100 积分
50
评分
4.3 积分- 详情
- 2020-12-27
- 简介
pdf
- 341KB
- 页数 6P
- 阅读 98
- 下载 27
模拟进化类算法具有全局寻优特性但计算时间过长,而梯度类算法具有很高的局部搜索效率但容易陷入局部最优点。基于模拟进化类算法和梯度类算法的优点提出一种混合优化算法,即以蚁群算法起步,经过一定次数的迭代后切换为梯度算法。提出目标值下降准则和区间收缩准则两种切换算法策略,并且进行对比。针对电力负荷参数辨识,通过仿真算例和实际应用进行测试。结果表明,在保证相同精度的前提下混合优化算法大大提高了计算效率。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
电力负荷模型参数辨识的混合优化算法 341KB
基于布谷鸟优化算法的电力负荷预测优化模型 140KB
基于云模型的电力负荷预测 557KB
基于云模型的电力负荷预测 1.3MB
基于灰理论的电力负荷预测模型 414KB
基于HMM模型的电力负荷预测模型研究 1.6MB
灰色模型在电力负荷预测中的优化与应用 456KB
基于SVM短期电力负荷预测模型研究 157KB
基于PSO-SVM模型的短期电力负荷预测研究 309KB
基于MFOA-GRNN模型的年电力负荷预测 408KB