振荡浮子式波浪发电系统最优负载智能算法研究

《振荡浮子式波浪发电系统最优负载智能算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、广东工业大学硕士学位论文(工学硕士)振荡浮子式波浪发电系统最优负载智能算法研究邹子君二0一八年六月分类号学校代码：11845UDC密级公开学号：2111504006广东工业大学硕士学位论文(工学硕士)振荡浮子式波浪发电系统最优负载智能算法研究邹子君指导教师姓名、职称：杨俊华教授专业或领域名称：电气工程学生所属学院：自动化学院论文答辩日期：2018年6月ADissertationSubmittedtoGuangdongUniversityofTechnologyfortheDegreeofMaster(MasterofEn

2、gineeringScience)ResearchontheIntelligentOptimizationAlgorithmsfortheOptimalLoadofOscillating-bodyWavePowerGenerationSystemsCandidate:ZouZi-junSupervisor:Prof.YangJun-huaJune2018SchoolofAutomationGuangdongUniversityofTechnologyGuangzhou,Guangdong,P.R.China,510006

3、摘要摘要波浪发电是一种新能源发电方式，波浪能功率密度大、可预测性较好，具有良好的开发利用潜力。如何寻找最优负载使波浪发电系统的输出功率达到最大值，是波浪发电研究的关键技术。最大波浪能捕获的智能优化算法，可提高最优负载寻优策略的适应性。通过分析振荡浮子式波浪发电系统的基本结构、工作原理、浮子的运动方程及系统输出的平均功率，导出波浪能捕获率和输出功率与激励力比值的数学表达式，通过Matlab软件绘制函数的曲线图，分析其动态特性。针对波浪发电粒子群算法最优负载寻找过程中，存在早熟收敛和局部搜索能力不足的问题，应用基于模拟退火算

4、法的粒子群优化方案，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，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，算法可有效提高波浪能捕获率。针对波浪发电系统遗传算法负载寻优过程中，因群体中的所有个体较快趋于单一化而停止进化，导致难以获得最优解，引入多种群遗传优化新算法。该算法在初始阶段引入多个种群同时进行搜索，并对每个种群赋予不同的交叉、变异概率，使算法能够兼顾全局与局部搜索；同时加入用于维持种群间联系的移民算子及可用

5、来建立精华种群的人工选择算子，并以精华种群作为算法收敛的判据。仿真结果表明，算法在寻优速度、算法稳定性方面有较大改进。将人群搜索算法应用于波浪发电系统最优负载的求解，该算法采用利己、利他和预动三个方向的随机加权几何平均方案，确定个体的搜索方向，提高个体的全局搜寻能力。仿真结果表明，人群搜索算法的收敛速度快，可增加波浪发电系统的平均输出功率。利用人工鱼群算法寻找波浪系统的最优负载，通过比较“追尾或觅食或随机”和“聚群或觅食或随机”两种组合行为得到下一位置目标函数值的大小，选取执行较优的一种行为，从而确定搜索方向。仿真结果表

6、明，该算法能够有效避免波浪发电系统陷入局部最优负载值，实现不同频率下系统最优负载的求解。关键词：振荡浮子式波浪发电系统；最优负载；智能算法；模拟退火粒子群算法；多种群遗传算法；人群搜索算法；人工鱼群算法I广东工业大学硕士学位论文ABSTRACTWavepowergenerationisanewenergypowergenerationmethod.Thewaveenergyhaslargepowerdensityandgoodpredictability,thereforeithasacertainpotentialfo

7、rdevelopmentandutilization.Howtosearchtheoptimalloadtomaximizetheoutputpowerofthewavepowergenerationsystemisthekeytechnologyintheresearchofwavepowergeneration.Inordertoincreasetheaverageoutputpowerofthewavepowergenerationsystem,variouscontrolstrategieshaveemerged

8、.Combiningthemaximumwaveenergycapturewiththeintelligentoptimizationalgorithmcanimprovetheadaptabilityoftheoptimizationstrategyoftheload.Byanalyzingthebasicstru