论文部分内容阅读
目前这些可发现的绿色能源中,发展最快的能源之一为风能源。基于我国是一个含有巨大风能资源的国家,如果此资源能够得到充分利用,将会带来巨大的经济和社会效益。现如今很多研究人员通过设计合理的风力发电场布置将此资源得以充分利用,但是目前出现的问题有,风电场优化布置设计过度依赖商业软件、风电场的发电成本高和单位风力发电机出力低等。现在通过大量实验证明,通过智能算法对风电场布置进行优化后,上述问题得到了有效改善,如提高了单位风力发电机的出力同时也降低了发电成本等。本文对风电场布置问题进行优化主要在以下两方面:风力发电机优化布置和风力发电机机组选型优化。首先针对风力发电机布置问题分别进行三种智能算法求解、比较得出更适合针对此问题进行优化的粒子群算法。虽然比较得出更适合优化此问题的算法,但是与其他文献比较得出,此算法还未达到优化目标,需要对算法继续进行改进。考虑到算法搜索模式及策略对最终找到最优解的影响,因此可以试图对算法中粒子的搜索模式及策略进行改进来达到进一步优化其问题的目标。粒子群算法中粒子的搜索模式所具有的网络结构可以认作为数学中节点的拓扑网络结构,完全规则拓扑网络拥有高度的聚集性,完全随机拓扑网络具有小的平均路径长度这些显著优点,但是这两类拓扑网络并不能显示真实的网络拓扑结构。本文中所介绍的小世界网络模型则符合真实的网络拓扑结构,并且此模型具有平均路径短,聚集系数高等特点。基于小世界网络模型的特点,将粒子群算法中粒子的搜索模式设定为局部模式,且每个粒子的邻域结构(搜索空间)构造为小世界网络模型的结构。此种方法改进后的粒子群算法中粒子的搜索深度有所增加,也避免出现过早收敛现象,从而有效地提高了解的质量,促使算法最终能够找到更好的最优解。最后通过实验证明,改进后的粒子群算法进行优化风电场布置问题能够得到很好的效果。