一种改进的粒子群优化RBF网络学习算法

提出了一种新的用粒子群优化RBF网络学习的算法,即分组训练合成优化。该算法利用粒子之间的合作与竞争以实现对多维复杂空间的高维搜索能力,找出神经网络权值的最优解,以达到优化神经网络学习的目的。通过与用最小二乘法优化的神经网络进行了比较,结果表明算法所优化的神经网络收敛效果明显、收敛速度快。

基于无功补偿约束区间的变电站电容器优化分组方法

本文提出了一种新的基于无功补偿约束区间的变电站电容器优化分组方法。首先,根据日负荷曲线以及变电站母线电压运行约束,通过潮流计算求解变电站允许投入的无功补偿容量约束的上下限,并且用一个区间数表示该无功补偿约束。由此,将电容器的优化分组问题转化为对上述所得无功补偿区间数进行优化分组的数学问题,进而提出一种以装设电容器组数和电容器日动作次数最少为目标函数的优化分组模型,并采用一种改进的模拟退火算法(simulated annealing,SA)进行求解。最后给出了在某地区电网简化模型上的常规典型负荷曲线以及合成典型曲线上的算例。通过与另外两种已有方法的对比表明,本文所提出的方法具备有效性和合理性。