CN107701361B - 一种波浪发电方法和系统 - Google Patents

一种波浪发电方法和系统 Download PDF

Info

Publication number
CN107701361B
CN107701361B CN201710992685.6A CN201710992685A CN107701361B CN 107701361 B CN107701361 B CN 107701361B CN 201710992685 A CN201710992685 A CN 201710992685A CN 107701361 B CN107701361 B CN 107701361B
Authority
CN
China
Prior art keywords
power
coefficient
wave
artificial fish
damps
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201710992685.6A
Other languages
English (en)
Other versions
CN107701361A (zh
Inventor
吴丹琦
杨俊华
邹子君
邱剑洪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201710992685.6A priority Critical patent/CN107701361B/zh
Publication of CN107701361A publication Critical patent/CN107701361A/zh
Application granted granted Critical
Publication of CN107701361B publication Critical patent/CN107701361B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03B—MACHINES OR ENGINES FOR LIQUIDS
    • F03B15/00—Controlling
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/10—Purpose of the control system
    • F05B2270/103—Purpose of the control system to affect the output of the engine
    • F05B2270/1033—Power (if explicitly mentioned)
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/70—Type of control algorithm
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/20—Hydro energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Other Liquid Machine Or Engine Such As Wave Power Use (AREA)

Abstract

本申请所提供的一种波浪发电方法，包括：S1：根据振荡浮子式确定垂直方向上浮子偏移平衡位置的位移；S2：利用所述位移得到输出平均功率与阻尼力阻尼系数的数学关系；S3：选择所述输出平均功率最大时对应的阻尼力阻尼系数为最佳阻尼力阻尼系数；S4：利用人工鱼群算法重复S2和S3确定不同频率下的最大功率对应的阻尼力阻尼系数以利用所述最大功率进行波浪发电。利用人工鱼群算法得到不同频率下的最优负载，避免陷入局部最优负载值，增加了波浪发电系统的平均输出功率，实现了不同频率下系统最优负载的求解。本申请还提供了一种波浪发电系统，具有上述有益效果。

