造價通
更新時間：2024.12.28
電力負(fù)荷模型參數(shù)辨識的混合優(yōu)化算法

格式：pdf

大小：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(biāo)值下降準(zhǔn)則和區(qū)間收縮準(zhǔn)則兩種切換算法策略,并且進行對比。針對電力負(fù)荷參數(shù)辨識,通過仿真算例和實際應(yīng)用進行測試。結(jié)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。

基于云模型的電力負(fù)荷預(yù)測

格式：pdf

大?。?span class="single-tag-height">1.3MB

頁數(shù)： 5頁

提出了一種基于云模型的電力負(fù)荷預(yù)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(fù)荷之間的規(guī)則推理,構(gòu)造云規(guī)則推理器.利用云規(guī)則推理器獲得電力負(fù)荷預(yù)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(fù)荷預(yù)測增長率進行加權(quán)平均,并換算得到最終的電力負(fù)荷預(yù)測值,獲得的預(yù)測結(jié)果精度高.

熱門知識

電力負(fù)荷歷史數(shù)據(jù)

精華知識

電力負(fù)荷歷史數(shù)據(jù)

最新知識

電力負(fù)荷歷史數(shù)據(jù)
點擊加載更多>>

相關(guān)問答

電力負(fù)荷歷史數(shù)據(jù)
點擊加載更多>>
專題概述
電力負(fù)荷歷史數(shù)據(jù)相關(guān)專題

分類檢索：