风光微燃机多能互补发电系统优化设计与仿真
发布时间：2020-12-08 16:59
近年来,风能和太阳能资源的开发利用日益成熟。但风能和太阳能很大程度上受到气候的制约,具有随机性和间歇性,给发电系统的经济、平稳、可靠运行提出了很大的挑战。为此多种多能互补发电系统应运而生。本文针对风光微燃机多能互补发电系统的优化设计与仿真建模展开研究,提出系统配置优化方案并进行仿真模拟,从而减少风光微燃机多能互补发电系统的全周期经济运行成本,并提高系统的可靠性。所得结果可为多能互补发电系统的推广应用提供参考。本文的主要工作及结果如下:(1)以全周期经济成本最小作为目标函数,建立可靠性和经济性评价指标,在满足用户需求和系统功能的情况下,寻找风光微燃机多能互补发电系统的最优配置组成。运用自适应的粒子群算法来进行多制约条件的目标函数优化求解,并完成优化软件的开发,实现整个系统的优化设计方案。在此基础上进行实例分析,得到不同运行方式和不同负载需求工况下系统的优化配置设计。(2)利用Dymola软件平台,完成了风光微燃机多能互补发电系统的主要设备的仿真模型,完善了风光微燃机多能互补发电系统Dymola模型库,并进行仿真模型的验证分析。所得结果为进一步研究风光微燃机多能互补发电系统的仿真模拟打下基...
【文章来源】：浙江工业大学浙江省
【文章页数】：131 页
【学位级别】：硕士
【部分图文】：
风光微燃机多能互补发电系统的结构图
图 2-1 系统功能结构设计模块结构设计行软件技术、经济分析结构设计时，首先要考虑实现软件编程的语言，在择上，采用的是 Qt Software 和 Visual Studio（简称 VS）两个平台的搭配使的编程语言有 Microsoft Visual Studio C#、Microsoft Visual BASIC、Vjava 等，由于考虑到界面简单易上手，易于操作，且易于调用程序，具备特性，提供面向对象的跨平台的应用程序框架，支持多种 C++类，最终选are 平台上进行编译开发，此外，将 Visual Studio 平台作为 Qt Software 平，可将 Visual Studio 平台上编译调试好的程序直接调用至 Qt Software 平台are 平台为应用软件开发者提供专业的用户界面功能需求，供其界面程序编oftware5.7.0 由芬兰赫尔辛基的 Digia 公司开发的采用 C++语言编译器平台仅有完善的 IDF，方便的智能完成，还内嵌了 gdb，调试起来十分方便，
综合考虑本课题研究的内容进行多能互补发电系统的优化配置设计，分别软件设计中优化部分的核心架构。然界大规模群居生物（蚁群、蜂群、鸟一种自适应优化现象为基础的算法。这一，但是整个群体通过这些单一的行为力。这种由数个单一个体简单行为引起群关注，他们通过大量研究最终通过编程维空间内包含速度和位置信息的粒子群探有结构较简单，探索效率较高，良好的示。
【参考文献】：
期刊论文
[1]含分布式电源和电动汽车的微电网协调控制策略[J]. 赵兴勇,王帅,吴新华,刘健. 电网技术. 2016(12)
[2]C65和C65ICHP微燃机分布式能源系统的对比分析[J]. 张杰,张丹,郭甲生,徐振华,沈丹丹. 煤气与热力. 2016(01)
[3]基于改进粒子群算法的风光水蓄互补微电网优化运行研究[J]. 余志勇,陈浩,孙春顺,夏娟娟. 供用电. 2014(07)
[4]用于优化微网联络线功率的混合储能容量优化方法[J]. 肖峻,张泽群,张磐,梁海深,王成山. 电力系统自动化. 2014(12)
[5]基于改进拉格朗日算法的风光互补系统优化设计研究[J]. 曾鸣,张鲲,葛宇剑. 水电能源科学. 2014(06)
[6]独立微网系统的多目标优化规划设计方法[J]. 郭力,刘文建,焦冰琦,王成山. 中国电机工程学报. 2014(04)
[7]微网系统中储能优化配置研究[J]. 李成,叶建华. 低压电器. 2013(22)
[8]可靠性与经济性相协调的微电网能量优化[J]. 言大伟,韦钢,胡吟,张鑫. 电力系统自动化. 2012(08)
[9]微网优化运行研究进展与展望[J]. 刘文胜,毛晓明,陈志勇. 电工电能新技术. 2012(02)
[10]基于混合粒子群算法的分布式微网电源规划[J]. 吴海涛,黄福珍. 华东电力. 2012(03)
博士论文
[1]风光互补发电潜力分析与系统优化设计研究[D]. 赵昕宇.河南农业大学 2014
[2]微网系统的运行优化与能量管理研究[D]. 张颖媛.合肥工业大学 2011
[3]粒子群算法的基本理论及其改进研究[D]. 刘建华.中南大学 2009
硕士论文
[1]微电网复合储能容量优化配置与控制技术研究[D]. 谢笑寒.山东大学 2016
[2]微燃机分布式能源系统建模仿真与优化研究[D]. 罗星星.江苏科技大学 2015
[3]孤岛运行微电网的能量配置动态优化及能量管理系统研究[D]. 刘子秋.浙江大学 2015
[4]微电网的能量优化与协调控制研究[D]. 贾盼盼.华南理工大学 2014
[5]风/光/储微电网容量配置与控制策略研究[D]. 兰国军.内蒙古工业大学 2014
