公共文化服务平台

共 4 条记录，以下是 1-4

全选清除导出

排序方式：

基于AHP的电力生产弹性系数研究与应用被引量：2: 2012年; 为更精确地制定电力发展规划,将层次分析法运用于电力生产弹性系数的确定与分析中。运用该方法时,将已知年和预测年的经济增长速度、单位GDP实现的居民生活用电量、产业增加值比重和产业产值单耗的相对的相似程度作为准则,建立起层次结构模型并构造比较矩阵,最终确定电力生产弹性系数。文中运用1个实例证明了该方法的可行性与实用价值。; 李赛张勇詹昕; 关键词：电力发展规划用电量预测 AHP

采用改进生物地理学算法的风电并网电力系统多目标发电调度被引量：34: 2012年; 构建了兼顾能源环境效益和发电经济性的风电并网电力系统多目标发电调度(multi-objective generation dispatch,MOGD)模型,为了快速准确求解该模型,达到为决策者提供合理候选调度方案的目的,将生物地理学(biogeography-based optimization,BBO)算法用于解决风电并网电力系统MOGD问题。采用余弦迁移模型、混合迁移算子、基于柯西分布的变异算子和相似体检测技术等策略来改善BBO算法的性能。提出综合模糊支配度和分布密度的帕累托(Pareto)解集排序方法,促进Pareto最优前沿(Paretooptimal front,POF)向理想Pareto前沿逼近,并保持解集的多样性。以含6台火电机组和1个并网风电场的电力系统为例进行仿真计算,结果验证了改进生物地理学算法在求解多目标发电调度问题方面的可行性和有效性。; 陈道君龚庆武乔卉赵简; 关键词：PARETO最优前沿

基于自适应扰动量子粒子群算法参数优化的支持向量回归机短期风电功率预测被引量：47: 2013年; 智能电网的建设和大规模风电接入电网对短期风电功率预测精度提出了更高的要求。为了克服支持向量回归机(support vector regression machine,SVR)依赖人为经验选择学习参数的弊端,在量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法中加入自适应早熟判定准则、混合扰动算子和动态扩张收缩系数,提出了自适应扰动量子粒子群优化算法(adaptive disturbance quantum-behaved particle swarm optimization,ADQPSO),并使用ADQPSO优化选择SVR的学习参数。实例研究表明,ADQPSO算法全局寻优能力强、鲁棒性好、计算耗时短,利用ADQPSO优化得到的SVR参数,可有效提高模型的预测精度;与反向传播神经网络(back propagation neural network,BPNN)和径向基神经网络(radial basis functionneural network,RBFNN)相比,提出的ADQPSO-SVR能够提高短期风电功率预测的准确性和稳定性。; 陈道君龚庆武金朝意张静王定美; 关键词：短期风电功率预测支持向量回归机

含风电场的电力系统低碳调度模型及仿真研究被引量：3: 2013年; 针对含风电场的电力系统优化调度问题,在风电功率全额上网的基础上,从保护生态环境、促进电力系统低碳化发展的角度考虑"能源环境效益"概念,构建含风电场的电力系统低碳调度模型。该模型综合考虑了发电资源消耗量和能源环境效益多个目标,较好地兼顾了电力生产的经济因素和环境因素。通过定义目标隶属度函数将确定性问题模糊化,采用最大满意度法将多目标优化问题转化为单目标问题,利用综合模拟退火思想的改进粒子群算法求解计算。实例验证表明,所提低碳调度模型合理,能够在传统经济调度的基础上更好地保护生态环境,促进电力系统调度的低碳化。; 黄幸陈道君; 关键词：风电场模拟退火粒子群算法

全选清除导出

共1页<1>

教育部博士研究生学术新人奖(5052011207016)