格式:pdf
大?。?span class="single-tag-height">341KB
頁數(shù): 6頁
模擬進化類算法具有全局尋優(yōu)特性但計算時間過長,而梯度類算法具有很高的局部搜索效率但容易陷入局部最優(yōu)點?;谀M進化類算法和梯度類算法的優(yōu)點提出一種混合優(yōu)化算法,即以蟻群算法起步,經(jīng)過一定次數(shù)的迭代后切換為梯度算法。提出目標值下降準則和區(qū)間收縮準則兩種切換算法策略,并且進行對比。針對電力負荷參數(shù)辨識,通過仿真算例和實際應用進行測試。結果表明,在保證相同精度的前提下混合優(yōu)化算法大大提高了計算效率。
格式:pdf
大小:1.3MB
頁數(shù): 5頁
提出了一種基于云模型的電力負荷預測模型.利用云模型中的云發(fā)生器,分別將有限的國民生產(chǎn)總值和工業(yè)生產(chǎn)總值的增長率和增長變化率樣本數(shù)據(jù)空間擴充為更具隨機性和普遍性的擴展樣本數(shù)據(jù).以國民生產(chǎn)總值為例,建立國民生產(chǎn)總值與電力負荷之間的規(guī)則推理,構造云規(guī)則推理器.利用云規(guī)則推理器獲得電力負荷預測增長率,將國民生產(chǎn)總值和工業(yè)生產(chǎn)總值獲得的電力負荷預測增長率進行加權平均,并換算得到最終的電力負荷預測值,獲得的預測結果精度高.