典型文献
基于GA-PACO的海上风电场运维策略研究
文献摘要：
针对海上风电机组出现故障时,传统蚁群算法在模型初期效率较低、 易陷入局部最优且收敛速度差的问题,提出了一种基于GA-PACO的海上风电场运维策略仿真模型.使用遗传算法进行全局搜索和函数优化,将其作为蚁群算法的初始信息素;改进启发信息函数,优化局部最优解,使蚁群算法在搜索目标时更明确,并提升收敛速度;引入信息素调节因子,改进信息素算法性能,使蚁群能够选取高质量的路径,降低稳定的迭代次数.实验结果表明,GA-PACO算法在仿真80台风机时,技术发电量可利用率(Technical Energy Availability,TEA)达98.97％,发电量提升1821万kW·h;仿真160台风机时,TEA达98.06％,发电量提升2386万kW·h.通过仿真为风电场精准找到最优维护路径,提供有效的运维策略,增加风电机组的实际发电量.
文献关键词：
海上风电场;蚁群算法;遗传算法;路径规划;运维策略
中图分类号：
作者姓名：
余梅;盛余洋;李红阳;郑悦林
作者机构：
三峡大学 计算机与信息学院,湖北 宜昌 443002
文献出处：
引用格式：
[1]余梅;盛余洋;李红阳;郑悦林-.基于GA-PACO的海上风电场运维策略研究)[J].无线电工程,2022(10):1834-1841
A类：
PACO
B类：
GA,海上风电场,风电场运维,运维策略,海上风电机组,蚁群算法,收敛速度,速度差,全局搜索,和函数,函数优化,初始信息素,启发信息,局部最优解,调节因子,算法性能,迭代次数,台风,风机,机时,可利用率,Technical,Energy,Availability,TEA,电量提升,kW,真为,护路,实际发电量,路径规划
AB值：
0.306573
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
