【摘 要】
：
面对国民经济的良性循环、电力系统的技术升级及生态系统的可持续发展等多重压力,往日利用化石燃料发电的方式不堪重负,寻求新的发电方式以调整能源结构迫在眉睫。融入了分布式发电技术的微电网系统因其较为绿色且灵活的发电特点愈加受到大众关注,可提高清洁能源利用率并减少环境污染为其显著优势,故对微电网系统的优化调度研究具有重要意义。本文针对含微型燃气轮机及柴油机的传统微电网的经济性与环保性协同优化问题,进一步引
论文部分内容阅读
面对国民经济的良性循环、电力系统的技术升级及生态系统的可持续发展等多重压力,往日利用化石燃料发电的方式不堪重负,寻求新的发电方式以调整能源结构迫在眉睫。融入了分布式发电技术的微电网系统因其较为绿色且灵活的发电特点愈加受到大众关注,可提高清洁能源利用率并减少环境污染为其显著优势,故对微电网系统的优化调度研究具有重要意义。本文针对含微型燃气轮机及柴油机的传统微电网的经济性与环保性协同优化问题,进一步引入具有消纳风光和捕获二氧化碳能力的电转气系统,构建了含电转气系统的微电网模型,并利用两种研究的新型生物地理学优化算法（Biogeography-Based Optimization Algorithm,BBO）,综合考虑运行成本与污染性气体治理成本,实现对微电网系统能量的优化调度。具体研究内容如下:首先,构建了含碳捕获装置及电转气系统的微电网优化调度模型。通过分析各设备组件的工作原理及相关数学模型,给出并网型微电网能量控制策略,推导出运行成本最低、环境治理成本最小的单目标函数及综合经济效益最优的微电网系统优化调度多目标函数,为优化调度打下基础。其次,探讨了一种新型BBO算法（Improved BBO Algorithm,IBBO）。该算法与传统进化策略（Evolutionary Strategies Algorithm,ES）、差分进化（Differential Evolution Algorithm,DE）及BBO等算法相比,引入生态扩张操作,通过改进迁移率模型,极大提高了优化速度和性能;在此基础上,详细推导了IBBO算法的收敛性,并将其应用于微电网两种单目标场景下能量优化调度中,结果显示该方法能有效求解微电网系统单目标优化函数。最后,研究了一种基于混合迁移和双模式变异策略的新型BBO算法（Hybrid migration＆Dual-mode mutation Improved BBO Algorithm,HDBBO）。在改进迁移率模型的基础上,引入微扰动因子及高斯变异,使其收敛速度及寻优精度得到了明显提升,同时对HDBBO算法收敛性进行了分析;在此基础上,基于新型BBO算法展开了对微电网系统的多目标优化调度,优化结果表明该方法可实现微电网系统多目标优化函数的求解。综上,本文所研究的两种新型BBO算法能有效实现对含电转气系统微电网的优化调度,提高绿色能源利用率,降低微电网运行成本,减少环境污染等,具有重要的理论研究和实际应用价值。
其他文献
线性系统稳定性分析是控制领域的一个重要研究方向。如今,线性系统稳定性分析已经渗入到电力系统、机器人控制系统和工业网络控制系统等众多控制领域。在实际工程应用中,线性系统经常受到一些诸如时滞和网络攻击等外部不可控制因素的影响,导致其稳定性研究较为复杂。事件触发采样是依据系统状态需求设置触发规则的控制策略,它可以有效提升系统的资源利用率,是目前研究线性系统稳定性的一个热门研究方法。在网络环境下,网络攻击
近年来,随着经济的不断发展,产品包装在日常生活中是必不可少的,考虑到环境保护,人们普遍使用棉布包装袋,其质量受到越来越多的重视。虽然当前棉布包装的生产工艺水平已经有所提高,但是在生产过程中,难免会出现破损、污渍、孔洞、杂质、线头等缺陷。针对棉布包装缺陷的检测,目前普遍采用的是人工挑选法,由于长时间工作,容易产生疲劳,这样会出现漏检甚至错检,使得检测准确率不高、效率低下,直接影响棉布包装的质量。随着
