基于禁忌粒子群算法的微电网优化调度研究
发布时间：2021-02-07 17:46
微电网系统具有以下优点:整合各分布式电源的优点;降低分布式发电对电网稳定性的不利影响;使各分布式电源综合效益得以充分发挥。如今,对微电网系统的研究已成为分布式发电领域的研究热点和重点研究方向之一。深入研究微电网优化调度策略是构建绿色电网、推动可再生清洁能源的利用、提高能源利用效率、减少环境污染的基础,具有重要的理论及实际工程意义。本文在国家自然科学基金“考虑非线性不平衡因素的微电网容量配置与协调控制策略研究（61903129）”和湖北省自然科学基金“绿色能源微网系统多目标设计与协调控制研究（2016CFB512）”项目的资助下,以满足用户冷电负荷需求为出发点,着眼于微电网系统综合效益优化,围绕微电网系统数学建模和微电网优化调度算法展开研究。本文完成的主要工作和取得的研究成果如下:（1）在微电网系统数学建模方面:本文构建了以风力发电、光伏发电、微型燃气轮机、燃料电池以及储能装置为分布式电源的微电网系统结构,并对系统中各分布式电源的特性进行了研究以及建立了与之相应的数学模型。以该微电网系统为研究对象,分别建立了包含系统各类功率平衡、各设备输出功率上下限、污染物排放限制等约束条件,建立了考虑...
【文章来源】：湖北工业大学湖北省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
测试函数1fx
湖北工业大学硕士学位论文614fxPSO200999817810.55TS-PSO20046424940.85通过对上表的仿真实验结果分析可知，PSO算法不能够搜索到单极值函数1fx、2fx的最优值，而对双极值函数3fx、4fx的最优值搜索在成功率方面表现也较为一般；TS-PSO算法虽然对单极值函数1fx、2fx的最优值搜索在成功率方面也表现较为一般，但对双极值函数3fx、4fx的最优值搜索与PSO算法对比而言，在成功率方面更高，其搜索效果方面表现更好。从算法的整体性能上来看，TS-PSO算法对比PSO算法在其收敛速度上有了极大的提高，在对多极值函数上表现效果尤为显著。（3）在迭代次数相同时，评估算法的收敛精度及速度在迭代次数相同为前提条件下，其评估算法的仿真实验结果如下图所示。其中图4.6、图4.7、图4.8、图4.9分别为测试函数1fx、2fx、3fx、4fx的适应度值（图中纵坐标适应度值均取以10为底数的对数）图4.6测试函数1fx图4.7测试函数2fx
湖北工业大学硕士学位论文62图4.8测试函数3fx图4.9测试函数4fx通过图4.6、图4.7、图4.8和图4.9对比分析可知，TS-PSO算法相比较于PSO算法，其在收敛速度和精度两个方面上有了极大的提高。对于单极值函数1fx、2fx而言，TS-PSO算法比PSO算法，其在收敛速度和精度两个方面也相应的有了一定的提高，虽然表现效果较为一般。从图4.7可以看出TS-PSO算法依然具备较强跳出局部最优解的能力。对于双极值函数3fx、4fx而言，从图4.8、图4.9可知TS-PSO算法，其在收敛速度和精度两个方面都有了较大的提高，与上述分析结果基本保持一致，同时也可以得出TS-PSO算法对于双极值类型的函数表现效果较好，能够有效的从当前局部最优解中跳出，即跳出局部死循环，从而使得算法的收敛速度和收敛精度得到有效的提高。本文中所研究的优化调度问题的目标函数属于多极值函数，而所提出的TS-PSO算法对于求解该函数更具有优越性。4.4本章小结本章首先对常见的多目标问题及其求解方法进行了阐述，并对其求解方法进行了汇总与分类。研究了基本粒子群算法、禁忌搜索算法，并将基本粒子群算法改进后与禁忌搜索算法相结合，从而形成了一种新的算法，即禁忌粒子群算法，最后通过四个典型数学测试函数来对该算法进行性能测试。本章完成的主要工作及取得的结果如下：（1）研究了多目标优化问题及其求解方法，对常见的多目标问题的求解方法进行对比分析，并对其进行归类与汇总；（2）研究了基本粒子群算法的原理及特点，并针对该算法的惯性权重以及学习因子进行了改进，保证了算法前期的搜索能力和后期收敛精度；（3）研究了禁忌搜索算法的原理及特点，针对粒子群算法在后期搜索寻优时，
【参考文献】：
期刊论文
[1]中国能源与重要矿产资源需求展望[J]. 王安建,高芯蕊. 中国科学院院刊. 2020(03)
[2]我国能源系统演化发展模式研究[J]. 邢通,谭清坤,王尧,樊伟. 价格理论与实践. 2019(11)
[3]论中国“能源独立”战略的内涵、挑战及意义[J]. 邹才能,潘松圻,赵群. 石油勘探与开发. 2020(02)
[4]需求响应的微电网优化调度及改进的蝙蝠算法[J]. 沈艳军,杨博. 华中科技大学学报(自然科学版). 2020(02)
[5]基于多目标微电网动态优化调度的研究[J]. 王遐龙. 计算机与数字工程. 2019(07)
[6]计及可转移负荷的微电网优化调度[J]. 李燕青,张登岳,陈玉轩,吕锴. 智慧电力. 2019(05)
[7]考虑经济环保效益的微网群多目标协调优化[J]. 赵紫嫣,崔双喜,樊小朝,李浩然. 可再生能源. 2019(03)
[8]基于灰靶决策和多目标布谷鸟算法的微电网分布式电源鲁棒优化[J]. 杨欢红,王洁,邰能灵,丁宇涛. 电力系统保护与控制. 2019(01)
