Atom-RQEA在短时闪变严重度计算中的应用

短时闪变严重度P_(st)是衡量电能质量的一个重要指标,为提高P_(st)的计算精度,提出了基于原子稀疏分解和实数编码量子进化算法(Atom-RQEA)相结合的短时闪变严重度计算方法。其核心是根据电压波动与闪变信号的特点构造了原子库,由实数编码量子进化算法优化原子特征参数,自适应选择最佳匹配原子重构电压波动信号,进而计算短时闪变严重度P_(st)。仿真结果表明:基于Atom-RQEA方法,能够提高短时闪变严重度P_(st)计算精度,验证了提出方法的有效性和适用性。

基于LSTSVR的路基沉降组合预测模型

鉴于路基沉降各种单相预测模型均有其适用范围,总体预测波动性较大,精度较低,提出基于最小二乘双支持向量回归机(LSTSVR,least square twin support vector regression)的路基沉降组合预测模型。该模型的核心是根据路基沉降的发展规律及其沉降曲线的特点,选择具有S型特点的成长曲线特征的单相预测模型;以各单项预测模型预测结果作为最小二乘双支持向量回归机的输入向量,构建路基沉降组合预测模型。对比试验表明:提出方法具有更好的预测精度和稳定性。