• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    工程技術(shù)大學(xué)學(xué)報

    2019-01-27 20:06:16
    中國學(xué)術(shù)期刊文摘 2019年19期
    關(guān)鍵詞:模擬退火風(fēng)電場全局

    基于遺傳BP神經(jīng)網(wǎng)絡(luò)的短期風(fēng)速預(yù)測模型

    王德明,王莉,張廣明

    摘要:為了提高風(fēng)電場短期風(fēng)速預(yù)測精度,提出將遺傳算法和反向傳播(BP)神經(jīng)網(wǎng)絡(luò)相結(jié)合的預(yù)測模型.采用自相關(guān)性分析找出對預(yù)測值影響最大的幾個歷史時刻風(fēng)速,以歷史時刻的風(fēng)速、溫度、濕度和氣壓作為BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的輸入變量;利用遺傳算法的全局搜索能力獲得 BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的初始權(quán)值和閾值;采用優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)分別建立1、2、3 h的短期風(fēng)速預(yù)測模型.實驗結(jié)果表明,該方法較BP神經(jīng)網(wǎng)絡(luò)具有預(yù)測精度高、收斂速度快的優(yōu)點。風(fēng)電場風(fēng)速預(yù)測按照預(yù)測時間可以劃分為甚短期預(yù)測、短期預(yù)測、中期預(yù)測和長期預(yù)測。甚短期預(yù)測以分鐘為單位,一般用于風(fēng)力發(fā)電機組控制。短期預(yù)測以小時為單位,主要目的是便于電網(wǎng)合理調(diào)度,保證供電質(zhì)量,為風(fēng)電參與競價上網(wǎng)提供保證。中期預(yù)測以天、周或月為單位,主要用于安排大修或調(diào)試。長期風(fēng)速預(yù)測主要用于風(fēng)電場設(shè)計的可行性研究,預(yù)測風(fēng)電場建成后每年的發(fā)電量。本文主要討論了風(fēng)電場短期風(fēng)速預(yù)測模型的建立。反向傳播 BP神經(jīng)網(wǎng)絡(luò)只要有足夠多的隱含層和隱節(jié)點,就可以以任意的精度逼近非線性映射關(guān)系,其 BP學(xué)習(xí)算法屬于全局逼近的方法,有較好的泛化能力,因此可以用于風(fēng)電場短期風(fēng)速預(yù)測模型的辨識。但是BP神經(jīng)網(wǎng)絡(luò)初始的權(quán)值和閾值是隨機選取的,倘若這些參數(shù)的位置選擇不當(dāng),則會導(dǎo)致網(wǎng)絡(luò)的收斂速度慢、陷入局部最優(yōu)值。遺傳算法(GA)是一種并行隨機搜索最優(yōu)化方法,具有全局搜索能力,因此本文采用GA來確定BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值和閾值,再采用引入動量引子的 BP學(xué)習(xí)算法進行局部尋優(yōu),有利于 BP網(wǎng)絡(luò)很快收斂到全局最優(yōu)解。本文采用遺傳算法優(yōu)化的 BP神經(jīng)網(wǎng)絡(luò)建立風(fēng)電場短期風(fēng)速預(yù)測模型。本文采用自相關(guān)性分析計算了未來要預(yù)測的風(fēng)速和歷史時刻風(fēng)速之間的自相關(guān)系數(shù),從而找出對未來要預(yù)測的風(fēng)速有主要影響的歷史時刻風(fēng)速,以歷史時刻的風(fēng)速、溫度、濕度和氣壓作為 BP神經(jīng)網(wǎng)絡(luò)的輸入變量,這樣減少了 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的輸入變量個數(shù),降低了模型的復(fù)雜度。利用遺傳算法的全局搜索能力找出 BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的初始權(quán)值和閾值,采用動量引子的BP學(xué)習(xí)算法,可以讓BP神經(jīng)網(wǎng)絡(luò)具有更快的收斂速度和更高的精度。如何在預(yù)測時間增加的情況下,提高模型的預(yù)測精度,是以后需要進一步考慮的問題。