目前,深度学习在计算机视觉领域已得到广泛应用,行人检测是计算机视觉领域的重要研究方向之一,在智能视频监控、无人驾驶和智能机器人等领域具有举足轻重的作用。行人检测的任务是将行人从所给的图像中检测出来,得到行人的具体位置信息。当前在行人检测中,仍存在一些问题。其一,深度神经网络检测算法在检测行人时精确度不高、召回率低;其二,在行人存在遮挡时,对行人的特征提取会变得十分困难,让行人遮挡在行人检测中更具有
切换系统被广泛应用于调速系统、电路系统和机器人控制系统等,是控制理论研究中重要的建模工具。通过在系统控制策略和控制器设计等方面使用切换的思想已解决了不少难题。目前有许多学者对子系统全为稳定的切换系统进行研究,已经取得了许多相关的研究成果。在实际工程应用中可能存在零件故障或传感器失效等突发性问题,从而导致子系统出现不稳定的情形,但有关于此方面问题的研究成果还不多。所以针对含不稳定子系统的切换系统进行
随着社会的不断进步,移动机器人技术得到了快速的发展,人们对移动机器人的需求也越来越高。人工智能、传感器、应用电子等领域的兴起也为移动机器人的发展注入了鲜活的活力,这使得移动机器人技术渗透到各行各业,成为人们不可或缺的工作伙伴。现如今,移动机器人已经趋向于智能化,其自主导航技术成为学者当下研究的热门方向之一,而对于导航算法的研究又是其中的重中之重。移动机器人通过自身传感器感知外部环境以及自身状态信息
近年来,随着移动机器人行业的不断发展,而同时定位和地图构建（SLAM）作为移动机器人的核心技术,被广泛应用于工业、医疗、服务等领域。现阶段多数的SLAM系统是在纹理丰富和静态环境的假设下提出的,然而,在实际环境中难以避免地存在运动物体。本文针对动态物体引起错误的数据关联,进而导致建图精度严重下降的问题,给出了融合Seg Net网络的语义动态补全算法,并在此基础上给出一种动态环境下新型RGB-D S
随着国家经济的发展,汽车逐渐走进每家每户,交通安全问题也随之成为研究的热点。驾驶辅助系统的出现很大程度的缓解了交通安全问题带来的危害,它不仅可以在司机驾驶时进行帮助,尽可能的避免因为司机不小心而导致的交通安全问题,还可以在刹车、倒车以及停车时全方位的对司机进行辅助,极大程度的缓解了司机驾驶时的压力并提高了安全性。而交通标志识别技术作为驾驶辅助系统中的一项关键技术,可以提醒驾驶员道路前方存在的交通标
移动机器人在未知的复杂环境中,通过传感器准确快速地更新自身位姿信息的同时主动进行环境探索,最终构建出环境的经历地图,该方法称为移动机器人的SLAM（Simultaneous Localization and Mapping）算法。SLAM算法往往在小范围、静态的环境中有着良好的表现,但移动机器人自身的传感器有误差且移动机器人在移动中也会产生误差,随着环境的不断增加与变化,如果移动机器人仅依靠当前的
内置式永磁同步电机（Interior Permanent Magnet Synchronous Motor,简称IPMSM）零低速下的无位置传感器控制系统中必须要估测出高精度的转子位置及转速信息才能让保证IPMSM及电动汽车稳定运行。而IPMSM无位置传感器旋转高频电压注入控制策略估测出的转子位置及转速,因在信号解调过程中使用带通滤波器（Band Pass Filter,简称为BPF）,同步轴系高
同步定位与地图构建（Simultaneous Location And Mapping,SLAM）是指移动机器人在未知环境下,于运动过程中通过自身携带的多种传感器采集当前场景中的物理信息构建环境模型,并同时估计自身运动信息。SLAM算法依据移动机器人使用传感器种类的不同主要分为激光SLAM与视觉SLAM算法两大类。激光发生器由于受到成本过高、功耗较大等自身诸多因素的限制,未能在SLAM领域广泛应用