基于云理论和元胞自动机理论的城市配电网空间负荷预测

针对城市电网规划中电力负荷空间分布和时间动态演化预测难题,提出一种采用元胞自动机(cellular automata,CA)模拟城市土地利用的逐年发展过程进而进行城市配电网空间负荷预测方法。该方法基于云模型的知识,将影响因素的定性概念所具有的模糊性、随机性有机地结合在一起,构成定性和定量间的相互映射。综合考虑多种影响负荷发展的因素,运用云理论训练CA转换规则,制定多种转换规则来预测规划区域地块的发展程度。通过应用所提模型和方法对某规划小区负荷发展进行预测及实际对比,验证了其有效性。     

基于蚁群算法的配电网空间负荷预测方法研究

在进行空间负荷预测的过程中,用地类型转换规则的获取对预测的结果产生着深远的影响.提出了一种改进的配电网空间负荷预测方法,采用用地仿真法模拟城市土地动态发展过程,预测规划区域各小区土地的未来使用类型.根据城市发展的实际情况,利用蚁群算法(Ant Colony Algorithm,ACA)的自适应性及其在分类规则挖掘方面的优势,自动获取小区用地类型的转换规则,克服了传统方法在规划年内一直采用静态的土地使用决策规则的缺陷.用实例说明了该方法的有效性.     

基于蚁群算法的配电网空间负荷预测方法研究

在进行空间负荷预测的过程中,用地类型转换规则的获取对预测的结果产生着深远的影响。提出了一种改进的配电网空间负荷预测方法,采用用地仿真法模拟城市土地动态发展过程,预测规划区域各小区土地的未来使用类型。根据城市发展的实际情况,利用蚁群算法（Ant Colony Algorithm,ACA）的自适应性及其在分类规则挖掘方面的优势,自动获取小区用地类型的转换规则,克服了传统方法在规划年内一直采用静态的土地使用决策规则的缺陷。用实例说明了该方法的有效性。     

基于元胞自动机理论的电力负荷空间分布预测

根据元胞自动机(CA)的基本理论及其在城市动态演化模拟中的应用，提出了新的电力负荷空间分布预测方法。该方法从元胞自动机的基本定义出发，研究了CA理论对于电力负荷空间分布预测的适用性，提出了电力负荷元胞、元胞样区、元胞时空数据库、样本数据库的概念，制定了考虑多种相关因素的负荷元胞转换规则和相关参数，并进行了简单的试验。算例结果说明了该方法的可行性及其预测结果的合理性。     

基于元胞自动机理论的电力负荷空间分布预测

根据元胞自动机(CA)的基本理论及其在城市动态演化模拟中的应用，提出了新的电力负荷空间分布预测方法。该方法从元胞自动机的基本定义出发，研究了CA理论对于电力负荷空间分布预测的适用性，提出了电力负荷元胞、元胞样区、元胞时空数据库、样本数据库的概念，制定了考虑多种相关因素的负荷元胞转换规则和相关参数，并进行了简单的试验。算例结果说明了该方法的可行性及其预测结果的合理性。     

基于元胞自动机的流域水土流失时空动态变化研究

本文提出一种结合元胞自动机的区域水土流失预测模型,采用线性神经网络方法预测区域土地利用总体变化趋势;同时考虑道路、商服中心对城市土地利用覆盖的影响,制定元胞自动机转换规则,预测区域未来土地利用覆盖情况,预测精度达到72%。最后,将CA预测数据作为变量输入通用土壤流失方程,预测区域水土流失情况。并以武汉市东湖流域为例对其水土流失问题进行了现状分析及预测,为其水土流失整治提供参考。     

基于蚁群元胞自动机理论的城市饱和负荷预测

随着中国经济的不断发展,城市饱和负荷的研究对未来电网发展的规划具有重大意义。介绍蚁群算法与元胞自动机的基本原理,通过组合两者的优点,建立蚁群元胞自动机的饱和负荷预测模型。该模型从土地性质转移角度出发,基于元胞自动机理论,提出土地性质元胞的转换规则,结合蚁群优化算法,得出土地性质转移率。并且通过S曲线法分析不同土地性质下饱和密度的状况。通过对某城市现状进行案例分析,论证了该方法的科学性。     

基于人工蜂群算法的空间负荷预测

采用人工蜂群算法应用于土地利用变化中的土地使用决策,提出了一种新的空间负荷预测方法。为了解决静态决策规则带来的问题和提高空间负荷预测的精确性,该方法结合了人工蜂群算法和用地仿真法的优点,利用用地仿真法理论来预测规划区域各小区的未来用地类型,定义各小区用地类型的属性节点和类节点的连线为蜂群搜索路径,通过模仿蜜蜂采蜜行为,自动搜索在该区域土地利用变化情况中各用地类型最优的转换规则,计算小区负荷。最后利用Matlab R2012a做实验,证明文中所提新方法是有效的。     

基于粗糙集神经网络和元胞自动机的空间负荷预测

在分析目前空间负荷预测方法的基础上,提出了一种新的空间负荷预测的方法。该方法主要是利用粗糙集理论对从空间数据库中提取出来的随机数据样本集进行属性简化,减少人工神经网络的输入变量的个数和样本数量,从而提高神经网络提取元胞自动机转换规则的收敛速度和准确性,提高了空间负荷预测的精确性。该方法结合了粗糙集和人工神经网络的优点,并利用元胞自动机的理论来模拟城市用地类型变化,进行空间负荷预测。某市城市规划区域的空间负荷预测实验,证明了该方法的有效性。     

