排序方式: 共有4条查询结果,搜索用时 109 毫秒
1
1.
2.
随着我国电力市场化改革的推进,用户侧电力负荷预测在电力需求侧管理中呈现出日益重要的作用。因为不同电力用户负荷特性差异较大,单一的短期负荷预测方法无法满足所有用户的预测精度要求,为此提出一种自适应电力用户群短期负荷预测方法。针对不同类型的电力用户群,提出多种基于变分模态分解算法和长短期记忆神经网络的负荷预测方法,根据波动性系数的范围自适应地选择电力用户群短期负荷预测方法进行训练、测试,得到负荷预测结果。以南方地区60家企业电力用户为研究对象,对所提的负荷预测算法进行了验证,结果表明所提方法能有效提高负荷预测精度,获得了较为理想的预测结果。 相似文献
3.
4.
提出了约束破坏向量、分段粒子群算法以及多目标分段粒子群算法,有效解决了在时间步长较小、计算时段数目较多时,传统智能优化算法解水库优化调度问题的寻优效率低下甚至无可行解的问题。该方法基于粒子群算法框架,引入约束破坏向量、分段操作和特殊变异操作来增强进化过程中的种群质量,从而提高算法的计算效率。闽江流域金溪梯级水库多目标优化调度的实例分析表明,在解时间步长较小、计算时段数目较多的水库优化调度问题时,分段粒子群算法、多目标分段粒子群算法相对其他算法具有明显优势。 相似文献
1