期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于多策略改进PSO算法的微电网优化调度研究 被引量：7
1
作者 马宽 何国锋 +2 位作者 董燕飞 李国娇 李睿 《智慧电力》 北大核心 2023年第8期23-29,45,共8页
为解决微电网中随机性、波动性和分布式电源出力管理困难问题,提出一种并网模式下微电网优化调度的综合经济模型。首先,考虑蓄电池和峰谷电价的影响,计及失负荷和蓄电池超容惩罚成本,建立以微电网运行成本和污染物排放成本最低的目标函... 为解决微电网中随机性、波动性和分布式电源出力管理困难问题,提出一种并网模式下微电网优化调度的综合经济模型。首先,考虑蓄电池和峰谷电价的影响,计及失负荷和蓄电池超容惩罚成本,建立以微电网运行成本和污染物排放成本最低的目标函数;其次,引入白鲨优化算法(WSO)的全局动态捕猎特性,对粒子群优化算法(PSO)进行了Tent混沌映射、动态时间因子和多项式变异的多策略改进,并将其应用于求解多目标多约束非线性的微电网优化问题。仿真结果表明,与PSO算法和麻雀搜索算法(SSA)相比,改进PSO算法用于微电网优化调度可降低微电网运行成本、减少环境污染并提高新能源供电的可靠性。 展开更多
关键词 微电网 粒子群算法 白鲨算法 多项式变异
下载PDF
基于改进WSO的新能源送端系统多保护下低频减载方法
2
作者 王海军 吴占贵 +3 位作者 宋志龙 李洋 穆小强 孙远 《能源与环保》 2024年第7期203-210,共8页
在我国新能源电网规模及新能源发电并网容量持续扩大背景下,新能源送端系统的功率波动风险增加,这对电网第三道保护防线低频减载提出了更高的要求。针对现有多功能保护下的低频减载执行方案在新能源送端执行合格率较低、稳定性较差以及... 在我国新能源电网规模及新能源发电并网容量持续扩大背景下,新能源送端系统的功率波动风险增加,这对电网第三道保护防线低频减载提出了更高的要求。针对现有多功能保护下的低频减载执行方案在新能源送端执行合格率较低、稳定性较差以及时效性不足的问题,提出了一种基于改进WSO的新能源送端系统多保护下低频减载方法。首先,考虑送端系统线路相对于全网负荷曲线趋势的波动性,建立基于面向多保护功能配置的低频减载执行方案指标体系;其次,针对低频减载方案指标体系建立其目标函数,同时考虑系统的静态约束以及暂态约束建立低频减载整定模型;然后,引入白鲨优化算法(WSO)全局动态捕猎特性,对粒子群优化算法(PSO)进行了Tent混沌映射、动态时间因子和多项式变异的多策略改进;最后,基于修改后的IEEE39节点进行实证分析,利用所提改进的WSO-PSO算法对多保护功能下的低频减载整定模型进行求解,证明了所提方法执行合格率、稳定度以及应用时效性相对于其他方法均更优。 展开更多
关键词 新能源 低频减载 整定方法 粒子群算法 白鲨算法
下载PDF
基于深度学习神经网络超参数优化的入库径流预测方法研究——以云南省暮底河水库为例 被引量：5
3
作者 陈金红 崔东文 《三峡大学学报（自然科学版）》 CAS 2023年第4期25-32,共8页
准确的入库日径流预测在水库优化调度中发挥着重要作用.为提高日径流预测精度,提出了基于小波包变换(WPT)并结合了白鲨优化(WSO)算法的门限循环控制单元(GRU)、长短期记忆神经网络(LSTM)、卷积神经网络(CNN)日径流时间序列预测模型,以... 准确的入库日径流预测在水库优化调度中发挥着重要作用.为提高日径流预测精度,提出了基于小波包变换(WPT)并结合了白鲨优化(WSO)算法的门限循环控制单元(GRU)、长短期记忆神经网络(LSTM)、卷积神经网络(CNN)日径流时间序列预测模型,以云南省暮底河水库2018—2020年入库日径流时间序列预测为例对各模型进行检验.首先利用WPT将日径流时序数据分解为若干子序列分量;其次引入WSO对GRU、LSTM、CNN超参数进行调优,建立WPT-WSO-GRU、WPT-WSO-LSTM、WPT-WSO-CNN模型;最后利用所建立的模型对各子序列分量进行预测及加和重构,并构建WPT-GRU、WPT-LSTM、WPT-CNN及基于BP神经网络的WPT-WSO-BP、WPT-BP作对比分析模型.结果表明:WPT-WSO-GRU、WPT-WSO-LSTM、WPT-WSO-CNN模型对实例日径流预测的平均绝对百分比误差EMAP分别为3.67%、5.52%、8.98%,平均绝对误差EMA分别为0.120、0.155、0.329 m^(3)/s,确定性系数DC分别为0.996 2、0.995 7、0.974 0 s,预报合格率RQ分别为98.1%、96.4%、89.6%,预测效果优于对应未经WSO调优的WPT-GRU、WPT-LSTM、WPT-CNN模型及WPT-WSO-BP、WPT-BP模型,其中WPT-WSO-GRU模型具有更高的预测精度和更好的泛化能力,WPT-WSO-LSTM模型次之.WSO能有效调优GRU、LSTM、CNN超参数,提高GRU、LSTM、CNN预测性能.WPT-WSO-GRU、WPT-WSO-LSTM模型在入库日径流时间序列预测研究中具有较好的应用前景. 展开更多
关键词 日径流预测 门限循环控制单元 长短期记忆神经网络 卷积神经网络 白鲨优化算法 小波包变换
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部