Description

一种波浪发电方法和系统
技术领域
本申请涉及海洋发电领域，特别涉及一种波浪发电方法和系统。
背景技术
海洋中蕴藏着巨大能量，依靠较高效率的波浪能量转换器(WEC)，可将其转化为电能供人类利用。如何增加波浪发电系统的输出功率，是波浪发电研究的关键技术。
目前的波浪能量转换装置主要有浮标式波能转换装置、振荡水柱式波能转换装置和液压动力输出波能转换装置。为实现最大波浪能捕获，现阶段有以下方法：1)变步长扰动观察法，用于实现浮标式波能转换装置的最大功率点跟踪；2)最大捕获宽度跟踪控制器(MCWT)，可根据实际海浪条件自适应调节锁存时间长度；3)分离控制方案，基于庞特里亚金最大值原理设计控制率；4)学习向量定量神经网络控制算法；5)分层控制方案，通过求解浮子振荡幅度约束条件下的最大吸收功率，产生参考速度；6)智能优化算法，具备搜索速度快、效率高，算法简单，主要以粒子群算法为主。
但现有的方法缺点也很明显：
1)针对浮标式波能转换装置的最大功率点的跟踪，目前提出的变步长扰动观察法根据输入功率的数值范围，决定相应的变步长规则，但扰动观察法的固有缺陷——最大功率点附近的功率振荡会影响装置的稳定性。
2)针对振荡水柱式波能转换装置的最大功率点的跟踪，目前提出的最大捕获宽度跟踪控制器(MCWT)，与传统锁存时间固定的控制器不同，该控制器可根据实际海浪条件自适应调节锁存时间长度。同时，MCWT控制器的设计过程不需要系统的数学模型，假设条件与海浪条件差异不会影响实际控制效果。但MCWT控制器需要传感器测量波幅和波能转换装置的功率，实现成本较高。
3)针对液压动力输出波能转换装置的最大波浪能捕获，目前提出的分离控制方案，基于庞特里亚金最大值原理设计控制率。但该方法需提供波浪激励力的预测值，实际中不易实现。
4)提出了学习向量定量神经网络控制算法，通过数据集训练神经网络控制器，分类不同波形条件所对应的最佳倾斜角度，可在2s内将装置倾斜角调节至最佳值。该算法有效性已得到规则波和不规则波条件下的仿真验证，但在实际海浪条件的适用性有待进一步研究。
5)为优化波能转换装置的功率控制，目前提出了分层控制方案，通过求解浮子振荡幅度约束条件下的最大吸收功率，产生参考速度，其采用滑模变控制方法，调节浮子实际振荡速度跟踪最佳速度，但由于不规则波浪条件下产生的参考速度是对应波峰频率的，分层控制只能是一种次优控制。
6)传统粒子群算法易使波浪发电系统负载值陷入局部最优，较难得到全局最优解，个体全局搜寻能力一般，波浪发电系统的平均输出功率较低。
发明内容
本申请的目的是提供一种波浪发电方法和系统，解决了波浪发电系统粒子群算法最优负载求解过程中，存在全局搜索能力不足、难以获得全局最优解的问题。
为解决上述技术问题，本申请提供一种波浪发电方法，具体技术方案如下：
S1：根据振荡浮子式确定垂直方向上浮子偏移平衡位置的位移；
S2：利用所述位移得到输出平均功率与阻尼力阻尼系数的数学关系；
S3：选择所述输出平均功率最大时对应的阻尼力阻尼系数为最佳阻尼力阻尼系数；
S4：利用人工鱼群算法重复S2和S3确定不同频率下的最大功率对应的阻尼力阻尼系数以利用所述最大功率进行波浪发电。
其中，所述S1包括：
将静水恢复力、阻尼力和辐射力以数学表达式的形式表示；
根据牛顿力学得到所述浮子的运动方程；
将所述数学表达式分别代入所述运动方程，作傅里叶变换得到垂直方向上浮子偏移平衡位置的偏移方程；
将所述实际数据代入所述偏移方程得到位移。
其中，所述S2包括：
