排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
SVM是数据挖掘中一种具有优良模式识别性能的新方法,该方法具有学习速度快、全局最优和泛化能力强等优点。首先利用支持向量机回归(SVR)构建辨识遥测不良数据的模型,在状态估计前通过比较预测值与实测值之间的差值来一次性辨识遥测不良数据。接着将状态估计后得到的标准残差作为支持向量机分类(SVC)的输入,依靠拓扑错误的残差特性来分类辨识出拓扑错误。通过对IEEE-30母线的仿真分析证明了该方法的有效性,现行状态估计器的效率及合格率可以得到很好的提高。 相似文献
2.
针对高中压配电网电压无功优化中的开关设备动作次数问题,提出了基于改进粒子群算法的实时电压无功优化方法。该方法将带有记忆与指导信息的活性因子加入适应度函数,根据配电网特点初始化粒子种群,实现实时优化计算中动作次数约束的考虑。在速度更新公式中引入约束指导分量,将位于不可行域内的粒子尽快拉回可行域,减少粒子在无效空间的搜索。对粒子群进行分群寻优,通过采取不同的适应度计算策略加速了算法的收敛。对某一实际高压配电系统进行了实时电压无功优化计算仿真测试。结果表明算法在改善系统电压、降低网损和控制动作次数方面是令人满意的。 相似文献
3.
1