基于粒子群優(yōu)化的最小二乘支持向量機(jī)配電網(wǎng)線損計(jì)算的研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩73頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、配電網(wǎng)作為電力網(wǎng)的末端,直接與用戶(hù)連接,線路分布廣,網(wǎng)上設(shè)備數(shù)量眾多。當(dāng)前,線損率己經(jīng)直接與電價(jià)掛鉤,降低線損率,可以使電能傳輸過(guò)程中能耗損失減少,提高電力供應(yīng)能力,使企業(yè)的經(jīng)濟(jì)效益達(dá)到最大化。因此,研究配電網(wǎng)理論線損計(jì)算方法有很重要的理論與實(shí)際意義。
  本文首先介紹了現(xiàn)有配電網(wǎng)理論線損計(jì)算方法以及研究選題背景及研究意義,闡述了配電網(wǎng)線損計(jì)算的理論與實(shí)際意義。通過(guò)對(duì)比和分析現(xiàn)有理論線損計(jì)算的方法,認(rèn)真研究其優(yōu)缺點(diǎn),仔細(xì)判別各因素

2、對(duì)線損計(jì)算結(jié)果的影響。針對(duì)我國(guó)配電網(wǎng)具有元器件數(shù)量眾多、分布復(fù)雜,自動(dòng)化程度普遍較低,原始數(shù)據(jù)不易收集等特點(diǎn),提出了一種基于粒子群優(yōu)化的最小二乘支持向量機(jī)配電網(wǎng)線損計(jì)算的新方法,使得配電網(wǎng)線損計(jì)算更加準(zhǔn)確和快速。
  為了驗(yàn)證本文提出的方法的實(shí)用性和可行性,選取某地區(qū)68條配電線路為樣本,分析影響網(wǎng)損計(jì)算的各種因素。考慮線損和特征參數(shù)問(wèn)存在的關(guān)系,本文采用基于PI(Performance Index)指標(biāo)的分群算法,建立LSSVM

3、模型對(duì)配電網(wǎng)網(wǎng)損進(jìn)行計(jì)算,可使LSSVM模型學(xué)習(xí)精度大大提高。然而,LSSVM中的兩個(gè)參數(shù)對(duì)模型預(yù)測(cè)誤差有很大影響,對(duì)此,本文又采用粒子群優(yōu)化算法對(duì)LSSVM的模型參數(shù)進(jìn)行優(yōu)化。為了避免粒子群的早熟收斂問(wèn)題,應(yīng)用改進(jìn)PSO-LSSVM模型,使得預(yù)測(cè)誤差有所降低。試驗(yàn)仿真結(jié)果表明以改進(jìn)PSO算法優(yōu)化的LSSVM網(wǎng)絡(luò),具有網(wǎng)絡(luò)模型簡(jiǎn)單、訓(xùn)練速度快、計(jì)算精確度高等優(yōu)點(diǎn)。該模型可以較為準(zhǔn)確的記憶可獲取的配電線路特征參數(shù)與線路線損之間的非線性映射

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論