    來源出版物:浙江大學(xué)學(xué)報工學(xué)版, 2012, 46(5): 837-841

    入選年份:2017

    混沌模擬退火粒子群優(yōu)化算法研究及應(yīng)用

    劉愛軍,楊育,李斐,等

    摘要:針對粒子群優(yōu)化算法容易陷入局部極值點、進化后期收斂速度慢、精度較差等缺點,提出混沌模擬退火粒子群優(yōu)化(PSO)算法。引入混沌理論對粒子群優(yōu)化算法的參數(shù)進行自適應(yīng)調(diào)整,提高了算法的全局收斂性能|采用模擬退火(SA)算法,依據(jù)概率性的劣向轉(zhuǎn)移,以一定概率接受劣解,使算法具有跳出局部最優(yōu)而實現(xiàn)全局最優(yōu)的能力。引入自適應(yīng)溫度衰變系數(shù),使模擬退火算法能夠根據(jù)當(dāng)前環(huán)境自動調(diào)整搜索條件,從而提高算法的搜索效率。通過7個經(jīng)典函數(shù)測試混沌模擬退火粒子群優(yōu)化算法的性能,并將其應(yīng)用于Job Shop調(diào)度問題。仿真實驗結(jié)果表明,采用新算法有效地克服了停滯現(xiàn)象,增強了全局搜索能力,與遺傳算法、粒子群優(yōu)化算法相比尋優(yōu)性能更佳。本文基于混沌理論、粒子群優(yōu)化算法和模擬退火算法融合的思想提出了混沌模擬退火粒子群優(yōu)化算法,并對7個典型的非線性函數(shù)和2類標(biāo)準(zhǔn)車間調(diào)度問題進行了研究,取得以下結(jié)論,(1)論文提出的混沌模擬退火粒子群優(yōu)化算法,通過混沌序列的隨機遍歷性優(yōu)化粒子的速度和位置變量,變量引導(dǎo)粒子群的粗搜索和精細搜索,使各個粒子向全局最優(yōu)位置聚集,引入模擬退火算法,通過賦予搜索過程一種時變且最終趨于零的概率突跳性,防止了過早陷入精細搜索過程。(2)通過動態(tài)權(quán)重調(diào)整機制平衡算法的全局搜索和局部搜索能力。(3)采用基于適應(yīng)度和接受概率的溫度初始化方法平衡收斂速度和精度。(4)引入動態(tài)溫度衰變系數(shù),根據(jù)微粒個體的目標(biāo)函數(shù)值與種群的平均目標(biāo)函數(shù)值來感知局部收斂情況,并據(jù)此動態(tài)調(diào)整溫度衰減速率,改變局部搜索的深度。實踐證明,混沌模擬退火粒子群優(yōu)化算法實現(xiàn)了基于混沌的隨機遍歷優(yōu)化、基于粒子群的群體智能快速尋優(yōu)操作和基于退溫歷程的控制來實現(xiàn)最優(yōu)解搜索方法的融合,彌補了各自的弱點,它是一種優(yōu)化能力、效率和可靠性較高的全局優(yōu)化方法。

    來源出版物:浙江大學(xué)學(xué)報工學(xué)版, 2013, 47(10): 1722-1730

    入選年份:2017

    猜你喜歡
    模擬退火風(fēng)電場全局
    Cahn-Hilliard-Brinkman系統(tǒng)的全局吸引子
    量子Navier-Stokes方程弱解的全局存在性
    模擬退火遺傳算法在機械臂路徑規(guī)劃中的應(yīng)用
    基于PSS/E的風(fēng)電場建模與動態(tài)分析
    電子制作(2018年17期)2018-09-28 01:56:44
    落子山東,意在全局
    金橋(2018年4期)2018-09-26 02:24:54
    基于模糊自適應(yīng)模擬退火遺傳算法的配電網(wǎng)故障定位
    含風(fēng)電場電力系統(tǒng)的潮流計算
    SOA結(jié)合模擬退火算法優(yōu)化電容器配置研究
    基于遺傳-模擬退火算法的城市軌道交通快慢車停站方案
    探求風(fēng)電場的遠景
    風(fēng)能(2015年9期)2015-02-27 10:15:25
    慈利县| 五华县| 宾川县| 玉溪市| 星子县| 利津县| 新蔡县| 安泽县| 博野县| 乾安县| 仙游县| 曲松县| 汤阴县| 佛教| 永福县| 拜城县| 昌吉市| 海林市| 镇赉县| 兴海县| 政和县| 平泉县| 旺苍县| 台北县| 丽江市| 鄂州市| 罗城| 潞城市| 盐津县| 伊宁县| 武功县| 乌海市| 资阳市| 鄢陵县| 乡宁县| 清徐县| 紫金县| 莫力| 洛浦县| 冀州市| 江安县|