基于粒子群算法的风光互补发电系统配置优化设计

粒子群算法(Particle swarm optimization,简称PSO)模型简洁,具有优异的探索效率、良好的收敛性及精度,与其他优化算法相比具有令人瞩目的优异性。通过将粒子群算法应用于由太阳光、风力发电等构成的可再生能源混合发电系统的最优化配置研究中,并通过实际的应用完成在以系统综合成本最小的约束条件下,对系统各构成模块的规格进行优化分析。通过对某工业园区进行风光互补发电系统优化,即分别对风光互补发电系统、单一风力发电系统、单一光伏阵列发电系统这3种优化方案进行经济性分析和技术性分析,进行优化设计。结果表明:基于粒子群算法的风光互补发电系统优化设计在兼顾满足负载要求的情况下,达到较好的经济性,适宜推广此种可再生能源发电方式。

基于WAsP的风电场微观选址的模拟研究

WAsP风资源评估系统具有优秀性能,广泛应用在风电场前期的微观选址过程中,它能够科学地评估风能资源成本、提高风电场建设投资决策的准确性.针对WAsP风资源评估经常存在的地形测绘和地表状况考察的限制,提出了在绘制WAsP模式需求的电子地形图时,将90m水平分辨率的SRTM地形高程数据应用其中,同时还利用GoogleEarth来绘制气象站周围的障碍物群和粗糙度描述文件.通过对浙江省舟山市岑港风电场进行风资源评估,并结合实际机型的功率曲线对其马目山23台风电机组进行模拟选址和发电量预测,验证了上述地形数据获取方法的可行性.通过RIX方法进行了误差修正,并与实际风电场发电量进行对比,结果表明上述方法具有较好的精度,所得结果可为模拟风电场微观选址提供实际参考.