排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
考虑到风的随机性和波动性,提出一种基于粒子群(PSO)优化B样条神经网络(BSNN)的短期风速预测方法。利用相空间重构方法确定BSNN的输入空间向量,BSNN可以灵活地改变对输入空间的划分和对隐层基函数的定义,对任意的网络输入,隐层基函数的输出只有少数非零,使网络输出简单,收敛速度快。但在传统的BSNN中,对输入空间节点位置的均匀划分是粗糙的,预测结果容易陷入局部极小而影响预测精度。粒子群优化算法是一种智能搜索方法,它具有较强的搜索能力并且容易实现,利用PSO优化BSNN输入空间的节点位置划分,可避免BSNN陷入局部极小并提高预测精度。仿真结果表明,基于PSO-BSNN的预测模型比传统的BSNN和BPNN预测模型具有更高的预测精度。 相似文献
2.
计及DG与STATCOM的配电网重构优化策略 总被引:1,自引:0,他引:1
采用一种改进遗传算法(GA)实现配电网重构,其考虑了配电网近期的发展变化,将分布式发电(DG)与静止无功补偿器(STATCOM)引入配电网模型中,探讨它们对配电网重构和提高电能质量的影响。采用十进制与二进制混合编码方式和特殊的交叉与变异操作避免GA不可行解的产生,采用云算法改进交叉率与变异率以提高GA的收敛性。对IEEE 33节点配电网进行仿真,结果表明所提出的改进GA可有效地实现网络重构,DG与STATCOM的引入能有效提高配电网的供电质量和可靠性。 相似文献
3.
4.
1