共查询到16条相似文献,搜索用时 187 毫秒
1.
2.
3.
4.
为了研究在复杂地形下的风力机优化排布方法,提出一种改进粒子群(PSO)优化方法,并借助风速回归函数解决一部分复杂地形所致的问题,对实际尾流效应设置约束条件,判断风能利用的最优方案,从而快速确定风力机具体安放坐标,通过Matlab建模仿真,并借助WAsP软件对改进PSO优化算法和传统方法进行对比验证。结果表明,改进粒子群(PSO)优化方法与传统方法相比,年发电量提高了近5.2%,且对复杂地形下的风电场优化布局效果较好。 相似文献
5.
6.
7.
为克服径向基函数(RBF)神经网络由于参数选取不当而对其收敛性能的干扰,利用粒子群优化算法(PSO)的全局搜索能力对RBF神经网络的三个参数进行寻优,建立了基于PSO RBF神经网络算法的城市需水量预测模型。结果显示,PSO RBF神经网络算法拟合某市1998~2007年需水量数据的平均相对误差为0.18%,预测2008~2010年需水量数据的平均相对误差为3.84%,耗时1.2 s;通过RBF神经网络算法拟合的误差平均值为0.28%,预测的平均相对误差为5.62%,耗时2.1 s,表明PSO RBF神经网络算法具有更高的收敛速度与精度。 相似文献
8.
为避免复杂的人工地震波反应谱修正过程,且使合成的人工地震波反应谱较好地收敛于目标谱,提出在传统人工地震波反应谱拟合技术的基础上引入二次修正因子,并以二次修正因子作为优化因子,以合成的人工地震波反应谱与目标谱的标准误差最小为优化目标建立谱拟合优化模型。并基于Matlab软件编程,应用粒子群优化算法(PSO算法)对模型进行分析。算例分析表明,基于PSO算法的人工地震波反应谱拟合方法与传统的在频域内调整傅里叶幅值谱的方法相比,所生成的人工地震波反应谱与目标谱曲线整体吻合较好,收敛精度显著提高。 相似文献
9.
10.
针对传统粒子群优化(PSO)算法在求解三电平逆变器选择谐波消除脉宽调制(SHEPWM)技术的非线性超越方程组时存在局部收敛、收敛速度慢且计算精度不高的问题,提出了一种基于入侵杂草优化和粒子群优化混合算法(IWO-PSO)的SHEPWM方程组计算方法,该混合算法结合IWO算法的广度和PSO算法的深度,通过合理选择算法参数,有效地解决了计算结果局部收敛和收敛速度慢的问题,并以三电平中点箝位型(NPC)逆变器为例,利用Matlab/Simulink进行仿真试验。结果表明,IWO-PSO算法可行、有效,实现了三电平NPC逆变器在线SHEPWM控制。 相似文献
11.
12.
13.
提出了一种新的TCSC选址方法,采用简易粒子群算法求出系统中较为敏感的支路群,用改进的粒子群算法在较敏感支路群中确定TCSC的最佳安装位置,并求出TCSC的最佳安装个数和安装容量,来达到系统输电能力最大的目的。针对PSO易陷入局部最优的缺陷,把种群熵的概念引入粒子群算法对其进行了改进.IEEE30节点系统的仿真计算结果验证了所提方法的有效性。 相似文献
14.
为准确进行需水预测,提出一种基于灰色关联度分析的PSO-SVR需水预测模型,该模型运用灰色关联度分析方法筛选出需水的主要影响因子,在此基础上应用粒子群算法优化支持向量回归机(SVR)模型中的参数,并利用此模型预测2015?2017年山西省需水量.结果表明,总需水量相对误差的绝对值分别为0.02%、0.08%、0.03%... 相似文献
15.