基于粗糙集数据挖掘的配电网小区空间负荷预测方法研究

提出了一种新颖的配电网空间负荷预测方法,采用粗糙集(RS)数据挖掘方法对可能影响小区用地决策的相关属性进行约简,去除冗余属性,克服了以往方法受人为因素影响较大的弱点,得出决定小区用地类型的决策规则,从而得到每个小区适于发展各类负荷的程度,再运用全局最优的土地分配算法来计算各小区内各类负荷的增长,克服了仿真法不能得到整个土地最优分配方案决策的弱点.最后用实例说明了该方法的有效性.     

基于城市用地性质的配网空间负荷预测研究

配电网规划与城市的用地性质息息相关.基于城市的用地性质进行负荷分区,并将其与负荷预测相结合,使之成为空间负荷预测中负荷密度预测的依据,能够提高负荷预测的精度,也因此在配电网规划中具有实用价值.针对实际规划中存在的样本数据充足和不足的情形,分别使用最小二乘法和相似搜索方法加以研究,使负荷密度预测有规可循,也是空间负荷预测的前提准备.     

基于云理论的配电网空间负荷预测方法研究

提出了一种新颖的配电网空间负荷预测模型，该模型采用了基于云模型的知识表示，将定性概念所具有的模糊性、随机性有机地结合在一起，构成了定性和定量相互间的映射，克服了传统模糊理论的不彻底性。该文将云理论、面向对象的归纳方法以及粗糙集相结合，进行土地使用决策中空间属性信息定量定性转换、空间数据的离散化、决策规则的挖掘，克服了传统基于模糊集的空间负荷预测模型中模糊集参数及模糊系统规则选择的主观性，同时也利用云理论与粗糙集理论相互间的互补性,增强了知识发现的能力。运用基于云理论的不确定性推理计算小区对各用地类型适应性的评分，使推理结果更加合理而且贴近实际。给出了基于该模型的小区改造判据，改进了计及小区改造及经济性的用地分配的多目标规划模型，计算小区负荷。最后用实例说明了该方法的有效性。     

模糊粗糙集理论在空间电力负荷预测中的应用

基于遗传算法对连续数据进行区间数的最优量化和区间的分点值计算,同时将各量化区间模糊化,对预处理后的数据利用粗糙集理论建立小区用地属性决策表,并进行属性约简,得出决定小区用地类型的决策规则.同时,分析计算了各条件属性对各用地类型的不同权重,克服了传统方法确定权重系数的主观性.     

遗传算法在水轮发电机模糊神经网络励磁控制器设计中的应用研究

本文在分析了模糊神经网络(FNN)控制器的工作原理及设计方法的基础上,提出了一种采用遗传算法优化设计水轮发电机模糊神经网络励磁控制器的方法。其基本过程是利用遗传算法得到初始模糊控制规则,并对初始规则进行过滤,在此基础上利用遗传算法结合模拟退火对得到的模糊神经网络进行训练。仿真结果表明与根据专家经验获得模糊规则和BP算法进行学习的常规FNN比较,采用遗传算法优化设计的模糊神经网络励磁控制器所构成的励磁系统具有更好的动态性能。     

城市路口交通灯多级智能控制方法的研究

路口交通灯的控制是城市交通的一个重要内容.介绍了一种交通灯智能多级控制系统的实现方法.该方法采用多级模糊控制结构,避免了由于交通系统的多变量及时变性而产生控制规则复杂的问题.通过仿真实验,与传统的固定延时系统相比缩短了车辆的平均延误时间,同时也证明了此方法的先进性与可行性,为该方法的实际应用奠定了理论基础.     

基于单点动载荷时域识别的PATRAN模块设计

基于动载荷识别理论,根据单位脉冲法以及线性叠加原理可以获得任意结构的单点识别模型,应用PCL语言可以实现对PATRAN的二次开发.以PATRAN软件为平台,设计了一个单点载荷时域识别的模块,由用户界面输入相关参数进行理论计算,得到载荷并将识别的时间历程曲线在软件中显示.算例表明该系统具有良好的操作性和直观性,稳定性好,...     

电力系统动态经济调度优化问题的膜计算方法

将膜计算方法用于求解电力系统动态经济调度优化问题。首先利用二次罚函数将多约束经济调度问题转化为无约束优化问题,对于膜计算的3个基本要素——膜内对象、膜结构和进化规则,该方法以各发电机组24时段的出力值作为膜内对象;采用具有嵌套结构的类细胞膜型膜结构,包含并行基本膜和拟高尔基体膜;在基本膜内执行交叉规则、变异规则、修正规则和保留规则,拟高尔基体被激活后执行移位规则、提取规则和目标导向规则。通过膜内对象不断进化择优,从而实现对动态经济调度问题的求解。基于IEEE 39和IEEE 118节点测试系统的算例,表明该文所提方法能够有效求解电力系统动态经济调度优化问题,与遗传算法和粒子群算法相比,该方法的计算结果和稳定性均更优,具有很好的应用前景。