基于BAS-IMOPSO算法的风电系统储能优化配置

风力发电作为一种清洁的可再生能源,在电力系统中应用广泛,但风电出力的随机波动性会对电力系统电能质量产生不利影响。储能系统(energy storage system,ESS)因其灵活的双向调节能力被用于平抑风电接入系统带来的电压与功率波动问题。文中考虑储能接入节点与容量不同对风电出力波动的平抑效果不同,以系统电压偏差、日有功网损和ESS配置容量为目标函数建立多目标储能优化配置模型。采用一种基于天牛须搜索算法的改进多目标粒子群优化(beetle antennae search-improved multi-objective particle swarm optimization,BAS-IMOPSO)算法求解该模型,利用基于信息熵的逼近理想解排序法在Pareto解集中选取最佳储能配置方案。在IEEE 33节点系统中对模型进行仿真验证,结果表明:BAS-IMOPSO算法优化下的ESS降低配电网电压偏差与有功网损的能力较多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法显著提高,有效改善了系统的电能质量,具有削峰填谷的作用,验证了BAS-IMOPSO算法的有效性。

基于BAS-PSO的半主动悬架自抗扰控制

针对车辆半主动悬架振动控制问题,提出了一种基于天牛须粒子群优化(Beetle Antennae Search and Particle Swarm Optimization, BAS-PSO)的自抗扰控制(Active Disturbance Rejection Control, ADRC)策略。通过搭建被控模型和设计自抗扰控制器,实现了对车辆悬架系统抗扰能力的增强。为解决ADRC参数需要人工试取整定的问题,在PSO算法的基础上融合了BAS算法,有效克服了粒子群的局部最优问题,并以车辆性能指标的均方根值为目标函数,进行控制算法优化。在MATLAB/Simulink环境下进行仿真实验时,将基于BAS-PSO的ADRC与被动悬架、粒子群的ADRC和粒子群PID控制进行了验证和比较。结果表明,所提出的控制策略具有更好的减振效果。