2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩64頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著全球經(jīng)濟的快速發(fā)展、城市化進程不斷加快,能源短缺、環(huán)境污染越來越嚴(yán)重。風(fēng)能以其無污染、可再生、利用簡單等優(yōu)勢逐漸得到越來越多的關(guān)注,風(fēng)力發(fā)電已成為一種重要的可再生能源發(fā)電形式。由于風(fēng)電出力所具有不確定性和反調(diào)峰性,風(fēng)電大規(guī)模并網(wǎng)后給電力系統(tǒng)的優(yōu)化調(diào)度提出了巨大的挑戰(zhàn),嚴(yán)重影響了電力系統(tǒng)的安全穩(wěn)定運行。為此,研究考慮風(fēng)電出力不確定性的電力系統(tǒng)優(yōu)化調(diào)度問題具有非常重要的理論價值和現(xiàn)實意義。
   為了提高優(yōu)化調(diào)度模型的求解效率,

2、提出一種基于T-S模糊神經(jīng)網(wǎng)絡(luò)改進遺傳算法,該算法利用T-S模糊神經(jīng)網(wǎng)絡(luò)刻畫復(fù)雜非線性映射的優(yōu)良特性,定量模擬父代與子代種群之間的非線性進化過程,并將其作用于遺傳算法的種群進化過程。通過算例表明,采用基于T-S模糊神經(jīng)網(wǎng)絡(luò)的改進遺傳算法求解含風(fēng)電電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度問題,可通過合理先擇種群隔代數(shù)和種群規(guī)模,提高運算的精度和收斂速度。
   針對多風(fēng)電場出力的不確定性,首先,借助Gumbel-Copula函數(shù)構(gòu)建多風(fēng)場出力的聯(lián)合

3、概率分布,以常規(guī)機組發(fā)電成本和總污染排放量最少為優(yōu)化目標(biāo),建立一種含多風(fēng)場的電力系統(tǒng)多目標(biāo)隨機優(yōu)化模型;其次,采用抽樣平均近似法對機會約束條件進行處理,將隨機優(yōu)化模型轉(zhuǎn)換為確定性優(yōu)化問題;再次,針對經(jīng)抽樣平均近似法轉(zhuǎn)換后的多目標(biāo)優(yōu)化模型難求解的問題,運用模糊理論,建立模糊數(shù)學(xué)模型,將多目標(biāo)優(yōu)化問題轉(zhuǎn)化為單目標(biāo)優(yōu)化問題,并采用改進遺傳算法對其進行求解;最后,通過對IEEE-14節(jié)點系統(tǒng)的算例分析,驗證了含多風(fēng)場的電力系統(tǒng)多目標(biāo)隨機優(yōu)化模型

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論