人工智能及其在风—光互补发电场中的应用研究

风能、太阳能是丰富清洁的可再生能源，将为能源结构调整和环境保护做出巨大贡献。国内外研究表明，风—光互补发电是比单独风力发电、单独光伏发电更好的发电方式，已受到世界许多国家的关注。目前，对风—光互补发电的研究主要集中于风力发电机组的研制及控制、光伏发电单元的研制及控制和风-光互补发电场的优化设计等方面，对风-光互补发电场能量管理控制的研究很少，而能量管理控制的好或坏直接影响这种新绿色能源的推广和应用。 在搜集国内外风-光互补发电研发文献资料之后，对其进行整理、分析与综合。在此基础上，对风-光互补发电场能量管理控制进行了较深入的研究，主要研究工作如下： (1)粒子群算法的研究。 提出了一种新的粒子群算法。该算法采用均匀设计方法初始化粒子群，使粒子以更大概率位于全局最优解所处位置或其附近，从而使算法以更高的概率和更快的速度找到全局最优解；对惰性粒子以概率为1进行随机变异，保证进化过程中粒子群的多样性，从而使算法求解的精度更高。仿真结果证明了该粒子群算法的求解效率和求解精度比标准的粒子群算法更高。 (2)风-光互补发电场控制系统的研究 大型风-光互补发电场的发电装置多，分布范围广，本文采用分布式人工智能—Agent理论与技术构建风-光互补发电场能量管理控制系统的体系结构。该体系结构既与控制对象的本质相吻合，又具有适应性强、开放性和容错性好等优点。构造Agent模型，并介绍Agent中各个模块之间的关系及功能。提出一种改进的合同网协议，该协议简化Agent间的协商过程，解决了任务分解的难题。 (3)风-光互补发电系统的频率控制研究 基于发电系统无功功率已确定，以发电系统发电成本最低为目标，建立风-光互补发电系统频率优化控制的数学模型。该模型既考虑了发电系统频率的安全性和稳定性问题，又考虑了发电系统运行的经济性问题。采用改进的粒子群算法实现了发电系统的频率控制，同时保证发电系统的经济运行。针对大型发电场的发电装置多，控制变量多，优化速度慢的问题，采用多Agent的协调优化方法，实现了比单一种群粒子群算法更高的求解效率。设计了发电系统频率控制子系统的自动机模型，实验显示该模型能有效地控制发电系统的频率变化，同时证明了该模型的健壮性。 (4)风-光互补发电系统的电压控制研究 基于发电系统有功功率已确定，以发电系统的电压偏差最小和有功损耗最少为目标，建立风-光互补发电系统电压优化控制的数学模型，该模型同时考虑了各电压监测点的电压偏差和发电系统的有功损耗等问题。采用改进的粒子群算法与多Agent的协调优化方法，实现了发电系统电压控制，优化了无功装置的无功出力，把发电系统的有功损耗降为最低。设计了发电系统电压控制子系统的自动机模型，实验表明该模型能有效地控制发电系统电压变化，同时验证了该模型的正确性。 论文最后进行总结，说明研究的创新点及主要研究成果，指出进一步研究的问题。