摘要：提出一种改进的自适应粒子群优化(particle swarm optimization,PSO)算法,对基本PSO算法中的惯性权重系数作云处理。由于云模型具有随机性和稳定倾向性,使得处理后的惯性权重既具有传统的趋向性,满足快速寻优能力,又具有随机性,有利于提高种群的多样性,提高收敛速度。在对认知系数和社会系数的处理上,考虑两者的相互关联性,在坐标平面内构造收敛曲线,让两者沿收敛曲线随时间动态调整,使得算法在进化过程中既能够保证收敛,又提高了算法性能。建立了风、水、气多种清洁能源互补的发电模型。模型考虑风电预测的随机误差,以一次能源天然气的消耗量最低为目标函数,约束条件包含了风能、水能等清洁能源的完全消纳。通过云模型粒子群算法求解该模型,并与基本遗传算法和PSO算法的结果进行比较,验证了所建模型可行性和算法的有效性。

关键词：风水气互补发电 云模型 自适应粒子群优化算法 

单位：广东工业大学自动化学院