基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制

发布时间：2018-11-04 21:50

【摘要】：波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案。该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解。仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率。
[Abstract]:In the maximum power point tracking control of wave power generation systems, the traditional particle swarm optimization (PSO) algorithm has the problems of premature convergence and insufficient local search ability. Therefore, a particle swarm optimization scheme based on simulated annealing algorithm is proposed. Each time the velocity and position of particles are updated, the substitution value of global optimal solution is determined from all particles by comparing the size of each particle at current temperature with the size of random number. Thus the particle swarm optimization algorithm can jump out of the local optimum and quickly find the global optimal solution when premature convergence occurs. The simulation results show that compared with the traditional particle swarm optimization algorithm, simulated annealing particle swarm optimization algorithm can effectively avoid the local maximum power point of wave power generation system, realize global maximum power tracking quickly, and improve the wave energy capture rate.
【作者单位】： 广东工业大学自动化学院;华南理工大学电力学院;
【基金】：国家自然科学基金资助项目(513770265) 广东省科技计划项目(2016B090912006) 广东省自然科学基金项目(2015A030313487) 广东省教育部产学研合作专项资金(2013B090500089)
【分类号】：TM612

【相似文献】

相关期刊论文 前10条

1 王文富;;波浪发电塔[J];电气时代;1983年03期

2 ;英国的波浪发电[J];四川电力技术;1983年04期

3 戴跃宁;;英国政府将停止对波浪发电研究的资助[J];电气时代;1986年07期

4 ;波浪发电[J];节能;1990年05期

5 郑锡荣;徐菁;;利用波浪发电的波转子[J];太阳能;1993年02期

6 杨潇坤;杨阳;吕容君;;海底固定式波浪发电研究报告[J];科技风;2011年07期

7 黄国j，冯伯俊，，刘天威，龚骅，张文虎;改进波浪发电浮标性能的试验研究[J];海洋工程;1994年01期

8 张云圣;;利用水下波浪发电的“水蟒”[J];科学大观园;2008年15期

9 张云圣;;波浪发电渐成气候[J];中国西部;2008年08期

10 ;漂浮阵列摆式波浪发电[J];水产科技;2010年Z1期

相关会议论文 前9条

1 方红伟;程佳佳;刘飘羽;;浮子式波浪发电不同控制策略性能分析[A];天津市电机工程学会2012年学术年会论文集[C];2012年

2 臧志鹏;高福平;漆文刚;韩希霆;唐驰;彭燕;;波浪发电系统振荡浮子运动特性实验研究[A];第十一届全国水动力学学术会议暨第二十四届全国水动力学研讨会并周培源诞辰110周年纪念大会文集（上册）[C];2012年

3 刘文许;林礼清;温步瀛;;电力市场下基于改进粒子群算法的AGC机组选择[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

4 王征;刘大宝;王家林;王永骥;;基于离散粒子群算法的船舶电力系统重构研究[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

5 马飞;陈雪波;李小华;;改进的粒子群算法在电力系统AGC中的应用[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

6 刘畅;李渝曾;李海英;;基于遗传算法与粒子群算法的机组开停机规划[A];2008中国电力系统保护与控制学术研讨会论文集[C];2008年

7 曹蕴;盛四清;姚煜;;基于混沌粒子群算法的配电网规化[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

8 于腾凯;李燕青;谢庆;;基于改进粒子群算法的配电网分段开关优化研究[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

9 颜声远;陈玉;梁龙远;;基于模拟退火算法的操纵器排列优化[A];中国核学会核能动力分会2013年学术研讨会论文集[C];2013年

相关博士学位论文 前6条

1 王延刚;浮体绳轮波浪发电系统研究[D];山东大学;2015年

2 陈中显;双浮筒漂浮式波浪发电系统的优化设计和控制研究[D];东南大学;2015年

3 肖文平;摆式波浪发电系统建模与功率控制关键技术研究[D];华南理工大学;2011年

4 李庆伟;粒子群算法及电厂若干问题的研究[D];东南大学;2016年

5 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年

6 张震;骨干粒子群算法及其在电力变压器设计中的应用[D];浙江大学;2014年

相关硕士学位论文 前10条

1 苏斌;浮体绳轮波浪发电机的研究[D];山东大学;2015年

2 洪立玮;波浪发电电能处理与监测系统设计[D];东南大学;2015年

3 卢少华;浮体绳轮波浪发电陆地模拟试验平台的研究[D];山东大学;2016年

4 褚会敏;基于模块组合多电平变换器的阵列式波浪发电控制[D];天津大学;2014年

5 刘亚欣;波浪发电支撑结构强度分析与浮筒优化设计[D];中国海洋大学;2012年

6 程佳佳;浮子式永磁同步波浪发电系统分析与控制[D];天津大学;2014年

7 范航宇;一种新型漂浮式波浪发电系统研究[D];清华大学;2005年

8 贺叶君;波浪发电系统中的并联逆变器电流鲁棒控制[D];天津大学;2016年

9 齐彩娟;摆式波浪发电系统并网控制研究[D];哈尔滨工业大学;2014年

10 王辉;浮子式波浪发电最大波能捕获研究[D];天津大学;2014年

本文编号：2311241