将所述偏移方程平方后代入输出平均功率公式后作标幺化处理得到平均功率和阻尼力阻尼系数的数学关系。
其中，所述S3包括：
根据所述数学关系作图，确定平均功率最大点；
选取所述输出平均功率最大点对应的阻尼力阻尼系数为最佳阻尼力阻尼系数。
其中，所述人工鱼群算法包括：
创建初始人工鱼群，生成设定数量的人工鱼，随机初始化第一个体位置；
计算所述第一个体位置对应的第一目标函数值；
根据所述第一目标函数值，比较追尾和聚群两种组合行为后确定较优的第二个体位置对应的第二目标函数值和搜索方向；
迭代更新所述人工鱼位置，计算每次更新后的目标函数值；
所有人工鱼移动后，输出最优人工鱼位置及其对应的所述目标函数值。
本申请还提供一种波浪发电系统，包括：
位移确定模块，用于根据振荡浮子式确定垂直方向上浮子偏移平衡位置的位移；
数学计算模块，用于利用所述位移得到输出平均功率与阻尼力阻尼系数的数学关系；
数据选择模块，用于选择所述输出平均功率最大时对应的阻尼力阻尼系数为最佳阻尼力阻尼系数。
迭代模块，用于利用人工鱼群算法重复运行所述数学计算模块和所述数学选择模块以确定不同频率下的最大功率对应的阻尼力阻尼系数以利用所述最大功率进行波浪发电。
其中，所述位移确定模块包括：
力学表示单元，用于将静水恢复力、阻尼力和辐射力以数学表达式的形式表示；
方程确定单元，用于根据牛顿力学得到所述浮子的运动方程；
方程变换单元，用于将所述数学表达式分别代入所述运动方程，作傅里叶变换得到垂直方向上浮子偏移平衡位置的偏移方程；
数据计算单元，用于将所述实际数据代入所述偏移方程得到位移。
其中，所述数学计算模块为将所述偏移方程平方后代入输出平均功率公式后作标幺化处理得到平均功率和阻尼力阻尼系数的数学关系的模块。
其中，所述数据选择模块包括：
作图单元，用于根据所述数学关系作图，确定平均功率最大点；
选取单元，用于选取所述输出平均功率最大点对应的阻尼力阻尼系数为最佳阻尼力阻尼系数。
其中，所述迭代模块包括人工鱼群算法子模块，所述人工鱼群算法子模块包括：
创建单元，用于创建初始人工鱼群，生成设定数量的人工鱼，随机初始化第一个体位置；
第一计算单元，用于计算所述第一个体位置对应的第一目标函数值；
比对单元，用于根据所述第一目标函数值，比较追尾和聚群两种组合行为后确定较优的第二个体位置对应的第二目标函数值和搜索方向；
迭代单元，用于迭代更新所述人工鱼位置，计算每次更新后的目标函数值；
输出单元，用于在所有人工鱼移动后，输出最优人工鱼位置及其对应的所述目标函数值。
本申请所提供的一种波浪发电方法，包括：S1：根据振荡浮子式确定垂直方向上浮子偏移平衡位置的位移；S2：利用所述位移得到输出平均功率与阻尼力阻尼系数的数学关系；S3：选择所述输出平均功率最大时对应的阻尼力阻尼系数为最佳阻尼力阻尼系数；S4：利用人工鱼群算法重复S2和S3确定不同频率下的最大功率对应的阻尼力阻尼系数以利用所述最大功率进行波浪发电。利用人工鱼群算法得到不同频率下的最优负载，避免陷入局部最优负载值，增加了波浪发电系统的平均输出功率，实现了不同频率下系统最优负载的求解。本申请还提供了一种波浪发电系统，具有上述有益效果，此处不再赘述。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例所提供的波浪发电方法的流程图；
图2为本申请实施例所提供的波浪发电系统输出平均功率的曲线图；
图3为本申请实施例所提供的周期为5s时人工鱼群算法迭代优化过程示意图；
