-
题名自适应磷虾群优化Elman神经网络的目标威胁评估
被引量：8
- 1
-
-
作者
李志鹏
李卫忠
杜瑞超
-
机构
空军工程大学防空反导学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第7期226-231,共6页
-
基金
国家自然科学基金(No.61503407)
-
文摘
提出一种自适应磷虾群算法,在基本磷虾群算法中引入遗传繁殖机制,并加入进化算子和优化算子构成自适应环节,提高了算法的全局搜索能力和预测精度;通过自适应磷虾群算法对Elman神经网络的初始权值和阈值进行寻优,并在此基础上建立目标威胁评估模型。仿真实验表明,自适应磷虾群优化Elman神经网络既保证了一定的收敛速度,又能够使寻优精度得到明显提升,其对测试集的预测结果优于传统Elman神经网络和基本磷虾群优化Elman神经网络,从而验证了算法模型在目标威胁评估中的可行性、有效性。
-
关键词
自适应磷虾群算法
遗传繁殖机制
ELMAN神经网络
目标威胁评估
威胁值
-
Keywords
adaptive krill herd algorithm
genetic breeding mechanism
Elman neural network
target threat assessment
threat value
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名计及风电场无功支撑性能的多目标优化调度策略
被引量：1
- 2
-
-
作者
杨健
王玮
周强
付炳喆
任国瑞
-
机构
华北电力大学控制与计算机工程学院
国网甘肃省电力公司电力科学研究院
-
出处
《动力工程学报》
北大核心
2025年第1期87-95,105,共10页
-
基金
国家自然科学基金资助项目(52107091)。
-
文摘
为解决高比例新能源接入背景下无功补偿不充分的问题,提出了一种计及风电场无功支撑性能的多目标优化调度策略。从电力系统运行的电压稳定性、无功裕度安全性和功率损耗经济性方面分析了风电场无功支撑性能,构建了考虑多指标满意度区间的二次函数组,建立了系统多区间动态优化模型;同时,针对无功优化调度问题的非线性、多约束等特征,提出了自适应混沌差分磷虾群算法(A-CDKH);最后,通过修改的IEEE30节点模型和某实际风电场模型上的仿真结果证明了所提策略的优势性及有效性。结果表明:相比于多目标模糊优化模型,采用多目标动态优化模型所求得的电压偏差指标最高可达到32.99%的优化程度;在电压偏差指标上,A-CDKH相比于其他算法最多能优化75.94%。
-
关键词
新能源
风电场
无功优化调度
指标动态优化
自适应混沌差分磷虾群算法
-
Keywords
new energy resources
wind farm
reactive power optimal dispatch
objective dynamic optimization
adaptive chaotic differential krill herd algorithm
-
分类号
TK229.2
[动力工程及工程热物理—动力机械及工程]
-
