排序方式: 共有17条查询结果,搜索用时 0 毫秒
1.
2.
目的 研究人工免疫系统的自治性、主动性、自适应及学习和记忆的仿生机理,来解决结构健康监测中的结构损伤识别和分类问题.方法 通过模仿免疫识别和学习机理,提出一种基于Diagonal距离的人工免疫模式识别的结构损伤分类算法,并在IASC-ASCE SHM工作小组所提出的benchmark模型上对结构模式分类进行了实验测试.结果 仿真实验表明基于Diagonal距离所得到的分类成功率要略高于Euclidean距离和Mahalanobis距离所得到的分类成功率;基于Diagonal距离研究了克隆率和记忆细胞替代阈值对分类成功率的影响,只要选取合适的参数值,就能获得较高的分类成功率.结论 基于Diagonal距离的人工免疫模式识别的结构损伤检测和分类算法通过免疫学习和进化,产生高质量的记忆细胞,从而有效识别各种结构损伤模式. 相似文献
3.
在智能电网环境下,提出了一种家庭能源管理系统框架和优化调度算法。根据室外温度预测值、可再生能源功率输出预测值、日前电价信号和用户偏好,算法对可调度用电负载、电动汽车、储能系统的运行进行优化调度从而最小化用户用电费用。算法考虑了电动汽车在高电价时段通过V2H(vehicle to home, V2H)功能向负载供电的情形,采用情景分析法处理室外温度和可再生能源功率输出预测的不确定性。通过仿真实验验证了算法性能,结果表明与只对负载或家庭能源管理系统部分组成部件进行优化调度的算法相比,所提算法显著降低了用电费用。 相似文献
4.
5.
针对电热综合能源系统由于风电出力的随机性和波动性而难以有效调度的问题,提出了以成本最小化和弃风最小化为目标的一种多目标两阶段随机规划方法(multi-objective and two-stage stochastic programming,MOTSP),其中采用两阶段的随机规划模型对成本最小化部分进行建模分析,第一阶段以火电机组的启停成本为调度目标,第二阶段以机组运行成本为调度目标。最后采用多目标算法NSGA-Ⅱ中对解的筛选机制求解随机规划问题。该方法利用高斯分布描述负荷和风力发电预测误差来解决风电出力的不确定性,采用蒙特卡罗方法生成随机场景,并采用反向缩减技术对场景进行削减。仿真结果表明,所提的MOTSP算法比其他多种智能算法的解集更均匀广泛,收敛性更好,能够最大限度地减少弃风并使机组运营成本最小。 相似文献
6.
7.
8.
为在实时电价情况下预测未来24小时电价, 提出一种基于小波变换和差分自回归移动平均(ARIMA)的短期电价混合预测模型。该模型分别根据是否受到需求量影响使用ARIMA模型对多尺度小波变换分解后的时间序列进行预测。同时提出一种电价突变点发现和处理算法。使用澳大利亚新南威尔士州2012年真实数据验证表明, 相对ARIMA预测, 改进后的混合模型在不考虑需求量影响时预测精度更高; 电价突变点发现和处理算法能够准确处理电价异常点, 提高预测精度。 相似文献
9.
10.
针对多智能体系统(multi-agent systems,MAS)中环境具有不稳定性、智能体决策相互影响所导致的策略学习困难的问题,提出了一种名为观测空间关系提取(observation relation extraction,ORE)的方法,该方法使用一个完全图来建模MAS中智能体观测空间不同部分之间的关系,并使用注意力机制来计算智能体观测空间不同部分之间关系的重要程度。通过将该方法应用在基于值分解的多智能体强化学习算法上,提出了基于观测空间关系提取的多智能体强化学习算法。在星际争霸微观场景(StarCraft multi-agent challenge,SMAC)上的实验结果表明,与原始算法相比,带有ORE结构的值分解多智能体算法在收敛速度和最终性能方面都有更好的性能。 相似文献