針對(duì)水動(dòng)力參數(shù)非線性導(dǎo)致直驅(qū)式波浪發(fā)電系統(tǒng)控制效果不佳問(wèn)題,文章采用混沌飛蛾捕焰優(yōu)化控制算法解決。該算法初期引入具有非周期性和遍歷性的混沌算子,采用多精英組合的直線捕焰模式尋優(yōu);后期結(jié)合火焰自適應(yīng)機(jī)制,采用螺旋捕焰方式,求解最優(yōu)電磁力,控制直線發(fā)電裝置,提高捕獲效率。通過(guò)ANSYS軟件進(jìn)行浮子的水動(dòng)力數(shù)值計(jì)算,結(jié)合改進(jìn)算法尋求系統(tǒng)最優(yōu)負(fù)載。仿真結(jié)果表明,在波浪周期變化時(shí),混沌飛蛾捕焰算法能有效提高全局搜索能力和求解精度,增加系統(tǒng)輸出功率。 

【文章來(lái)源】：可再生能源. 2019,37(11)北大核心

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

直驅(qū)式波浪發(fā)電系統(tǒng)結(jié)構(gòu)圖

??。3.2CMFO算法在波浪發(fā)電系統(tǒng)的應(yīng)用由于海浪突變、參數(shù)擾動(dòng)及浮子水動(dòng)力參數(shù)非線性，導(dǎo)致傳統(tǒng)群智能算法在尋優(yōu)過(guò)程中易陷入局部最優(yōu)。為此，提出混沌飛蛾捕焰算法尋優(yōu)方案，使捕獲裝置工作在最優(yōu)負(fù)載狀態(tài)，具體應(yīng)用如下。①種群初始化：設(shè)定人工飛蛾種群數(shù)為N，最大迭代次數(shù)為m，人工飛蛾的初始位置可表示為2維變量Mi=[Bgi，Kgi]，構(gòu)成相應(yīng)的電磁力控制參數(shù)；根據(jù)電機(jī)運(yùn)行情況，在每維參數(shù)構(gòu)成的解空間中，隨機(jī)生成一個(gè)初始種群。圖2波浪發(fā)電系統(tǒng)等效電路圖Fig.2WavecircuitpowersystemequivalentcircuitdiagramFdIvBradM+A1/KsBg1/KgFg·1699·陳海峰，等基于混沌飛蛾捕焰算法的波浪發(fā)電系統(tǒng)最大功率跟蹤

情況下，驗(yàn)證CMFO算法與MFO算法的功率優(yōu)化效果，并通過(guò)分析波能捕獲裝置與波浪頻率的匹配情況，證明改進(jìn)算法有效性。據(jù)相關(guān)資料顯示，我國(guó)東南沿海地區(qū)的波浪周期全年變化為3~10s[16]。在ANSYS平臺(tái)模擬文獻(xiàn)[17]的海況環(huán)境，搭建半徑和高均為1m、吃水深度為0.61m的浮子仿真模型。通過(guò)AQWA模塊計(jì)算浮子在各頻率下的水動(dòng)力參數(shù)A，Brad以及所受的波浪激勵(lì)力Fd，垂直方向下的A，Brad分別與波浪角頻率ω關(guān)系如圖4，5所示。圖3混沌飛蛾捕焰算法流程圖Fig.3Flowchartofchaoticmothtrappingalgorithm圖5浮子在波浪中的輻射阻尼Fig.5Radiationdampingofthebuoy初始化計(jì)算適應(yīng)度平行光直線捕焰平行光直線捕焰位置更新并排序發(fā)散光螺旋捕焰位置更新，與上一代合并、排序，返回一個(gè)種群為N的位置矩陣火焰自適應(yīng)減少n=n+1結(jié)束NNYNYYn<m?n<flame?n=1?圖4浮子在波浪中的附加質(zhì)量Fig.4Additionalqualityofthebuoy2.62.42.221.81.61.4附加質(zhì)量/×103kg角頻率/rad·s-100.511.522.533.544.551.510.50輻射阻尼/×103N·s·m-1角頻率/rad·s-100.511.522.533.544.55·1700·可再生能源2019，37（11）


本文編號(hào)：3318460