预测    蔡凯;谭伦农;李春林;陶雪峰;

基于最小二乘支持向量机的风电场短期风速预测    杜颖;卢继平;李青;邓颖玲;

基于粒子群算法的GM(1,1)在经济发展预测中的应用    邹长武;羊依金;丁恒康;张雪乔;

基于群智能的计算与仿真方法研究    段晓东;

个体激励粒子群算法及其社会学背景分析    王晟;潘郁;

粒子群算法在组合优化问题上的研究与发展    陈永刚;牛丹梅;范庆辉;

粒子群算法在黑盒测试中的应用    刘胜利;刘鹏飞;

改进的粒子群算法在测试数据生成中的应用    邓璐娟;卢华琦;孙义坤;刁海港;

基于改进粒子群算法的电力系统有功调度    秦明明;王坚;姜雷;

基本粒子群算法和遗传算法用于航路规划的比较    汲万峰;姜礼平;朱建冲;孙钧正;

求解旅行商问题的混合粒子群优化算法    高尚,韩斌,吴小俊,杨静宇

粒子群算法在小波神经网络中的应用    岑翼刚,秦元庆,孙德宝,李宁

遗传增强混沌粒子群算法    赵亮;

新型离散粒子群算法在波纹管优化设计中的应用    于颖;李永生;於孝春;

多种群并行粒子群算法研究    张顶学;关治洪;刘新芝;

基于模拟退火思想的基本粒子群算法改进    丛亮;胡成全;郭宗鹏;姜宇;沙丽华;

一种动态改变惯性权重的粒子群算法    张顶学;朱迎辉;廖锐全;

粒子群算法分析及惯性权重的动态改变策略    张顶学;廖锐全;

解决流水车间双目标调度问题的免疫粒子群算法    常俊林;梁君燕;魏巍;

基于文化-粒子群算法的机器人路径规划算法    史久根;徐胜生;

坐标改进型粒子群算法在应用层组播中的应用    段练;张玉斌;

可变随机函数的PSO算法    周晓君;阳春华;桂卫华;

江苏：建亚洲最大风电场    刘海

象山风电建设风生水起    象山记者站 陈光曙　丁华 记者 王量迪

好风助转变 崛起风电城    记者 杨旭

创全国特殊地理环境建设纪录    张鸿光

风力发电看辽宁    李赛;徐凤莉;王奉安

风生水起开气象    本报记者 陈丹

风电场建在哪儿？气象测风说了算！    李赛;徐凤莉;王奉安

风电的辩护    李荔

福清牛头尾风电场全部风机并网发电    记者 陈敏灵　通讯员 毛晨熙

英国争当海上风电领跑者    赵华

面向动态环境的粒子群算法研究    胡成玉

家庭粒子群算法及其奇偶性与收敛性分析    安镇宙

粒子群算法改进及其在电力系统的应用    黄平

混合克隆竞争与启发学习策略的多角色随机游动粒子群算法研究    全海燕

粒子群算法研究及应用    秦全德

粒子群算法拓展研究及在约束布局优化中应用    岳本贤

纵向参数多子群粒子群算法的研究与应用    常彦伟

粒子群优化算法及其应用研究    田野

粒子群算法的研究及应用    刘衍民

群能量守恒粒子群算法及其在发酵过程控制中的应用研究    薛尧予

基于混合优化策略的粒子群算法及其应用研究    杨立标

基于简化粒子群算法的测试数据自动生成方法研究    陈琳玲

随机聚焦粒子群算法在机组组合中的应用    赵辛欣

基于粒子群算法的Web文本信息过滤研究    王冬

基于改进型粒子群算法的热轧带钢宽度神经网络预报模型的研究    李文婷

粒子群算法的研究及其在供水优化调度中的应用    汪华

基于粒子群算法的集送货一体化车辆路径问题研究    张念志

基于改进粒子群算法的项目反应理论3PLM参数估计方法研究    袁洲

改进的免疫粒子群算法及梯级水库优化调度问题的研究    苏同芬

改进粒子群算法的研究及其在天线设计中的应用    朱秀敏