搜索结果: 1-5 共查到“计算机科学技术 电力系统”相关记录5条 . 查询时间(0.211 秒)
近日，我校机械与能源工程系杨再跃教授课题组取得电力系统、机器学习等领域的多项重要研究成果，在电力系统顶级学术期刊IEEE Transactions on Smart Grid和IEEE Transactions on Power Systems上发表三篇论文，并在机器学习领域顶级学术会议The 33rd Conference on Neural Information Processing Sys...
基于APSO算法的电力系统无功优化
粒子群优化 种群多样性 自适应变异
2009/8/11
针对粒子群优化算法易早熟收敛的缺点，提出一种自适应粒子群优化算法(ASPO)，将物种的概念引入种群多样性测度中，利用种群多样性信息对惯性权重进行非线性的调整，并引入速度变异算子和位置交换算子，增强算法的全局收敛性能。将APSO算法应用于电力系统无功优化，对IEEE-30节点系统进行仿真计算，仿真结果表明，系统网损从5.988 MW降到4.889 MW，下降率为18.36%，算法的收敛精度和收敛稳定...
基于进程通信的电力系统分布式计算模型
分布式计算 软件模型 进程通信
2009/7/17
当前，在电力系统分布式计算领域，缺乏一种通用的计算模型以满足各种电力系统分布式计算的基础需求。基于此，分析了电力系统分布式计算的特点，从软件设计的角度出发，抽象出其中的节点行为模型，并针对此提出了一种可广泛适用于电力系统分布式计算的，基于进程通信的计算模型。实际应用表明，该模型可以有效地应用于电力系统的分布式计算中。
电力系统机组组合问题的动态双种群粒子群算法
粒子群优化 动态双种群 学习策略
2009/2/18
针对标准粒子群优化算法易陷入局部最优点的缺点，提出了动态双种群粒子群优化算法（DDPSO）。该算法中两个子种群规模随进化过程不断变化，进化中分别采用不同的学习策略且相互交换信息。将该算法应用于机组组合问题中，采用实数矩阵编码方法对发电计划进行编码，将两层优化问题转化为单层优化问题，直接运用DDPSO算法求解。仿真结果表明，用该方法解决机组组合问题具有良好的精度和鲁棒性。