排序方式: 共有72条查询结果,搜索用时 15 毫秒
61.
分析了传统的粒子群优化(particle swarm optimization,PSO)算法和径向基(radial basis function,RBF)神经网络的优缺点,提出一种自适应变系数粒子群优化算法(adaptive variable coefficients particle swarm optimizer,AVCPSO)。该算法与RBF神经网络结合形成自适应变系数粒子群-径向基(AVCPSO-RBF)神经网络混合优化算法。基于此优化算法,建立了短期电价预测模型,并利用贵州电网历史数据进行短期电价预测。仿真计算结果表明,AVCPSO-RBF混合优化算法在短期电价预测中优于传统RBF神经网络法和PSO-RBF神经网络方法,克服了上述2种方法的缺点,改善了RBF神经网络的泛化能力,具有输出稳定性好、预测精度高、收敛速度快等特点,使用该方法得到的各日预测电价的平均百分比误差可控制在2%以内,平均绝对误差最大值为1.652RMB/MW·h。 相似文献
62.
对目前水电站水轮机调节系统分析所用方法如:新型FNNS控制策略,智能权函数模糊控制,MATLAB软件及SIMULINK等方法在水轮机调节系统计算机辅助分析中的应用作一简要介绍。 相似文献
63.
64.
65.
自适应变系数粒子群—径向基神经网络模型在负荷预测中的应用 总被引:1,自引:0,他引:1
为了提高短期电力负荷预测精度,提出了一种自适应变系数粒子群-径向基函数神经网络混合优化算法(AVCPSO-RBF).实现了径向基神经网络参数优化.建立了基于该优化算法的短期负荷预测模型,利用贵州电网历史数据进行短期负荷预测.仿真表明,该方法的收敛速度和预测精度优于传统径向基神经网络方法和粒子群-RBF神经网络方法及基于混沌理论的神经网络模型,该优化算法克服了径向基神经网络和传统的粒子群优化方法的缺点,改善了径向基神经网络的泛化能力,提高了贵州电网短期负荷预测的精度,各日预测负荷的平均百分比误差可控制在1.7%以内.该算法可有效用于电力系统的短期负荷预测. 相似文献
66.
67.
AD7714是一种直接从传感器接收电信号,一般不再需要信号调理电路的多通道、放大系数可编程的低频AD转换器,采用sigma-delta转换技术实现高达24位无误码AD转换。利用AD7714内部丰富的资源和可以工作于 3V电池供电的PIC16C73B单片机,实现低频模拟量的AD转换,可有效简化硬件电路结构,大大提高测量仪器的性能价格比。AD7714是智能微控制器和DSP系统的理想选择。 相似文献
68.
69.
基于布谷鸟搜索算法的变电站选址方法研究 总被引:1,自引:0,他引:1
摘要: 传统变电站选址算法通常搜索时间长,且搜索质量不高。布谷鸟算法(CS)可有效克服传统算法中的“早熟”现象,有更高的全局寻优能力和搜索率。将该算法引入变电站选址模型,在模型中加入地理信息惩罚因子,应用布谷鸟搜索算法进行求解,用实际算例进行有惩罚因子和无惩罚因子模型的对比,证明加入地理信息因素可使变电站选址结果更加切合实际。 相似文献
70.