排序方式: 共有156条查询结果,搜索用时 31 毫秒
151.
针对电能质量评估中存在主观性和不确定性,提出一种基于可拓云模型与模糊贴近度的电能质量评估方法。首先,计及电能质量等级分类处的模糊性和随机性,以可拓云理论为基础构建电能质量评估框架;其次,运用云熵优化兼顾2种不同云熵计算方法的特点确定新的云熵值,得到改进可拓云模型来计算每个指标对应质量等级关联度;最后,借鉴TOPSIS法确定电能质量指标正负理想等级,通过比较每个非对称贴近度向量与正负理想等级的贴近情况判定最终电能质量评估结果。某变电站10 kV母线实测数据验证了该方法的准确性和有效性。 相似文献
152.
针对现有非侵入式居民用电负荷监测缺乏对独立负荷完整、全面的分解方法,导致用电信息的完整性得不到保证的不足,提出一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)和Pearson-PCA改进的盲源分离算法。首先,利用EEMD对总功率信号分解,以消除经验模态在分解过程中易出现模态混叠的现象,并得到一系列本征模函数(IMF)。然后,结合Pearson相关系数和PCA,提出Pearson-PCA改进算法对IMF进行降维,剔除相关性较弱的IMF分量,以及估计源信号数目。其次,运用快速独立分量分析(Fast Independent Component Analysis, FastICA)对降维后的IMF进行分解,计算得出源功率信号。最后,将提出的改进算法应用于非侵入式居民用电负荷分解问题,采用能量分解数据集(Reference Energy Disaggregation Data, REDD)进行实验仿真。实验结果表明:在不同用电场景下,提出的改进算法均具有较好的分解效果。 相似文献
153.
154.
155.
为提高清洁能源消纳率及减少碳排放对环境的污染,实现更具泛化能力、鲁棒性和高效性的区域综合能源系统优化调度,该文提出了基于优势柔性策略–评价(advantage learning soft actor-critic,ALSAC)算法和迁移学习的区域综合能源系统优化调度方法。利用环境信息与智能体进行通信交互,以低碳、经济为目标实现区域综合能源系统的优化调度。在文中分析了提升柔性策略–评价(soft actor-critic,SAC)鲁棒性的最大熵机制,并与基于策略梯度的多种深度强化学习算法和启发式算法进行了性能对比,随后将优势学习的思想引入SAC的Q值函数更新中,解决了算法对Q值的过估计问题,提升了算法的性能。为提高智能体的学习效率和应对新场景的泛化能力,加入了迁移学习的参数迁移。算例表明,基于ALSAC算法和迁移学习的优化调度策略具有较好的鲁棒性、泛化能力和高效的学习效率,实现区域综合能源系统的灵活高效调度。 相似文献
156.