期刊文献+

电力负荷组合预测中的改进粒子群优化算法 被引量:1

下载PDF
导出
摘要 该文在现有文献研究基础上,指出了标准粒子群优化算法初始粒子种群的产生速度慢、在优化过程中容易陷入局部最优等缺点,然后对其缺点进行改进,并将改进的粒子群优化算法应用到电力负荷组合预测模型的权重求解中,从电力负荷的应用中可以看出,电力负荷组合预测模型比单个模型预测的精度要高,进而证明改进粒子群优化算法在电力负荷组合预测模型的权重确定是可行的。
出处 《农村电气化》 2008年第8期10-12,共3页 Rural Electrification
  • 相关文献

参考文献6

二级参考文献31

  • 1唐小我,曾勇,曹长修.非负权重最优组合预测的迭代算法研究[J].系统工程理论方法应用,1994,3(4):48-52. 被引量:15
  • 2余加艾,刘钦政.利用灰色系统方法预测冰情[J].海洋环境科学,1995,14(4):70-75. 被引量:11
  • 3王小平 曹立明.遗传算法-理论、算法与软件实现[M].陕西西安:西安交通大学出版社,2002.105-107.
  • 4SCHMITTLEIN K R. Combining forecasts: Operational adjustments to theoretically optimal rules[J]. Management Science, 1990,36(9): 1044- 1056.
  • 5GUPIA S ,WILTON P. Combination of forecasts; An extension [ J ]. Management Science, 1987,33 (3): 356- 372.
  • 6胡运权.运筹学教程[M].北京:清华大学出版社,2002..
  • 7Holland J H.Adaptation in Natural and Artificial Systems[M].USA:Univ.of Michigan,1975.
  • 8孙靖民主编.机械优化设计[M].机械工业出版社,2001(第2版),145-151.
  • 9Jan T.Robust Short Term Prediction Using Combination of Linear Regression and Modified Probabilistic Neural Network Model[C].Proceedings of the International Joint Conference on Neural Networks,2003:2 478-2 481.
  • 10Goldberg D E.Genetic Algorithms in Search,Optimization and Machine Learning[M].Addison Wesley Publishing Company,1989.

共引文献509

同被引文献7

引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部