图4为本申请实施例所提供的周期为5s时粒子群优化算法适应度曲线图；
图5为本申请实施例所提供的周期为6s时人工鱼群算法迭代优化过程示意图；
图6为本申请实施例所提供的周期为6s时粒子群优化算法适应度曲线图；
图7为本申请实施例所提供的周期为7s时人工鱼群算法迭代优化过程示意图；
图8为本申请实施例所提供的周期为7s时粒子群优化算法适应度曲线图；
图9为本申请实施例所提供的波浪发电系统结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参考图1，图1为本申请实施例所提供的一种波浪发电方法的流程图；
S1：根据振荡浮子式确定垂直方向上浮子偏移平衡位置的位移；
首先需要确定垂直方向上浮子偏移平衡位置的位移。在此不限定确定该位移的方法。优选的，本申请提供一种求得位移的方法，具体方法如下：
设垂直方向上浮子偏离平衡位置的位移为推导得出静水恢复力 Fs(t)、阻尼力Fr(t)以及辐射力FR(t)。浮子在波浪中运动时，不仅会引起阻尼力，还会受到重力和静水压力联合作用引起的静水恢复力的作用。根据波浪理论，静水恢复力及阻尼力的式(1)为：
(1)式中，Fs(t)是静水恢复力，Rropt Fr(t)为阻尼力，KS是恢复力刚性系数，Rr是阻尼力阻尼系数，x为垂直方向上浮子偏离平衡位置的位移，t为时间。
浮子随波浪振荡时会产生辐射波，辐射波与海水相互作用会产生辐射力，可将辐射力表示为辐射阻抗与速度的乘积，即式(2)：
(2)式中，FR(t)是辐射力，RR是因辐射力产生的附加阻尼，XR是因辐射力产生的附加电抗。
再由牛顿力学，可得浮子的运动方程，即式(3)：
(3)式中，m为浮子质量，Fex为海浪激励力，表示入射波作用于浮子上的力。
再将上述Fs(t)和Fr(t)、FR(t)中的表达式，代入式(3)，可得式(4)：
整理可得式(5)：
对式(5)进行傅里叶变换，可得式(6)：
将s＝jω代入上式，可得式(7)：
通常将附加电抗表示为式(8)：
式中，mR是因辐射力产生的附加质量。
将式(8)代入式(7)，可得式(9)：
变换式(9)，得到垂直方向上浮子偏离平衡位置的位移，得到式(10)：
最终得到的式(10)可以供步骤S2使用。
以上方法只是本申请提供的一种优选的方法，本领域技术人员可以根据实际需求利用其它方法得到垂直方向上浮子偏移平衡位置的位移的计算公式，也应当在本申请的保护范围内。
S2：利用所述位移得到输出平均功率与阻尼力阻尼系数的数学关系；
本步骤旨在利用S1中得到的位移计算公式，推导出系统输出的平均功率 Pa与阻尼力阻尼系数Rr的数学关系，进而找出不同频率下的最大功率点对应着唯一的一个阻尼力阻尼系数Rr的最佳值Rropt，使得系统平均输出功率Pa取得最大值。
系统输出的平均功率为式(11)：
根据式(10)可得式(12)：
将式(12)平方后，代入式(11)，得式(13)：
式(13)中，在一定频率下，参数Fex(ω)、ω、RR、Ks、mR、m均为常数，因此可对式(13)进行标幺化处理，得式(14)：
这就是输出平均功率与阻尼力阻尼系数的数学关系。
S3：选择所述输出平均功率最大时对应的阻尼力阻尼系数为最佳阻尼力阻尼系数；
根据S2中求得的式(14)，可以在坐标图中作图，例如如图2所示的函数图像，易从图2中看出曲线在Rr从零到正无穷的变化过程中存在一个最高点，此时满足该式的Rr最佳值Rropt可使系统平均输出功率Pa取得最大值。
该最佳值Rropt的求取方法如下：
