基于连续蚁群优化算法的输变电设备检修决策模型

随着智能电网建设工作的推进,大量包括电力电子技术、可再生能源、微网等智能化因素将不断纳入电网中,电网的不确定性因素及其可能产生的影响不断扩大,这将对输变电设备检修工作带来新的挑战。综合考虑输变电设备检修工作的经济性和可靠性,以输变电设备检修费用最小化、可用输变电容量最大化为优化目标,建立输变电设备检修优化决策模型;在此基础上,提出一种利用改进高斯函数反映人工蚂蚁搜索过程中信息素浓度变化情况的连续蚁群优化算法,并将其应用于输变电设备检修优化决策模型求解中;最后,利用IEEE 30节点标准系统验证模型和算法的有效性。

三种森林生物量估测模型的比较分析

森林生物量的定量估算为全球碳储量、碳循环研究提供了重要的参考依据。该研究采用黑龙江长白山地区的TM影像和133块森林资源一类清查样地的数据,选取地学参数、遥感反演参数等71个自变量分别构建多元逐步回归模型、传统BP(back propagation)神经网络模型和基于高斯误差函数的BP神经网络改进模型(Gaussian error function,Erf-BP),进而估算该地区的森林生物量,并进行比较分析。结果表明,多元逐步回归模型估测的森林生物量预测精度为75%,均方根误差为26.87t·m-2;传统BP神经网络模型估测森林生物量的预测精度为80.92%,均方根误差为21.44t·m-2;Erf-BP估测森林生物量的预测精度为82.22%,均方根误差为20.83t·m-2。可见,改进后的Erf-BP能更好地模拟生物量与各个因子之间的关系,估算精度更高。