發(fā)布時間：2018-09-08 19:33

【摘要】：西部農(nóng)村地區(qū)電網(wǎng)薄弱,光伏和風(fēng)電扶貧投資未考慮配套輸配電設(shè)施,用以處理生物質(zhì)廢棄物的沼氣受季節(jié)性溫度變化影響運行經(jīng)濟性不佳,為解決上述問題,該文提出利用沼氣作為氣源含可再生能源的冷-熱-電-氣多能流農(nóng)村微能網(wǎng)供能架構(gòu),建立相應(yīng)的多能流微能網(wǎng)調(diào)度模型,針對粒子群算法早熟、容易陷入局部最優(yōu)的問題,提出采用動態(tài)調(diào)整慣性權(quán)重的雜交粒子群算法進行求解,算例結(jié)果表明,通過對系統(tǒng)內(nèi)各設(shè)備的調(diào)度,有效降低系統(tǒng)日運行成本,在冬季,采用改進型雜交粒子群算法所得日運行費用相比采用基本型粒子群算法降低7.6%,其相比系統(tǒng)未優(yōu)化所得日運行費用降低79.1%;在夏季,相比基本型粒子群算法與未優(yōu)化分別降低17.0%、71.2%,實現(xiàn)微能網(wǎng)的經(jīng)濟運行,證明了本模型和算法的正確性。
[Abstract]:In the western rural areas, the power grid is weak, the investment in photovoltaic and wind power poverty alleviation does not consider supporting transmission and distribution facilities, and the biogas used to deal with biomass waste is affected by seasonal temperature changes and its operation economy is not good. In order to solve the above problems, Using biogas as the gas source, the energy supply structure of the cold, heat, electricity and gas multi-energy flow rural micro-energy network is proposed, and the corresponding scheduling model of the multi-energy flow micro-energy network is established. The particle swarm optimization algorithm is premature and prone to fall into local optimum. A hybrid particle swarm optimization algorithm with dynamically adjusting inertia weight is proposed to solve the problem. The results of an example show that the daily operating cost of the system can be effectively reduced by scheduling the equipment in the system, and the daily operating cost of the system can be effectively reduced in winter. The daily operating cost of the improved hybrid particle swarm optimization algorithm is 7.6 lower than that of the basic particle swarm optimization algorithm, and the daily operating cost of the improved hybrid particle swarm optimization algorithm is 79.1 percent lower than that of the system without optimization. Compared with the basic PSO algorithm and the unoptimized PSO algorithm, the efficiency of this model and the algorithm is proved to be correct by reducing by 17.0 and 71.2, respectively, and realizing the economic operation of the micro-energy network.
【作者單位】： 中國農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院;內(nèi)蒙古科技大學(xué)信息工程學(xué)院;國網(wǎng)甘肅省電力公司電力科學(xué)研究院;
【基金】：國家重點研發(fā)計劃項目課題(2016YFB0900101) 內(nèi)蒙古自然科學(xué)基金項目(2016MS0515)
【分類號】：TM73

【相似文獻】

相關(guān)期刊論文 前10條

1 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

2 吳軍;李為吉;;改進的粒子群算法及在結(jié)構(gòu)優(yōu)化中的應(yīng)用[J];陜西理工學(xué)院學(xué)報(自然科學(xué)版);2006年04期

3 段海濤;劉永忠;馮霄;;水系統(tǒng)優(yōu)化的粒子群算法分析[J];華北電力大學(xué)學(xué)報(自然科學(xué)版);2007年02期

4 王偉;;混合粒子群算法及其優(yōu)化效率評價[J];中國水運(學(xué)術(shù)版);2007年06期

5 付宜利;封海波;孫建勛;李榮;馬玉林;;機電產(chǎn)品管路自動敷設(shè)的粒子群算法[J];機械工程學(xué)報;2007年11期

6 蔣榮華;王厚軍;龍兵;;基于離散粒子群算法的測試選擇[J];電子測量與儀器學(xué)報;2008年02期

7 周苗;陳義保;劉加光;;一種新的協(xié)同多目標(biāo)粒子群算法[J];山東理工大學(xué)學(xué)報(自然科學(xué)版);2008年05期

8 姚峰;楊衛(wèi)東;張明;;改進粒子群算法及其在熱連軋負(fù)荷分配中的應(yīng)用[J];北京科技大學(xué)學(xué)報;2009年08期

9 張大興;賈建援;張愛梅;郭永獻;;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學(xué)報;2009年09期

10 王麗萍;江波;邱飛岳;;基于決策偏好的多目標(biāo)粒子群算法及其應(yīng)用[J];計算機集成制造系統(tǒng);2010年01期

相關(guān)會議論文 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進粒子群算法[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學(xué)系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計中的應(yīng)用[A];第十一屆全國膨脹節(jié)學(xué)術(shù)會議膨脹節(jié)設(shè)計、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會大壩安全監(jiān)測專委會年會暨學(xué)術(shù)交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 李慶偉;粒子群算法及電廠若干問題的研究[D];東南大學(xué);2016年

2 杜毅;多階段可變批生產(chǎn)線重構(gòu)的研究[D];廣東工業(yè)大學(xué);2016年

3 尹浩;求解Web服務(wù)選取問題的粒子群算法研究[D];東北大學(xué);2014年

4 王芳;粒子群算法的研究[D];西南大學(xué);2006年

5 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

6 劉建華;粒子群算法的基本理論及其改進研究[D];中南大學(xué);2009年

7 黃平;粒子群算法改進及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

8 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

9 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

10 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 李強;基于改進粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計鋒;基于改進粒子群算法的交通控制算法研究[D];長安大學(xué);2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學(xué);2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動機數(shù)學(xué)模型問題[D];山東大學(xué);2015年

9 陳百霞;考慮風(fēng)電場并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學(xué);2015年

10 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學(xué);2015年

，

本文編號：2231485