对式(13)求导可得式(15)：
求解后可得Rropt的表达式为式(16)：
将式(16)代入式(13)，可得式(17)，即为Pa的理论最大值：
需要注意的是，式(13)中的海浪激励力Fex频率与波浪运动频率保持一致，因此一定频率下Fex的数值是固定的。
同样的，上述方法仅为求得最佳阻尼力阻尼系数的一种方法，本领域技术人员还可以根据本申请在不付出创造性劳动的前提下利用其它方法求取最佳阻尼力阻尼系数，都应当在本申请的保护范围内。
S4：利用人工鱼群算法重复S2和S3确定不同频率下的最大功率对应的阻尼力阻尼系数。
从图2可知，不同频率下的最大功率点对应着唯一的一个Rr。于是，为寻求波浪发电系统的最优负载，增加输出功率平均值，可利用人工鱼群算法的寻优能力，通过迭代计算，迅速找到不同频率下的Rropt，以利用所述最大功率进行波浪发电。方法是使Pa与Fex的比值满足式(18)：
即可实现不同频率下系统输出功率最大化。
具体的，本申请使用基于人工鱼群算法的波浪发电系统最优负载，找出不同频率下的最大功率点所对应的阻尼力阻尼系数Rr的最佳值Rropt，采用人工鱼群算法，可通过模拟鱼群的觅食、追尾、随机、聚群等行为在搜索域中进行寻优，求解优化问题，具体实施方式如下：
S4.1、创建初始人工鱼群，生成设定数量的人工鱼，随机初始化第一个体位置；
初始人工鱼的数量的具体设定应当由本领域技术人员因实际情况而定，在此不作限定。
S4.2、计算所述第一个体位置对应的第一目标函数值；
S4.3、根据所述第一目标函数值，比较追尾和聚群两种组合行为后确定较优的第二个体位置对应的第二目标函数值和搜索方向；
追尾和聚群两种行为分别是“追尾或觅食或随机”和“聚群或觅食或随机”两种组合行为的简称。
具体的，对追尾、觅食和聚群行为的计算方式作出说明：
对于追尾行为：
S4.311、设当前位置Xi，计算Xi对应的目标函数值Yi；
S4.312、用find函数确定dij<10的伙伴数目nf，max函数计算其中目标函数值最大的位置Xj、Yj；
S4.313、判断是否大于0.618*Yi，若不是，则Xi进行觅食行为；若是，则
其中，rand指的是生成的随机数。
对于觅食行为：
S4.321、初始尝试次数n＝0；
S4.322、令Xj＝Xi+rand*10；
S4.323、判断Yj是否大于Yi；若是则若否则n加1并返回S4.322，直到n＝100时转入S4.324；
S4.324、Xinext＝Xi+rand*10。
对于聚群行为：
S4.331、设当前位置Xi，计算Xi对应的目标函数值Yi；
S4.332、用find函数确定dij＜10的伙伴数目nf，计算中心位置Xc及其目标函数值Yc；
S4.333、判断是否大于0.618*Yi；若是则判断Xi进行聚群行为，若否则
S4.4、迭代更新所述人工鱼位置，计算每次更新后的目标函数值；
这里所述的更新人工鱼位置，可以但不限定的使用随机步长的方法。而且更新的次数应当是由本领域技术人员预先设定的，当大于最大迭代次数时，停止搜索并进行S4.5。
S4.5、所有人工鱼移动后，输出最优人工鱼位置及其对应的所述目标函数值。
参见表1，表1为采用人工鱼群计算得到的目标值和理论值的误差，表2 为采用传统粒子群算法计算得到的目标值和理论值的误差。由此可见，与传统粒子群算法相比，人工鱼群算法所计算的目标值基本与理论值相等，误差较小，可大幅增加波浪发电系统的平均输出功率。
表1人工鱼群算法的相关数据及误差
表2粒子群算法的相关数据及误差
