格式:pdf
大?。?span class="single-tag-height">140KB
頁數(shù): 2頁
電力系統(tǒng)中每小時負(fù)荷具有波動性,為了提高短期電力負(fù)荷預(yù)測的精度,本文提出第一個改進(jìn)的基于小波神經(jīng)網(wǎng)絡(luò)的預(yù)測模型,此模型應(yīng)用布谷鳥優(yōu)化算法對小波神經(jīng)網(wǎng)絡(luò)中的參數(shù)進(jìn)行優(yōu)化后,再對數(shù)據(jù)進(jìn)行預(yù)測。通過澳大利亞新南威爾士州的電力負(fù)荷數(shù)據(jù)的分析,與傳統(tǒng)的ARIMA模型相比較,提出的改進(jìn)模型能夠很好地提高預(yù)測精度。
格式:pdf
大?。?span class="single-tag-height">334KB
頁數(shù): 5頁
梯級水庫優(yōu)化調(diào)度模型的求解一直是水利學(xué)科需要深入研究的基本問題。使用改進(jìn)布谷鳥算法求解梯級水庫優(yōu)化調(diào)度模型是一種新思路。布谷鳥算法是近年來提出的一種新穎的啟發(fā)式全局搜索算法,該算法參數(shù)少、魯棒性強(qiáng)、搜索效率高,已得到廣泛的研究和應(yīng)用。對標(biāo)準(zhǔn)布谷鳥算法的尋優(yōu)機(jī)制作了闡述,并嘗試在算法進(jìn)化過程中采用動態(tài)發(fā)現(xiàn)概率以及引入變異機(jī)制對標(biāo)準(zhǔn)算法進(jìn)行改進(jìn),提出了改進(jìn)的布谷鳥算法,并將其應(yīng)用于某梯級水庫優(yōu)化調(diào)度中。以實例驗證了布谷鳥算法在梯級水庫優(yōu)化調(diào)度中的可行性和有效性,提出的改進(jìn)策略可有效克服標(biāo)準(zhǔn)算法中的\"早熟\"現(xiàn)象,改進(jìn)算法搜索效率更高,尋優(yōu)結(jié)果更穩(wěn)定。