混合粒子群径向基神经网络的短期负荷预测的应用

电力短期负荷预测的结果对电力系统的经济效益具有重要影响.为了克服基本粒子群(Particle Swarm Optimization,PSO)算法收敛精度不高、易陷入局部最优的缺点,提出一种将自然选择和变异结合的混合粒子群(Hybrid Particle Swarm Optimization,HPSO)算法,可以保持种群的多样性,有效地避免粒子早熟,并利用混合粒子群算法优化径向基神经网络的权值,最后将优化好的径向基神经网络进行广西某市的短期电力负荷预测.计算结果表明,该算法收敛速度快,并达到了提高预测精度和改善网络性能的要求.     

可供选用的配电站中型布置方案

提出配电站环母中型布置方案。通过与普通中型布置方案和分相中型布置方案进行分析比较，认为这种环母中型布置方案，具有节约占地面积，节省三材的优点。可供设计电厂及变电站的配电装置时选用和参考。     

用MAX_MIN蚂蚁算法解决中国旅行商问题

简要阐述了中国旅行商问题,介绍了MAX_MIN蚂蚁算法的原理和其在蚁群算法上的改进,使用MAX_MIN蚂蚁算法解决该问题,最后的试验结果证明该方法在解决这种问题上是有效的.     

基于灰关联矢量投影法的黑启动方案优选

制定科学合理的黑启动方案对于实现电力系统大面积停电后的快速恢复具有重要的现实意义。提出了基于灰关联矢量投影法的黑启动方案评估模型,通过层次分析法确定指标的主观权重,采用熵权法确定指标的客观权重,基于加法原理融合主客观权重信息得到各指标的综合权重值。结合灰色系统理论和矢量投影原理,计算评价对象的优属度,实现黑启动方案优选。实际电网的应用实例证明了该方法可以为黑启动恢复提供科学合理的决策参考。     

基于组合权重物元可拓模型的电网规划风险评价

如何处理风险指标权重是电网规划风险评价方法要解决的问题。针对电网规划风险建立风险评价指标体系,基于物元模型和可拓集理论的电网规划风险评价模型,提出组合权重模式:首先用层次分析法得到主观权值,然后用熵权法对主观权值进行修正,恰当地处理了不确定性和专家判断的模糊性。最后通过电网规划实例进行分析,验证了组合权重的合理性。     

基于云理论的高压绝缘子污秽状态风险评估

针对绝缘子污秽状态模糊综合评判中只考虑评价指标的模糊性而忽略了评价指标的随机性的特点,提出了基于云理论的绝缘子污秽状态综合评判模型。利用反映绝缘子状态的放电脉冲数、运行年限、气象条件、环境湿度、温度等五个特征参量构建评判指标体系。通过期望值、熵、超熵组成云隶属度函数反映绝缘子污秽状态综合评判等级界限值的模糊性和随机性,实现分级区间软化。利用聚类层次分析法确定主观权重,综合考虑各评判指标的均衡性,对主观权重进行修正得到变权。运用云理论的计算方法得出最终的评判结果。在此基础上定义了置信度系数,使得该模型具有同     

自适应变异粒子群算法及在输电网规划中的应用

针对标准粒子群优化（SPSO）算法易陷入局部最优的缺点,引入了一种自适应变异的粒子群优化（AMPSO）算法,并应用于电力系统输电网规划。该算法在迭代过程中加入变异操作,并根据种群适应度方差值自适应地调整变异概率的大小,以此来增强算法跳出局部最优的能力。在输电网规划算例中的应用结果表明,变异操作改善了算法的寻优性能,使得AMPSO算法的寻优效率远高于SPSO算法。     

证据理论在短期负荷预测相似日选择中的应用

合理选择预测相似日是提高综合负荷预测模型预测效果的有效途径。依据人工经验选相似日的传统方法并不具备最好的预测效果。选择相似日问题可以归结为一个判决问题,即选择与待预测日气象等因素最相似的一天。影响电力系统短期负荷的因素有很多,且常常难以定量表达,针对电力系统短期负荷预测中存在的不确定性问题,将证据理论应用于短期负荷预测中的相似日选择上来。用广西某地方电网的实际数据验证表明,将证据理论应用于相似日的选取,能较准确选择相似日从而提高了预测精度。     

基于气象累积和ACA-GRNN的短期电力负荷预测

针对气象条件具有累积效应以及不同气象条件对负荷影响的程度不同的特点,采用一加权的几何距离公式来选取神经网络的训练样本,不仅加快了神经网络的训练速度,而且加强了神经网络的逼近能力.同传统的神经网络相比,广义回归神经网络的训练过程实际上是不断地调整平滑参数σ的过程,因此,σ的不同取值对网络的输出具有重要的影响.在优化广义回归神经网络的平滑参数σ时,采用基于蚁群种群的新型优化算法——蚁群算法来优化,在很大程度上减少了人为选择参数的主观影响.最后通过实例验证了该模型的有效性.     

基于改进人口迁移算法的输电网扩展规划

输电网扩展规划是一个非常复杂的大规模组合优化问题,对比提出了一种改进人口迁移算法的求解方法.标准人口迁移算法在求解过程中搜索容易陷入局部最优解和后期收敛时间较长等问题,针对以上缺点,对算法的迭代初始化、种群生成策略以及参数设置进行了改进,将遗传算法的最优保留思想引入到算法中,提高了算法搜索全局最优解的能力与收敛到最优解...