参见图3至图8为根据上述方法在不同的波浪周期对应的人工鱼群算法与粒子群算法之间的曲线图，图3和图4为波浪周期T为5s时人工鱼群算法和粒子群算法的目标值优化过程，图5和图6为波浪周期T为6s时人工鱼群算法和粒子群算法的目标值优化过程，图7和图8为波浪周期T为7s时人工鱼群算法和粒子群算法的目标值优化过程。其中，主要参数为：浮子质量m＝45 kg，附加质量mR＝0kg，辐射力阻尼系数RR＝300N.S/m，刚性系数KS＝800N.S/m。由图可知，人工鱼群算法在成功寻优的迭代次数上，人工鱼群算法的寻优速度更快。
本申请实施例提供了一种波浪发电方法，可以通过上述方法得到不同频率下的最优负载，避免陷入局部最优负载值，增加了波浪发电系统的平均输出功率，实现了不同频率下系统最优负载的求解。
下面对本申请实施例提供的波浪发电系统进行介绍，下文描述的波浪发电系统与上文描述的波浪发电方法可相互对应参照。
参见图9，图9为本申请实施例所提供的波浪发电系统结构示意图，可以包括：
位移确定模块100，用于根据振荡浮子式确定垂直方向上浮子偏移平衡位置的位移；
数学计算模块200，用于利用所述位移得到输出平均功率与阻尼力阻尼系数的数学关系；
数据选择模块300，用于选择所述平均功率最大时对应的阻尼力阻尼系数为最佳阻尼力阻尼系数。
迭代模块400，用于利用人工鱼群算法重复运行所述数学计算模块和所述数学选择模块以确定不同频率下的最大功率对应的阻尼力阻尼系数以利用所述最大功率进行波浪发电。
基于上述实施例，作为优选的实施例，所述位移确定模块100可以包括：
力学表示单元，用于将静水恢复力、阻尼力和辐射力以数学表达式的形式表示；
方程确定单元，用于根据牛顿力学得到所述浮子的运动方程；
方程变换单元，用于将所述数学表达式分别代入所述运动方程，作傅里叶变换得到垂直方向上浮子偏移平衡位置的偏移方程；
数据计算单元，用于将所述实际数据代入所述偏移方程得到位移。
基于上述实施例，作为优选的实施例，所述数学计算模块200可以为将所述偏移方程平方后代入输出平均功率公式后作标幺化处理得到平均功率和阻尼力阻尼系数的数学关系的模块。
基于上述实施例，作为优选的实施例，所述数据选择模块300可以包括：
作图单元，用于根据所述数学关系作图，确定平均功率最大点；
选取单元，用于选取所述平均功率最大点对应的阻尼力阻尼系数为最佳阻尼力阻尼系数。
基于上述实施例，作为优选的实施例，所述迭代模块400可以包括人工鱼群算法子模块，所述人工鱼群算法子模块包括：
创建单元，用于创建初始人工鱼群，生成设定数量的人工鱼，随机初始化第一个体位置；
第一计算单元，用于计算所述第一个体位置对应的第一目标函数值；
比对单元，用于根据所述第一目标函数值，比较追尾和聚群两种组合行为后确定较优的第二个体位置对应的第二目标函数值和搜索方向；
迭代单元，用于迭代更新所述人工鱼位置，计算每次更新后的目标函数值；
输出单元，用于在所有人工鱼移动后，输出最优人工鱼位置及其对应的所述目标函数值。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例提供的系统而言，由于其与实施例提供的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
以上对本申请所提供的一种波浪发电方法和系统进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (9)

