基于改进人工鱼群遗传混合算法的多目标风电场无功优化研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.2 风电场无功优化研究现状 | 第11-14页 |
| 1.2.1 传统无功优化的求解方法 | 第11-12页 |
| 1.2.2 人工智能启发式无功优化算法 | 第12-14页 |
| 1.3 本课题研究的主要内容 | 第14-15页 |
| 2 风能发电及其无功优化模型 | 第15-22页 |
| 2.1 风能发电原理 | 第15页 |
| 2.2 风能发电特点 | 第15-16页 |
| 2.3 风能发电接入系统等效模型 | 第16-18页 |
| 2.3.1 风力与风力机模型 | 第17页 |
| 2.3.2 异步发电机等效模型 | 第17-18页 |
| 2.4 风电场无功优化控制数学模型 | 第18-21页 |
| 2.4.1 目标函数 | 第19-20页 |
| 2.4.2 等式约束方程 | 第20页 |
| 2.4.3 不等式约束 | 第20页 |
| 2.4.4 风电场的无功优化 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 改进多目标人工鱼群遗传混合算法 | 第22-38页 |
| 3.1 群智能算法概述 | 第22-23页 |
| 3.1.1 标准遗传算法的基本原理 | 第22页 |
| 3.1.2 标准遗传算法的步骤 | 第22-23页 |
| 3.2 基本人工鱼群算法及其与遗传算法混合 | 第23-28页 |
| 3.2.1 人工鱼群算法 | 第24页 |
| 3.2.2 人工鱼结构 | 第24页 |
| 3.2.3 人工鱼行为的数学描述 | 第24-26页 |
| 3.2.4 人工鱼寻优原理 | 第26-28页 |
| 3.2.5 人工鱼群算法同基本遗传算法融合 | 第28页 |
| 3.3 人工鱼群算法的多目标优化 | 第28-31页 |
| 3.3.1 多目标优化中人工鱼评价 | 第29-30页 |
| 3.3.2 保存Pareto最优解 | 第30-31页 |
| 3.3.3 保持鱼群多样性 | 第31页 |
| 3.4 对人工鱼群算法改进 | 第31-35页 |
| 3.4.1 加入全局信息后对算法的行为概述 | 第31-34页 |
| 3.4.2 改进后人工鱼群算法流程 | 第34-35页 |
| 3.5 实验仿真 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 4 风电场无功优化应用研究 | 第38-49页 |
| 4.1 风电系统无功优化的求解 | 第38页 |
| 4.2 风电场无功优化计算步骤 | 第38-41页 |
| 4.2.1 编码及群体初始化 | 第39页 |
| 4.2.2 人工鱼群行为选择 | 第39-40页 |
| 4.2.3 引入遗传算法交叉、变异操作 | 第40-41页 |
| 4.2.4 收敛条件 | 第41页 |
| 4.3 算例分析 | 第41-48页 |
| 4.3.1 IEEE14 节点标准系统测试 | 第42-45页 |
| 4.3.2 典型工况下优化结果分析 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 结论与展望 | 第49-50页 |
| 5.1 结论 | 第49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 在读期间发表的学术论文 | 第53-54页 |
| 作者简历 | 第54-55页 |
| 致谢 | 第55-56页 |
