排序方式: 共有94条查询结果,搜索用时 0 毫秒
81.
针对电价序列具有非线性和非平稳性的特点,提出了一种基于奇异谱分析(SSA)和改进布谷鸟算法(ICS)优化极限学习机(ELM)的短期电价预测模型。采用奇异谱分析提取电价序列中的趋势成分和振荡成分,进行准周期信号分量重建,并对重建序列进行ELM建模预测。针对ELM预测模型中的参数易陷入局部最优的问题,为了提高预测精度,提出改进布谷鸟算法优化预测模型的参数。最后将所有预测序列进行叠加,得到最终的电价预测值。以澳大利亚某电力市场电价数据为例进行分析,通过与其他几种预测模型相比,表明SSA-ICS-ELM模型能有效提高电价预测的精度和稳定性。 相似文献
82.
83.
水轮发电控制是一个复杂的动态过程,特别是对大型机组,控制策略和优化算法的选取对机组的性能尤为重要.为了获取不同工况下水轮发电机组调速器的优化参数,首先建立了一种机组的非线性全数字仿真模型.结合调节系统的特点,提出了一种新的反映系统综合性能指标的适应度函数,利用遗传算法对自适应变参数PID调速器的3个参数bt,Td,Tn进行了优化.具体实施优化过程中,采用了C++ Builder编制遗传算法主程序;使用了Matlab中的Simulink工具箱建立机组仿真模型,交互接口通过Matlab中的引擎Engine来实现.仿真实验表明:与正交实验法寻优结果相比较,在机组的不同运行状态、不同工况下遗传算法都能获得更为理想的寻优效果.同时,该优化方法已经应用于某巨型电站的调速器中. 相似文献
84.
针对设备故障和人为干扰等因素造成光伏数据缺失的问题,提出了一种基于生成对抗网络和纵横交叉粒子群算法的光伏数据缺失重构方法。首先,使用Wasserstein散度生成对抗网络(Wasserstein divergence for GANs,WGAN-div)学习光伏数据的时序性规律与耦合关系;其次,设计了重构约束,通过优化生成器的噪声输入,使得重构后的样本最大限度贴近真实样本;针对优化高维变量问题,采用纵横交叉算法催化粒子群算法的寻优过程,防止优化时出现早熟问题。实验结果表明,在光伏数据含有大量缺失值时,所提方法具有较高的重构准确率。该方法也适用于电力系统中类似数据的缺失值重构,具有良好的应用前景。 相似文献
85.
86.
针对常规Elman神经网络容易陷入局部最优、泛化能力不足等缺点,提出一种混合小波包变换和纵横交叉算法(CSO)优化神经网络的短期风电预测新方法。该混合方法首先利用小波包变换将风电功率时间序列分解成多个不同频率的子序列,然后采用CSO优化后的神经网络(CSO-ENN)对各分量进行提前24 h预测,最后叠加各子序列的预测值,得出实际预测结果。在实例分析中,利用某风电场实际运行数据进行仿真验证。结果表明:新模型的预测精度明显优于其他混合方法和风电场提供的日前预测结果。 相似文献
87.
89.
90.