1.一种波浪发电方法，其特征在于，包括：
S1：根据振荡浮子式波浪发电系统确定垂直方向上浮子偏移平衡位置的位移；
S2：利用所述位移得到输出平均功率与阻尼力阻尼系数的数学关系；
S3：选择所述输出平均功率最大时对应的阻尼力阻尼系数为最佳阻尼力阻尼系数；
S4：利用人工鱼群算法重复S2和S3确定不同频率下的最大功率对应的阻尼力阻尼系数以利用所述最大功率进行波浪发电；
其中，所述人工鱼群算法包括：
创建初始人工鱼群，生成设定数量的人工鱼，随机初始化第一个体位置；
计算所述第一个体位置对应的第一目标函数值；
根据所述第一目标函数值，比较追尾和聚群两种组合行为后确定较优的第二个体位置对应的第二目标函数值和搜索方向；
迭代更新所述人工鱼位置，计算每次更新后的目标函数值；
在所有人工鱼移动后，输出最优人工鱼位置及其对应的所述目标函数值。
2.根据权利要求1所述的波浪发电方法，其特征在于，所述S1包括：
将静水恢复力、阻尼力和辐射力以数学表达式的形式表示；
根据牛顿力学得到所述浮子的运动方程；
将所述数学表达式分别代入所述运动方程，作傅里叶变换得到垂直方向上浮子偏移平衡位置的偏移方程；
将实际数据代入所述偏移方程得到位移。
3.根据权利要求2所述的波浪发电方法，其特征在于，所述S2包括：
将所述偏移方程平方后代入输出平均功率公式后作标幺化处理得到平均功率和阻尼力阻尼系数的数学关系。
4.根据权利要求3所述的波浪发电方法，其特征在于，所述S3包括：
根据所述数学关系作图，确定平均功率最大点；
选取所述输出平均功率最大点对应的阻尼力阻尼系数为最佳阻尼力阻尼系数。
5.一种波浪发电系统，其特征在于，包括：
位移确定模块，用于根据振荡浮子式波浪发电系统确定垂直方向上浮子偏移平衡位置的位移；
数学计算模块，用于利用所述位移得到输出平均功率与阻尼力阻尼系数的数学关系；
数据选择模块，用于选择所述平均功率最大时对应的阻尼力阻尼系数为最佳阻尼力阻尼系数；
迭代模块，用于利用人工鱼群算法重复运行所述数学计算模块和所述数据选择模块以确定不同频率下的最大功率对应的阻尼力阻尼系数以利用所述最大功率进行波浪发电；
其中，所述人工鱼群算法包括：
创建初始人工鱼群，生成设定数量的人工鱼，随机初始化第一个体位置；
计算所述第一个体位置对应的第一目标函数值；
根据所述第一目标函数值，比较追尾和聚群两种组合行为后确定较优的第二个体位置对应的第二目标函数值和搜索方向；
迭代更新所述人工鱼位置，计算每次更新后的目标函数值；
在所有人工鱼移动后，输出最优人工鱼位置及其对应的所述目标函数值。
6.根据权利要求5所述的波浪发电系统，其特征在于，所述位移确定模块包括：
力学表示单元，用于将静水恢复力、阻尼力和辐射力以数学表达式的形式表示；
方程确定单元，用于根据牛顿力学得到所述浮子的运动方程；
方程变换单元，用于将所述数学表达式分别代入所述运动方程，作傅里叶变换得到垂直方向上浮子偏移平衡位置的偏移方程；
数据计算单元，用于将实际数据代入所述偏移方程得到位移。
7.根据权利要求6所述的波浪发电系统，其特征在于，所述数学计算模块为将所述偏移方程平方后代入输出平均功率公式后作标幺化处理得到平均功率和阻尼力阻尼系数的数学关系的模块。
8.根据权利要求7所述的波浪发电系统，其特征在于，所述数据选择模块包括：
作图单元，用于根据所述数学关系作图，确定平均功率最大点；
选取单元，用于选取所述输出平均功率最大点对应的阻尼力阻尼系数为最佳阻尼力阻尼系数。
9.根据权利要求5-8任一项所述的波浪发电系统，其特征在于，所述迭代模块包括人工鱼群算法子模块，所述人工鱼群算法子模块包括：
创建单元，用于创建初始人工鱼群，生成设定数量的人工鱼，随机初始化第一个体位置；
第一计算单元，用于计算所述第一个体位置对应的第一目标函数值；
比对单元，用于根据所述第一目标函数值，比较追尾和聚群两种组合行为后确定较优的第二个体位置对应的第二目标函数值和搜索方向；
迭代单元，用于迭代更新所述人工鱼位置，计算每次更新后的目标函数值；
输出单元，用于在所有人工鱼移动后，输出最优人工鱼位置及其对应的所述目标函数值。
CN201710992685.6A 2017-10-23 2017-10-23 一种波浪发电方法和系统 Expired - Fee Related CN107701361B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710992685.6A CN107701361B (zh) 2017-10-23 2017-10-23 一种波浪发电方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710992685.6A CN107701361B (zh) 2017-10-23 2017-10-23 一种波浪发电方法和系统

