排序方式: 共有10条查询结果,搜索用时 0 毫秒
1
1.
2.
为了解决基于傅里叶变换基的压缩感知对电能质量干扰信号压缩采样丢失时变信息的问题,本文进行了基于小波变换基的压缩感知电能质量研究。首次提出采用不同小波基的小波变换基作为稀疏基,来提高压缩感知对电能质量干扰信号的重构效果,为电能质量研究提供了一种新的研究方向;并通过实验仿真对比了基于傅里叶变换基和基于小波变换基的压缩感知重构效果。在压缩感知重构算法分别采用正交匹配追踪算法和压缩采样匹配追踪算法下,仿真结果表明,压缩感知应用于电能质量时,基于小波变换基的压缩感知重构效果优于基于傅里叶变换基的压缩感知重构效果;当压缩采样比是20%,稀疏基采用db3小波变换基时,均方误差均低于0.1%,良好地完成了原始电能质量干扰信号的重构。 相似文献
3.
4.
5.
针对电力系统有功网损最小、电压水平最好和电压稳定裕度最大的多目标无功优化问题,提出一种基于差分进化的改进多目标粒子群优化算法。该算法通过对Pareto最优解集的差分进化来增加Pareto最优解的多样性,通过拥挤距离来控制精英集中非支配解的分布,以提高对种群空间的均匀采集;采用擂台赛法则构造多目标Pareto最优解集,较大程度的提高了算法的运行效率;自适应惯性权重和加速度因子的动态变化可增强算法的全局搜索能力。将该算法在IEEE14、IEEE30节点标准测试系统上进行了无功优化仿真,结果表明,基于差分进化的改进多目标粒子群优化算法能够在保持Pareto最优解的多样性的同时具有较好的收敛性能,为多目标无功优化提供了一种新的方法。 相似文献
6.
7.
针对遮挡情况下光伏阵列P-V输出特性曲线呈现多个局部功率峰值点,传统最大功率点跟踪算法无法摆脱局部最优值的缺点,提出一种基于差分进化(DE)算法的最大功率点跟踪算法。因局部阴影下各个局部最大功率点所对应的电压值有一定规律可循,算法首先使用DE算法找到全局最大功率点所对应的电压值附近,以保证不会陷入局部最优值;然后重新初始化种群个体在该电压值附近,继续使用DE算法寻找全局最大功率点。仿真结果表明,该算法可以成功摆脱局部最优值的约束,正确地找到全局最大功率点。与基本DE算法进行对比,二者的寻优精度具有同样的优势,而且所提出的算法收敛速度更快,为遮挡情况下光伏阵列最大功率点跟踪提供了一种新的方法。 相似文献
8.
9.
10.
1