PSOEM算法在不均匀光照下最大功率点跟踪中的研究

针对目前光伏发电技术的研究现状,分析了在不均匀光照下的最大功率点跟踪(MPPT)的原理和基本算法。提出了带扩展记忆的粒子群算法(PSO with Extended Memory,简称PSOEM),与标准粒子群算法的性能进行了比较,针对不均匀光照下光伏阵列输出特性曲线存在多个局部峰值,根据PSOEM在多峰函数的全局寻优、多变量寻优方面的良好性能,将其应用到不均匀光照下光伏阵列的最大功率跟踪控制中,解决了局部遮阴下多峰寻优的问题。     

带扩展记忆的粒子群优化最小二乘支持向量机在中长期电力负荷预测中的应用

针对中长期电力负荷预测,考虑了影响中长期电力负荷的各种因素,提出了一种带扩展记忆的粒子群优化算法(PSOEM)与最小二乘支持向量机(LSSVM)相结合的中长期负荷预测方法。PSOEM比传统PS0收敛速度更快,精度更高,具有更强的寻优能力,因此利用PSOEM算法对LSSVM参数进行优化选择,获得了较优的PSOEM-LSSVM预测模型。通过实例仿真表明,该方法与其他几种方法相比具有更高的预测精度和速度。