Publications (2)

Publication Number Publication Date
CN107701361A CN107701361A (zh) 2018-02-16
CN107701361B true CN107701361B (zh) 2019-08-06

Family

ID=61182559

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710992685.6A Expired - Fee Related CN107701361B (zh) 2017-10-23 2017-10-23 一种波浪发电方法和系统

Country Status (1)

Country Link
CN (1) CN107701361B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108899936A (zh) * 2018-08-31 2018-11-27 广东工业大学 一种基于模拟退火粒子群算法的波浪发电方法
CN110083195B (zh) * 2019-03-29 2021-08-24 广东工业大学 一种基于改进蜂群算法的波浪发电装置的功率控制方法
CN112364559B (zh) * 2020-10-12 2024-03-15 中山大学 一种波浪能发电装置布局优化方法及装置
CN115659876B (zh) * 2022-12-27 2023-03-10 中国海洋大学 一种浮式结构物垂荡板的垂向阻尼系数的计算方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102419599A (zh) * 2011-10-31 2012-04-18 江苏科技大学 基于人工鱼群算法的太阳能电池最大功率点跟踪方法
CN102966486A (zh) * 2012-11-27 2013-03-13 天津大学 浮子式海浪发电装置的变特性曲线控制方法
CN203146219U (zh) * 2013-02-25 2013-08-21 国家海洋局第二海洋研究所 适应潮位变化的浮力摆装置
CN107246351A (zh) * 2017-06-16 2017-10-13 哈尔滨工程大学 一种浮式风机平台吸波减摇发电装置及其主动控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0316869D0 (en) * 2003-07-18 2003-08-20 Kelly H P G Method of operation for a self-protecting wave energy conversion plant

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102419599A (zh) * 2011-10-31 2012-04-18 江苏科技大学 基于人工鱼群算法的太阳能电池最大功率点跟踪方法
CN102966486A (zh) * 2012-11-27 2013-03-13 天津大学 浮子式海浪发电装置的变特性曲线控制方法
CN203146219U (zh) * 2013-02-25 2013-08-21 国家海洋局第二海洋研究所 适应潮位变化的浮力摆装置
CN107246351A (zh) * 2017-06-16 2017-10-13 哈尔滨工程大学 一种浮式风机平台吸波减摇发电装置及其主动控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于平均功率估算的直驱海浪发电最大功率点跟踪控制方法;黄宣睿等;《电力系统自动化》;20160731;第40卷(第14期);第51-56页 *

Also Published As

Publication number Publication date
CN107701361A (zh) 2018-02-16

Similar Documents

Publication Publication Date Title
CN107701361B (zh) 一种波浪发电方法和系统
Cao et al. A reduced‐order approach to four‐dimensional variational data assimilation using proper orthogonal decomposition
CN107885934B (zh) 基于耦合fem-pe的海洋信道下弹性结构声辐射预报方法
Ren et al. Bluff body uses deep-reinforcement-learning trained active flow control to achieve hydrodynamic stealth
CN108763857A (zh) 一种基于相似度生成对抗网络的过程软测量建模方法
CN109213805A (zh) 一种实现模型优化的方法及装置
CN108899936A (zh) 一种基于模拟退火粒子群算法的波浪发电方法
CN108964061B (zh) 一种考虑负荷频率电压静特性的含风电交直流电力系统概率动态连续潮流计算方法
Gao et al. Mapped hybrid central-WENO finite difference scheme for detonation waves simulations
CN115062670A (zh) 基于mpa-vmd去噪的管道泄漏检测方法及系统
Tu et al. Applying the Chebyshev–Tau spectral method to solve the parabolic equation model of wide-angle rational approximation in ocean acoustics
CN109145409B (zh) 一种隐式曲面多孔结构的优化方法
CN112541292B (zh) 一种基于分布式光纤测温原理的海底电缆埋深估计算法
Pfaff et al. The Spherical Grid Filter for Nonlinear Estimation on the Unit Sphere
Duan et al. Steady solution of the velocity field of steep solitary waves
Maric Optimization of self-organizing polynomial neural networks
Tumari et al. Data-driven control based on marine predators algorithm for optimal tuning of the wind plant
Huang et al. Neural network model for structure factor of polymer systems
CN109709797A (zh) 一种变频调速恒压供水控制方法及控制系统
Xiao et al. A novel virtual node selection scheme of cell-based smoothed radial point interpolation method (cs-rpim) for mid-frequency acoustic problems
CN118244369B (zh) 三维可控源多勘探场景多源电磁场反演方法、介质及设备
Lu et al. A dual mutation differential evolution algorithm for singularly perturbed problems with two small parameters
Wu et al. Learning solutions to a Cauchy problem for the modified Helmholtz equations using LS-SVM
CN115288921B (zh) 一种波浪能发电转换单元阵列设计方法、系统及设备
Wang et al. An improved BP neural network in Internet of Things data classification application research

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190806

Termination date: 20201023