基于CFD和NCPSO的复杂地形风电场微观选址优化

针对复杂地形条件下风电场微观选址技术难度大的问题,提出一种基于数值计算结果和高效优化方法的微观选址优化算法。将测风数据按风向等分成12个扇区,并利用平均风速和CFD对复杂地形的每个扇区进行数值模拟,得到风电场各扇区的风资源分布,提取轮毂高度处的风速和风向分布。优化中风力机的尾流影响采用Jensen尾流模型,风电场风能计算中风速按照威布尔分布处理,并考虑每个扇区风速的大小、概率密度。目标函数为整个风电场的输出功率倒数的对数,自变量为风力机在给定风电场中的位置坐标,约束条件为地形边界和风力机之间的最小距离,优化算法采用该文提出的改进小生境粒子群算法(NCPSO),优化风力机组微观选址的最优解。该文提出优化算法得到的结果与基于高度的经验布置方法(EX-TH)、基于风能密度的经验布置方法(EX-PH)以及普通粒子群算法(PSO)进行比较,证明在复杂地形条件下所提出方法的可靠性与有效性,并可应用于工程实践。

一种基于调节因子的小生境粒子群优化算法

针对混沌变异的小生境粒子群优化算法(NCPSO)进化中收敛速度慢、搜索精度低的缺点,提出一种基于调节因子的NCPSO改进算法(NCPSO-FLV)。通过引入速度调节因子,对收敛速度做出判断,改变粒子速度帮助粒子跳出局部最优值,使种群多样性得到加强,收敛速度和搜索精度得到提高。实验结果表明,与基于惯性权重的基本粒子群算法和NCPSO算法相比,NCPSO-FLV算法的精度更高,适用于生产任务分配的工业优化计算。

基于混沌粒子群优化的倒数熵阈值选取方法

基于信息熵的方法是一类重要的阈值选取方法,但现有的最大熵方法存在无定义值问题。为此,提出了基于倒数熵的阈值选取方法。首先给出了倒数熵的定义及一维阈值选取方法,导出了基于二维直方图区域直分及区域斜分的倒数熵阈值选取算法公式;然后考虑到二维倒数熵分割运算量较大,提出利用混沌小生境粒子群算法来寻找最优阈值,避免了算法早熟,提高了搜索精度和算法效率。实验结果表明:二维倒数熵阈值选取的斜分方法在抗噪性和运算时间上优于直分方法;而与基于粒子群优化的二维最大熵方法相比,本文提出的基于混沌小生境粒子群优化的二维倒数熵斜分法在运行时间上降低了约40%,分割效果更佳。

基于改进的小生境粒子群算法在函数优化中的应用

为了克服标准粒子群算法在搜索后期中易陷入局部最优等缺点,提出了一种改进的小生境粒子群算法.通过将小生境技术引入标准粒子群算法中,保证了种群的多样性;同时在惯性权重中引入余弦函数,更改算法中认知项和社会项加速因子,加入迭代因素,并在位置更新策略中加入了飞行时间因子等策略,使其更加贴近粒子群算法的客观规律.通过对5个非线性基准测试函数进行数值仿真实验对比,结果表明改进的小生境粒子群算法在非线性的复杂函数优化中具有更好的寻优能力,避免了"早熟"现象,同时还具备收敛速度快,搜索精度高等特点.