基于优化算法的风电场风能资源评估

被引量 : 2次 | 上传用户:long31
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在当前资源短缺、污染加重等问题丛生的情况下,积极开展风力发电被提到各国的议事日程之上。大规模风电开发的基础工作是对该地区的风资源评估,准确而有效的评估某地区风资源概况切实影响到该地实际风电开发的实用性和经济性。其中,风速概率模型的确定成为风资源评估的核心部分,目前多采用Weibull两参数模型来拟合实际的风速,然而用于其参数确定的传统方法普遍存在一定的不足,因此,本文将粒子群算法引入到此问题的解决中。粒子群优化算法(Particle Swarm Optimization Algorithm,
其他文献
随着特殊管道产品研制生产水平及使用要求的不断提高,对其静态参数测量的精度和速度的要求也相应的提高了。然而我国目前的检测设备还难以满足进一步需求,因此,研制一种集高精度
耳蜗基底膜振动对声音频率和强度的分辨能力具有重要作用。以往的基底膜振动模型没有考虑外毛细胞主动运动(即电致运动)的不同速度(即延时效应)对基底膜振动的影响,无法全面
蒸汽是过程工业中的主要携能工质,蒸汽管网的能源利用状况直接影响生产装置能耗水平。作为乙烯装置能耗的主要组成之一,蒸汽管网系统由于检测信息匮乏、管网结构设计/改造不
随着机械工业设备朝着大型化、复杂化与自动化的方向发展,研究与设计一个准确有效的在线监测系统,使其具备在线状态监测,在线故障诊断,在线增量学习的功能,正成为故障诊断领域的一个重要研究课题。同时,随着设备的不断运行,大量的工作过程数据被保存下来。如何对于这些数据进行分析,进行特征提取,提高诊断能力,成为了故障诊断技术的主要研究热点。本文以支持向量数据描述(Support Vector Data Des
AEA算法(Alopex-based Evolutionary Algorithm)是在基本Alopex算法(Algorithm of Pattern Extraction)的单点迭代的基础上,结合群智能进化算法后提出的,使得变量的行走更具