双胞支持向量回归TSVR(twin support vector regression)参数的合理选择严重影响回归结果的准确性。该文采用竞争型智能单粒子算法CISPO(competitive intelligent single particle optimizer)优化参数。CISPO针对智能单粒子算法中各因...双胞支持向量回归TSVR(twin support vector regression)参数的合理选择严重影响回归结果的准确性。该文采用竞争型智能单粒子算法CISPO(competitive intelligent single particle optimizer)优化参数。CISPO针对智能单粒子算法中各因子值难以确定的问题,在每次迭代中根据待优化参数的变化情况自动选择最佳的因子值,同时引入迭代竞争因子,避免算法前期陷入混乱,而后期又能更好地找到全局最优值。将基于CISPO优化的TSVR模型应用到电力系统短期负荷预测中,结果表明,该方法能有效提高负荷预测的速度和精度。展开更多
提出了一种应用含衰老和竞争机制的粒子群算法(Particle Swarm Optimization with Aging and Challenging Mechanism,ACM-PSO),分别从负荷侧和电源侧求解并网光伏发电置信容量。在构建了以常规机组类型数为系统状态变量的基础上,将ACM-...提出了一种应用含衰老和竞争机制的粒子群算法(Particle Swarm Optimization with Aging and Challenging Mechanism,ACM-PSO),分别从负荷侧和电源侧求解并网光伏发电置信容量。在构建了以常规机组类型数为系统状态变量的基础上,将ACM-PSO算法作为一种系统状态扫描及分类工具筛选出对发电可靠性指标有贡献的系统故障状态集。定义了负荷比例增加方式,以光伏发电接入前后系统电力不足期望(loss of load expectation,LOLE)保持不变为原则,分别从负荷侧和电源侧构建了目标函数,应用ACM-PSO算法求解光伏发电的有效荷载能力和等效常规机组容量。应用改进的IEEE-RTS79测试系统验证了所提方法的有效性。展开更多
文摘双胞支持向量回归TSVR(twin support vector regression)参数的合理选择严重影响回归结果的准确性。该文采用竞争型智能单粒子算法CISPO(competitive intelligent single particle optimizer)优化参数。CISPO针对智能单粒子算法中各因子值难以确定的问题,在每次迭代中根据待优化参数的变化情况自动选择最佳的因子值,同时引入迭代竞争因子,避免算法前期陷入混乱,而后期又能更好地找到全局最优值。将基于CISPO优化的TSVR模型应用到电力系统短期负荷预测中,结果表明,该方法能有效提高负荷预测的速度和精度。
文摘提出了一种应用含衰老和竞争机制的粒子群算法(Particle Swarm Optimization with Aging and Challenging Mechanism,ACM-PSO),分别从负荷侧和电源侧求解并网光伏发电置信容量。在构建了以常规机组类型数为系统状态变量的基础上,将ACM-PSO算法作为一种系统状态扫描及分类工具筛选出对发电可靠性指标有贡献的系统故障状态集。定义了负荷比例增加方式,以光伏发电接入前后系统电力不足期望(loss of load expectation,LOLE)保持不变为原则,分别从负荷侧和电源侧构建了目标函数,应用ACM-PSO算法求解光伏发电的有效荷载能力和等效常规机组容量。应用改进的IEEE-RTS79测试系统验证了所提方法的有效性。
