版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、配電網(wǎng)作為電力網(wǎng)的末端,直接與用戶連接,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)直接與電價掛鉤,降低線損率,可以使電能傳輸過程中能耗損失減少,提高電力供應(yīng)能力,使企業(yè)的經(jīng)濟效益達(dá)到最大化。因此,研究配電網(wǎng)理論線損計算方法有很重要的理論與實際意義。
本文首先介紹了現(xiàn)有配電網(wǎng)理論線損計算方法以及研究選題背景及研究意義,闡述了配電網(wǎng)線損計算的理論與實際意義。通過對比和分析現(xiàn)有理論線損計算的方法,認(rèn)真研究其優(yōu)缺點,仔細(xì)判別各因素
2、對線損計算結(jié)果的影響。針對我國配電網(wǎng)具有元器件數(shù)量眾多、分布復(fù)雜,自動化程度普遍較低,原始數(shù)據(jù)不易收集等特點,提出了一種基于粒子群優(yōu)化的最小二乘支持向量機配電網(wǎng)線損計算的新方法,使得配電網(wǎng)線損計算更加準(zhǔn)確和快速。
為了驗證本文提出的方法的實用性和可行性,選取某地區(qū)68條配電線路為樣本,分析影響網(wǎng)損計算的各種因素??紤]線損和特征參數(shù)問存在的關(guān)系,本文采用基于PI(Performance Index)指標(biāo)的分群算法,建立LSSVM
3、模型對配電網(wǎng)網(wǎng)損進(jìn)行計算,可使LSSVM模型學(xué)習(xí)精度大大提高。然而,LSSVM中的兩個參數(shù)對模型預(yù)測誤差有很大影響,對此,本文又采用粒子群優(yōu)化算法對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題,應(yīng)用改進(jìn)PSO-LSSVM模型,使得預(yù)測誤差有所降低。試驗仿真結(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)模型簡單、訓(xùn)練速度快、計算精確度高等優(yōu)點。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. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進(jìn)支持向量機的配電網(wǎng)線損計算.pdf
- 基于粒子群最小二乘支持向量機的故障診斷算法研究.pdf
- 基于最小二乘支持向量機的var計算方法研究
- 基于最小二乘支持向量機的燃煤鍋爐燃燒優(yōu)化研究.pdf
- 配電網(wǎng)線損計算.pdf
- 配電網(wǎng)線損計算與無功優(yōu)化.pdf
- 最小二乘支持向量機6版
- 最小二乘支持向量機6版
- 最小二乘支持向量機6版
- 最小二乘支持向量機的參數(shù)選擇.pdf
- 基于最小二乘支持向量機的短期負(fù)荷預(yù)測
- 最小二乘與最小二乘支撐向量機.pdf
- 基于最小二乘支持向量機的磁滯建模.pdf
- 配電網(wǎng)線損分析計算及無功優(yōu)化研究.pdf
- 基于最小二乘支持向量機的軋制力預(yù)測.pdf
- 基于最小二乘支持向量機的短期負(fù)荷預(yù)測.pdf
- 基于最小二乘支持向量機的航空伽瑪.pdf
- 配電網(wǎng)線損計算及降損研究.pdf
- 直覺模糊最小二乘支持向量機算法的研究.pdf
- 基于偏最小二乘支持向量機的短期負(fù)荷預(yù)測.pdf
評論
0/150
提交評論