[6]基于粒子群算法的混合储能系统容量优化配置[D]. 朱向芬.宁夏大学 2014
[7]人工神经网络优化算法研究与应用[D]. 董志玮.中国地质大学（北京） 2013
[8]蜂群算法的研究及其在人工神经网络中的应用[D]. 王允霞.华南理工大学 2013
[9]基于改进粒子群算法的微电网能量优化调度研究及实现[D]. 程宇旭.中南大学 2013
[10]适用于分布式能源系统的小型燃气轮机通用模型研究[D]. 沈岑.浙江工业大学 2012
本文编号：2905378
【文章来源】：浙江工业大学浙江省
【文章页数】：131 页
【学位级别】：硕士
【部分图文】：
风光微燃机多能互补发电系统的结构图
图 2-1 系统功能结构设计模块结构设计行软件技术、经济分析结构设计时，首先要考虑实现软件编程的语言，在择上，采用的是 Qt Software 和 Visual Studio（简称 VS）两个平台的搭配使的编程语言有 Microsoft Visual Studio C#、Microsoft Visual BASIC、Vjava 等，由于考虑到界面简单易上手，易于操作，且易于调用程序，具备特性，提供面向对象的跨平台的应用程序框架，支持多种 C++类，最终选are 平台上进行编译开发，此外，将 Visual Studio 平台作为 Qt Software 平，可将 Visual Studio 平台上编译调试好的程序直接调用至 Qt Software 平台are 平台为应用软件开发者提供专业的用户界面功能需求，供其界面程序编oftware5.7.0 由芬兰赫尔辛基的 Digia 公司开发的采用 C++语言编译器平台仅有完善的 IDF，方便的智能完成，还内嵌了 gdb，调试起来十分方便，
综合考虑本课题研究的内容进行多能互补发电系统的优化配置设计，分别软件设计中优化部分的核心架构。然界大规模群居生物（蚁群、蜂群、鸟一种自适应优化现象为基础的算法。这一，但是整个群体通过这些单一的行为力。这种由数个单一个体简单行为引起群关注，他们通过大量研究最终通过编程维空间内包含速度和位置信息的粒子群探有结构较简单，探索效率较高，良好的示。
【参考文献】：
期刊论文
[1]含分布式电源和电动汽车的微电网协调控制策略[J]. 赵兴勇,王帅,吴新华,刘健. 电网技术. 2016(12)
[2]C65和C65ICHP微燃机分布式能源系统的对比分析[J]. 张杰,张丹,郭甲生,徐振华,沈丹丹. 煤气与热力. 2016(01)
[3]基于改进粒子群算法的风光水蓄互补微电网优化运行研究[J]. 余志勇,陈浩,孙春顺,夏娟娟. 供用电. 2014(07)
[4]用于优化微网联络线功率的混合储能容量优化方法[J]. 肖峻,张泽群,张磐,梁海深,王成山. 电力系统自动化. 2014(12)
[5]基于改进拉格朗日算法的风光互补系统优化设计研究[J]. 曾鸣,张鲲,葛宇剑. 水电能源科学. 2014(06)
[6]独立微网系统的多目标优化规划设计方法[J]. 郭力,刘文建,焦冰琦,王成山. 中国电机工程学报. 2014(04)
[7]微网系统中储能优化配置研究[J]. 李成,叶建华. 低压电器. 2013(22)
[8]可靠性与经济性相协调的微电网能量优化[J]. 言大伟,韦钢,胡吟,张鑫. 电力系统自动化. 2012(08)
[9]微网优化运行研究进展与展望[J]. 刘文胜,毛晓明,陈志勇. 电工电能新技术. 2012(02)
[10]基于混合粒子群算法的分布式微网电源规划[J]. 吴海涛,黄福珍. 华东电力. 2012(03)
博士论文
[1]风光互补发电潜力分析与系统优化设计研究[D]. 赵昕宇.河南农业大学 2014
[2]微网系统的运行优化与能量管理研究[D]. 张颖媛.合肥工业大学 2011
[3]粒子群算法的基本理论及其改进研究[D]. 刘建华.中南大学 2009
硕士论文
[1]微电网复合储能容量优化配置与控制技术研究[D]. 谢笑寒.山东大学 2016
[2]微燃机分布式能源系统建模仿真与优化研究[D]. 罗星星.江苏科技大学 2015
[3]孤岛运行微电网的能量配置动态优化及能量管理系统研究[D]. 刘子秋.浙江大学 2015
[4]微电网的能量优化与协调控制研究[D]. 贾盼盼.华南理工大学 2014
[5]风/光/储微电网容量配置与控制策略研究[D]. 兰国军.内蒙古工业大学 2014
[6]基于粒子群算法的混合储能系统容量优化配置[D]. 朱向芬.宁夏大学 2014
[7]人工神经网络优化算法研究与应用[D]. 董志玮.中国地质大学（北京） 2013
[8]蜂群算法的研究及其在人工神经网络中的应用[D]. 王允霞.华南理工大学 2013
[9]基于改进粒子群算法的微电网能量优化调度研究及实现[D]. 程宇旭.中南大学 2013
[10]适用于分布式能源系统的小型燃气轮机通用模型研究[D]. 沈岑.浙江工业大学 2012
本文编号：2905378
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/2905378.html
教材专著
