排序方式: 共有65条查询结果,搜索用时 31 毫秒
1.
2.
电力短期负荷预测的结果对电力系统的经济效益具有重要影响.为了克服基本粒子群(Particle Swarm Optimization,PSO)算法收敛精度不高、易陷入局部最优的缺点,提出一种将自然选择和变异结合的混合粒子群(Hybrid Particle Swarm Optimization,HPSO)算法,可以保持种群的多样性,有效地避免粒子早熟,并利用混合粒子群算法优化径向基神经网络的权值,最后将优化好的径向基神经网络进行广西某市的短期电力负荷预测.计算结果表明,该算法收敛速度快,并达到了提高预测精度和改善网络性能的要求. 相似文献
3.
自适应变异粒子群算法及在输电网规划中的应用 总被引:1,自引:0,他引:1
针对标准粒子群优化(SPSO)算法易陷入局部最优的缺点,引入了一种自适应变异的粒子群优化(AMPSO)算法,并应用于电力系统输电网规划。该算法在迭代过程中加入变异操作,并根据种群适应度方差值自适应地调整变异概率的大小,以此来增强算法跳出局部最优的能力。在输电网规划算例中的应用结果表明,变异操作改善了算法的寻优性能,使得AMPSO算法的寻优效率远高于SPSO算法。 相似文献
4.
针对气象条件具有累积效应以及不同气象条件对负荷影响的程度不同的特点,采用一加权的几何距离公式来选取神经网络的训练样本,不仅加快了神经网络的训练速度,而且加强了神经网络的逼近能力.同传统的神经网络相比,广义回归神经网络的训练过程实际上是不断地调整平滑参数σ的过程,因此,σ的不同取值对网络的输出具有重要的影响.在优化广义回归神经网络的平滑参数σ时,采用基于蚁群种群的新型优化算法——蚁群算法来优化,在很大程度上减少了人为选择参数的主观影响.最后通过实例验证了该模型的有效性. 相似文献
5.
合理选择预测相似日是提高综合负荷预测模型预测效果的有效途径。依据人工经验选相似日的传统方法并不具备最好的预测效果。选择相似日问题可以归结为一个判决问题,即选择与待预测日气象等因素最相似的一天。影响电力系统短期负荷的因素有很多,且常常难以定量表达,针对电力系统短期负荷预测中存在的不确定性问题,将证据理论应用于短期负荷预测中的相似日选择上来。用广西某地方电网的实际数据验证表明,将证据理论应用于相似日的选取,能较准确选择相似日从而提高了预测精度。 相似文献
6.
7.
基于云理论和前景理论的变压器状态维修风险决策 总被引:1,自引:0,他引:1
针对变压器状态维修决策中具有自然语言型评价信息的问题,提出了基于云理论和前景理论的变压器状态维修策略综合评价模型。由技术性指标、经济性指标、安全性指标构成了变压器维修综合评价指标体系。利用云理论表示自然语言型评价信息,实现了定性概念向定量表示的合理转换。在此基础上,应用理想解法求出正(负)理想解方案作为变压器状态维修策略的参考点;利用灰关联分析法构建正(负)关联系数矩阵;基于前景理论及其正负前景价值函数构建了正(负)前景价值矩阵和方案综合前景值最大化的模型,求解得出最优权重;对计算出的最大综合前景值进行分析,最终确定变压器状态维修策略。实例验证了该算法的可行性与有效性,且模型的灵敏度较传统方法高。 相似文献
8.
基于云支持向量机模型的短期风电功率预测 总被引:1,自引:0,他引:1
将云模型和支持向量机(SVM)相结合,提出一种适合短期风电功率预测的云支持向量机模型.该模型采用云变换方法提取风速序列的定性特征,并通过SVM建立风速特征与风电功率间的关系.对未来24h的风电功率预测结果显示,该模型在某个点上的预测值是一个有稳定倾向的离散值集合.采用逆向云算法求取集合的期望值作为确定性预测结果,并与SVM和自回归求和移动平均(ARIMA)模型的预测结果相比较,结果表明云支持向量机具有更高的预测精度,预测效果显著,因此,该模型可有效应用于短期风电功率预测. 相似文献
9.
简要阐述了中国旅行商问题,介绍了MAX_MIN蚂蚁算法的原理和其在蚁群算法上的改进,使用MAX_MIN蚂蚁算法解决该问题,最后的试验结果证明该方法在解决这种问题上是有效的. 相似文献
10.
可供选用的配电站中型布置方案 总被引:1,自引:0,他引:1
提出配电站环母中型布置方案。通过与普通中型布置方案和分相中型布置方案进行分析比较,认为这种环母中型布置方案,具有节约占地面积,节省三材的优点。可供设计电厂及变电站的配电装置时选用和参考。 相似文献