为进行辅助动力装置(Auxiliary Power Unit,APU)特性计算,以某型APU为研究对象,基于MATLAB/Simulink建立其部件级模型。鉴于N-R法的固有缺陷,引入PSO(Particle Swarm Optimization)算法,并提出叛逆粒子和自适应学习因子以改进算法全局...为进行辅助动力装置(Auxiliary Power Unit,APU)特性计算,以某型APU为研究对象,基于MATLAB/Simulink建立其部件级模型。鉴于N-R法的固有缺陷,引入PSO(Particle Swarm Optimization)算法,并提出叛逆粒子和自适应学习因子以改进算法全局收敛性和收敛速度,用于模型求解。对比基本PSO算法和改进算法,验证改进方法的有效性。同时将计算结果与实际试车数据比较,表明所采用的建模与求解方法满足工程应用。展开更多
文摘为进行辅助动力装置(Auxiliary Power Unit,APU)特性计算,以某型APU为研究对象,基于MATLAB/Simulink建立其部件级模型。鉴于N-R法的固有缺陷,引入PSO(Particle Swarm Optimization)算法,并提出叛逆粒子和自适应学习因子以改进算法全局收敛性和收敛速度,用于模型求解。对比基本PSO算法和改进算法,验证改进方法的有效性。同时将计算结果与实际试车数据比较,表明所采用的建模与求解方法满足工程应用。
文摘联合循环(Combined Cycle, CC)机组具有能源利用效率高、温室气体排放量低和运行方式灵活等特性,在电力系统中得到了越来越广泛的应用,积极参与到电力市场的竞价中。为了研究CC机组在日前电量市场中的竞价行为,文中提出了一种日前电量市场中CC机组竞价策略双层模型。上层模型为基于模式的CC机组竞价模型,下层模型为日前电量市场出清模型。该模型中的CC机组和独立系统运营商(Independent System Operator, ISO)通过电量市场出清得到的节点边际电价(Locational Marginal Prices, LMP)相互影响。CC机组向ISO提交报价同时影响电量市场的出清结果,并根据ISO进行的下层市场出清结果安排发电计划。利用Karush-Kuhn-Tucker(KKT)条件和对偶理论,将所提出的双层优化模型转化为均衡约束数学规划问题(Mathematical Program With Equilibrium Constraint, MPEC)。结果显示,文中所提出的竞价策略提高了CC机组在电量市场中的收益12.28%,降低市场的运行成本25.37%,验证了所提出模型的有效性。
