本文關(guān)鍵詞：數(shù)值法與群智能算法在低風速分布模型優(yōu)化中的對比研究

  更多相關(guān)文章： 低風速分布模型 數(shù)值法 蝙蝠算法(BA) 布谷鳥算法(CS) 粒子優(yōu)化算法(PSO)

【摘要】：近年來,隨著全球范圍內(nèi)的能源危機和環(huán)境問題日益突出,風能作為一種清潔可再生的優(yōu)質(zhì)新能源,其開發(fā)和利用成為世界各國共同關(guān)注的問題。由于中國經(jīng)濟發(fā)展區(qū)域不平衡,風資源豐富的優(yōu)質(zhì)風能區(qū)域的經(jīng)濟一般欠發(fā)達,無法消納大規(guī)模的風電,常導(dǎo)致風電“并網(wǎng)難”“輸送難”,并且,優(yōu)質(zhì)風能區(qū)域的風電場建設(shè)已基本上趨于飽和,低風速的開發(fā)引起各方關(guān)注。因此,本文選取經(jīng)濟發(fā)達、人口密集、能源消耗巨大的長江三角洲城市群為研究區(qū)域。因此,為了有效探究該地區(qū)的風速分布規(guī)律,本文采用了Weibull、Rayleigh、 Gamma、Lognormal四種分布模型,對中國低風速地區(qū)的風能資源進行了評估。為了估計分布模型中的未知參數(shù),本文使用三種傳統(tǒng)的數(shù)值法——矩估計、極大似然估計、最小二乘估計,并首次使用了蝙蝠算法來優(yōu)化參數(shù),并對比了布谷鳥算法、粒子群優(yōu)化算法,同時將上述三種數(shù)值法與群智能算法的參數(shù)估計結(jié)果進行了對比研究。實證研究結(jié)果表明：Weibull分布更接近實際的風速頻率分布；數(shù)值法與群智能算法的比較中,群智能算法優(yōu)化的參數(shù)更準確；PSO-Weibull與BA-Weibull模型擬合度最優(yōu)。在低風速風能資源評估中,平均風能密度、有效風能密度、風機可用系數(shù)及容量因數(shù)都是十分重要的研究內(nèi)容,并且是分布模型中參數(shù)的函數(shù),因此準確的參數(shù)估計在風能資源評估中尤為重要,突出了本文研究的意義。
【關(guān)鍵詞】：低風速分布模型 數(shù)值法 蝙蝠算法(BA) 布谷鳥算法(CS) 粒子優(yōu)化算法(PSO)
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM614
【目錄】：

• 摘要3-4
• Abstract4-7
• 第一章 緒論7-14
• 1.1 研究背景7-8
• 1.2 低風速風電的概念及優(yōu)勢8-10
• 1.2.1 低風速風電的概念9
• 1.2.2 低風速風電的優(yōu)勢9-10
• 1.3 研究現(xiàn)狀10-13
• 1.3.1 風速概率分布模型研究現(xiàn)狀10-11
• 1.3.2 參數(shù)優(yōu)化方法研究現(xiàn)狀11-13
• 1.4 本文研究的主要內(nèi)容和創(chuàng)新點13-14
• 1.4.1 本文研究的主要內(nèi)容13
• 1.4.2 本文的創(chuàng)新點13-14
• 第二章 風速概率分布模型研究14-21
• 2.1 Weibull分布模型14-18
• 2.2 Rayleigh分布模型18-19
• 2.3 Gamma分布模型19-20
• 2.4 Lognormal分布模型20-21
• 本章小結(jié)21
• 第三章 風速概率分布模型的參數(shù)優(yōu)化方法21-32
• 3.1 數(shù)值估計法21-26
• 3.1.1 矩估計法(Moment Estimation,ME)23
• 3.1.2 極大似然估計法(Maximum Likelihood Estimation,MLE)23-24
• 3.1.3 最小二乘估計法(Least Squares Method,LSM)24-26
• 3.2 群智能算法26-31
• 3.2.1 蝙蝠算法(Bat Algorithm,BA)26-29
• 3.2.2 布谷鳥算法(Cuckoo Search,CS)29-30
• 3.2.3 粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)30-31
• 本章小結(jié)31-32
• 第四章 實證研究32-50
• 4.1 研究區(qū)域介紹33
• 4.2 風速數(shù)據(jù)外推33-35
• 4.3 分布模型的擬合性能評估35-37
• 4.3.1 判定系數(shù)R~235-36
• 4.3.2 均方根誤差(RMSE)36
• 4.3.3 卡方檢驗(χ~2 test)36
• 4.3.4 K-S檢驗(K-S test)36-37
• 4.4 結(jié)果與分析37-46
• 4.4.1 模型參數(shù)的估計結(jié)果與比較39-44
• 4.4.2 最佳分布模型的選擇44-46
• 4.5 風能的計算與分析評估46-49
• 4.5.1 風功率密度46
• 4.5.2 平均風功率密度46-47
• 4.5.3 有效風功率密度47-48
• 4.5.4 風機的可用系數(shù)48-49
• 4.5.5 風機的容量因數(shù)49
• 本章小結(jié)49-50
• 第五章 結(jié)論與展望50-52
• 5.1 結(jié)論50-51
• 5.2 展望51-52
• 參考文獻52-55
• 在學(xué)期間的研究成果55-56
• 致謝56-57

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 張小雷;高崇倫;吳愛國;;大型低風速風電場運行分析[J];風能;2013年04期

2 張清清;李海波;李品;;低風速風電場風資源開發(fā)分析[J];西北水電;2014年02期

3 丁明,吳義純,張立軍;風電場風速概率分布參數(shù)計算方法的研究[J];中國電機工程學(xué)報;2005年10期

，

本文編號：659065