-
公开(公告)号：CN104239968A
公开(公告)日：2014-12-24
申请号：CN201410443464.X
申请日：2014-09-02
Applicant: 浙江大学
CPC classification number: Y04S10/54
Abstract: 本发明公开了一种快速模糊粗糙集短期负荷预测方法。本发明包括如下步骤：步骤（1）采集安装在电网中电表所记录的电力负荷数据，然后构建初始属性决策表；步骤（2）确定条件属性和决策属性的模糊隶属函数；步骤（3）运用快速模糊粗糙集方法进行属性约简，获得约简的条件属性；步骤（4）将约简的条件属性作为神经网络的输入数据对归一化的历史负荷数据进行训练；步骤（5）用训练得到的神经网络进行电力系统短期负荷预测；步骤（6）对所得的预测日的最大负荷的归一化值进行反归一化处理，得到电力负荷短期预测结果，即预测日的最大负荷。本发明模糊粗糙集属性约简的计算量小，计算时间短；提高计算效率。
-
公开(公告)号：CN104217255A
公开(公告)日：2014-12-17
申请号：CN201410442784.3
申请日：2014-09-02
Applicant: 浙江大学
CPC classification number: Y04S10/54
Abstract: 本发明公开了一种市场环境下电力系统多目标检修优化方法。本发明包括步骤如下：获取各个发电商数据；建立市场环境下电网多目标检修优化模型；对模型的机组出力变量和机组检修变量进行实数编码，对模型中的机组在线状态变量和机组启动状态变量进行0-1二进制编码，并将其从自变量转化成为由机组出力变量和机组检修变量所表示的因变量；对机组出力变量和机组检修变量进行初始化；将得到的变量初始化值作为快速非支配排序法的种群初始化输入进行求解，得到最优解集；采用多目标决策方法从得到的最优解集中确定最终的机组检修及出力方案。本发明执行简单、可扩展性强，可用于求解不同目标函数和约束条件的多目标检修优化模型。
-
公开(公告)号：CN104217255B
公开(公告)日：2017-06-13
申请号：CN201410442784.3
申请日：2014-09-02
Applicant: 浙江大学
IPC: G06F19/00
CPC classification number: Y04S10/54
Abstract: 本发明公开了一种市场环境下电力系统多目标检修优化方法。本发明包括步骤如下：获取各个发电商数据；建立市场环境下电网多目标检修优化模型；对模型的机组出力变量和机组检修变量进行实数编码，对模型中的机组在线状态变量和机组启动状态变量进行0‑1二进制编码，并将其从自变量转化成为由机组出力变量和机组检修变量所表示的因变量；对机组出力变量和机组检修变量进行初始化；将得到的变量初始化值作为快速非支配排序法的种群初始化输入进行求解，得到最优解集；采用多目标决策方法从得到的最优解集中确定最终的机组检修及出力方案。本发明执行简单、可扩展性强，可用于求解不同目标函数和约束条件的多目标检修优化模型。
-
公开(公告)号：CN104239968B
公开(公告)日：2017-05-17
申请号：CN201410443464.X
申请日：2014-09-02
Applicant: 浙江大学
CPC classification number: Y04S10/54
Abstract: 本发明公开了一种快速模糊粗糙集短期负荷预测方法。本发明包括如下步骤：步骤（1）采集安装在电网中电表所记录的电力负荷数据，然后构建初始属性决策表；步骤（2）确定条件属性和决策属性的模糊隶属函数：步骤（3）运用快速模糊粗糙集方法进行属性约简，获得约简的条件属性；步骤（4）将约简的条件属性作为神经网络的输入数据对归一化的历史负荷数据进行训练；步骤（5）用训练得到的神经网络进行电力系统短期负荷预测；步骤（6）对所得的预测日的最大负荷的归一化值进行反归一化处理，得到电力负荷短期预测结果，即预测日的最大负荷。本发明模糊粗糙集属性约简的计算量小，计算时间短；提高计算效率。
-
-
-
Search Results
4
records
(took 0.023 seconds)
