合理规划好集中供热一次网的供热负荷,对满足热用户的舒适度和减少能源消耗有着重要意义。为此提出一种改进金豺算法(improved golden jackal optimization,IGJO)优化的CNN-BiLSTM热负荷预测模型。综合考虑一次网各项参数和天气因素的影...合理规划好集中供热一次网的供热负荷,对满足热用户的舒适度和减少能源消耗有着重要意义。为此提出一种改进金豺算法(improved golden jackal optimization,IGJO)优化的CNN-BiLSTM热负荷预测模型。综合考虑一次网各项参数和天气因素的影响,将热负荷历史值和一次网供水温度、供水流量、供水压力、外界天气温度组成CNN-BiLSTM网络的输入,利用CNN-BiLSTM网络提取输入数据的空间特征和时间特征。同时,通过Circle混沌映射、螺旋波动搜索、自适应t变异策略改进GJO,得到的IGJO有效解决了GJO全局搜索能力弱和收敛精度不高的问题,具有高效的寻优效果,然后利用IGJO寻优CNN-BiLSTM网络的超参数,解决了因CNN-BiLSTM网络的超参数选取不当而影响热负荷预测结果的问题。最后利用吉林延边某换热站2021年1月到3月供热负荷数据进行模型测试。结果表明,所提IGJO-CNN-BiLSTM预测结果的MAE、MAPE、RMSE和NSE分别为0.005 MW、0.33%、0.008 MW和0.97,相比LSTM、CNN-LSTM等模型,具有更优的预测精度。展开更多
为解决电力系统稳定器(power system stabilizer,PSS)参数设置困难及传统的智能优化算法在寻优的过程中容易陷入局部最优,导致收敛速度下降的问题,因此文中采用混合策略改进SSA算法优化PSS参数。首先采用tent混沌映射来优化初始种群,提...为解决电力系统稳定器(power system stabilizer,PSS)参数设置困难及传统的智能优化算法在寻优的过程中容易陷入局部最优,导致收敛速度下降的问题,因此文中采用混合策略改进SSA算法优化PSS参数。首先采用tent混沌映射来优化初始种群,提高种群多样性;采用柯西变异、正余弦策略和反向学习策略(opposition-based learning,OBL)来提升收敛速度;然后对6种测试函数进行寻优实验,将改进的SSA与PSO、GWO、SSA、SSSA优化结果对比,验证改进的SSA算法具有更好的收敛速度和稳定性;最后,将改进的SSA算法应用在单机无穷大系统及四机二区域系统的PSS参数优化中,与其他算法优化结果比较,验证改进的SSA在PSS参数优化方面的鲁棒性更好,收敛速度更快。展开更多
文摘为解决电力系统稳定器(power system stabilizer,PSS)参数设置困难及传统的智能优化算法在寻优的过程中容易陷入局部最优,导致收敛速度下降的问题,因此文中采用混合策略改进SSA算法优化PSS参数。首先采用tent混沌映射来优化初始种群,提高种群多样性;采用柯西变异、正余弦策略和反向学习策略(opposition-based learning,OBL)来提升收敛速度;然后对6种测试函数进行寻优实验,将改进的SSA与PSO、GWO、SSA、SSSA优化结果对比,验证改进的SSA算法具有更好的收敛速度和稳定性;最后,将改进的SSA算法应用在单机无穷大系统及四机二区域系统的PSS参数优化中,与其他算法优化结果比较,验证改进的SSA在PSS参数优化方面的鲁棒性更好,收敛速度更快。
