风水气互补发电优化的云模型自适应粒子群优化算法

摘要：

提出一种改进的自适应粒子群优化(particle swarm optimization，PSO)算法，对基本PSO算法中的惯性权重系数作云处理。由于云模型具有随机性和稳定倾向性，使得处理后的惯性权重既具有传统的趋向性，满足快速寻优能力，又具有随机性，有利于提高种群的多样性，提高收敛速度。在对认知系数和社会系数的处理上，考虑两者的相互关联性，在坐标平面内构造收敛曲线，让两者沿收敛曲线随时间动态调整，使得算法在进化过程中既能够保证收敛，又提高了算法性能。建立了风、水、气多种清洁能源互补的发电模型。模型考虑风电预测的随机误差，以一次能源天然气的消耗量最低为目标函数，约束条件包含了风能、水能等清洁能源的完全消纳。通过云模型粒子群算法求解该模型，并与基本遗传算法和 PSO 算法的结果进行比较，验证了所建模型可行性和算法的有效性。

关键词：风水气互补发电、云模型、自适应粒子群优化算法

分类号：TM72(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金项目50767001；国家863高技术基金项目2007AA04Z197；高等学校博士学科点专项科研基金资助项目20094501110002；广东自然科学基金项目S2013010012431；广西自然科学基金项目2011jjA60017；广东省高等学校人才引进专项资金项目；广东省高等院校学科建设专项资金科技创新项目2012KJCX0045。Project50767001;The National High Technology Research and Development of China 863 Program2007AA04Z197;Specialized Research Fund for the Doctoral Program of Higher Education20094501110002;Natural Science Foundation of GuangdongS2013010012431;Guangxi Natural Science Foundation2011jjA60017;The Talent Introduction Special Foundation Project of Guangdong High School;The Disciplinary Construction Special Foundation Project of Guangdong High School2012KJCX0045

在线出版日期：2014-12-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：17-24