[9]基于改进蚁群算法的微电网多目标模糊优化运行[J]. 李国庆,翟晓娟,李扬,王振浩,陈继开,张明江. 太阳能学报. 2018(08)
[10]太阳能光伏发电发展现状及前景[J]. 郭少平. 山东工业技术. 2018(16)
博士论文
[1]基于MOEA的微电网多目标多约束优化调度研究[D]. 李昕.武汉大学 2016
硕士论文
[1]基于人群搜索算法的微网经济优化调度[D]. 邵靖珂.湖南大学 2016
[2]基于禁忌搜索算法的联合运输组合优化研究[D]. 廖天博.清华大学 2015
本文编号：3022588
【文章来源】：湖北工业大学湖北省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
测试函数1fx
湖北工业大学硕士学位论文614fxPSO200999817810.55TS-PSO20046424940.85通过对上表的仿真实验结果分析可知，PSO算法不能够搜索到单极值函数1fx、2fx的最优值，而对双极值函数3fx、4fx的最优值搜索在成功率方面表现也较为一般；TS-PSO算法虽然对单极值函数1fx、2fx的最优值搜索在成功率方面也表现较为一般，但对双极值函数3fx、4fx的最优值搜索与PSO算法对比而言，在成功率方面更高，其搜索效果方面表现更好。从算法的整体性能上来看，TS-PSO算法对比PSO算法在其收敛速度上有了极大的提高，在对多极值函数上表现效果尤为显著。（3）在迭代次数相同时，评估算法的收敛精度及速度在迭代次数相同为前提条件下，其评估算法的仿真实验结果如下图所示。其中图4.6、图4.7、图4.8、图4.9分别为测试函数1fx、2fx、3fx、4fx的适应度值（图中纵坐标适应度值均取以10为底数的对数）图4.6测试函数1fx图4.7测试函数2fx
湖北工业大学硕士学位论文62图4.8测试函数3fx图4.9测试函数4fx通过图4.6、图4.7、图4.8和图4.9对比分析可知，TS-PSO算法相比较于PSO算法，其在收敛速度和精度两个方面上有了极大的提高。对于单极值函数1fx、2fx而言，TS-PSO算法比PSO算法，其在收敛速度和精度两个方面也相应的有了一定的提高，虽然表现效果较为一般。从图4.7可以看出TS-PSO算法依然具备较强跳出局部最优解的能力。对于双极值函数3fx、4fx而言，从图4.8、图4.9可知TS-PSO算法，其在收敛速度和精度两个方面都有了较大的提高，与上述分析结果基本保持一致，同时也可以得出TS-PSO算法对于双极值类型的函数表现效果较好，能够有效的从当前局部最优解中跳出，即跳出局部死循环，从而使得算法的收敛速度和收敛精度得到有效的提高。本文中所研究的优化调度问题的目标函数属于多极值函数，而所提出的TS-PSO算法对于求解该函数更具有优越性。4.4本章小结本章首先对常见的多目标问题及其求解方法进行了阐述，并对其求解方法进行了汇总与分类。研究了基本粒子群算法、禁忌搜索算法，并将基本粒子群算法改进后与禁忌搜索算法相结合，从而形成了一种新的算法，即禁忌粒子群算法，最后通过四个典型数学测试函数来对该算法进行性能测试。本章完成的主要工作及取得的结果如下：（1）研究了多目标优化问题及其求解方法，对常见的多目标问题的求解方法进行对比分析，并对其进行归类与汇总；（2）研究了基本粒子群算法的原理及特点，并针对该算法的惯性权重以及学习因子进行了改进，保证了算法前期的搜索能力和后期收敛精度；（3）研究了禁忌搜索算法的原理及特点，针对粒子群算法在后期搜索寻优时，
【参考文献】：
期刊论文
[1]中国能源与重要矿产资源需求展望[J]. 王安建,高芯蕊. 中国科学院院刊. 2020(03)
[2]我国能源系统演化发展模式研究[J]. 邢通,谭清坤,王尧,樊伟. 价格理论与实践. 2019(11)
[3]论中国“能源独立”战略的内涵、挑战及意义[J]. 邹才能,潘松圻,赵群. 石油勘探与开发. 2020(02)
[4]需求响应的微电网优化调度及改进的蝙蝠算法[J]. 沈艳军,杨博. 华中科技大学学报(自然科学版). 2020(02)
[5]基于多目标微电网动态优化调度的研究[J]. 王遐龙. 计算机与数字工程. 2019(07)
[6]计及可转移负荷的微电网优化调度[J]. 李燕青,张登岳,陈玉轩,吕锴. 智慧电力. 2019(05)
[7]考虑经济环保效益的微网群多目标协调优化[J]. 赵紫嫣,崔双喜,樊小朝,李浩然. 可再生能源. 2019(03)
[8]基于灰靶决策和多目标布谷鸟算法的微电网分布式电源鲁棒优化[J]. 杨欢红,王洁,邰能灵,丁宇涛. 电力系统保护与控制. 2019(01)
[9]基于改进蚁群算法的微电网多目标模糊优化运行[J]. 李国庆,翟晓娟,李扬,王振浩,陈继开,张明江. 太阳能学报. 2018(08)
[10]太阳能光伏发电发展现状及前景[J]. 郭少平. 山东工业技术. 2018(16)
博士论文
[1]基于MOEA的微电网多目标多约束优化调度研究[D]. 李昕.武汉大学 2016
硕士论文
[1]基于人群搜索算法的微网经济优化调度[D]. 邵靖珂.湖南大学 2016
[2]基于禁忌搜索算法的联合运输组合优化研究[D]. 廖天博.清华大学 2015
本文编号：3022588
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3022588.html
