-
题名基于优化VMD和BiLSTM的短期负荷预测
被引量：3
- 1
-
-
作者
谢国民
陆子俊
-
机构
辽宁工程技术大学电气与控制工程学院
-
出处
《电力系统及其自动化学报》
北大核心
2025年第4期30-39,共10页
-
基金
国家自然科学基金资助项目(51974151)
辽宁省教育厅重点实验室基金资助项目(LJZS003)。
-
文摘
针对电力负荷数据周期性强、波动性高,预测效果不佳的问题,建立一种基于优化变分模态分解、改进沙猫群优化(improved sand cat swarm optimization,ISCSO)算法和双向长短时记忆(bidirectional long short-term memory,BiLSTM)网络的集成预测模型。首先,对原始电力负荷数据进行变分模态分解,降低数据复杂度,在变分模态分解中,引入白鲸算法对分解层数和惩罚因子寻优,优化分解效果。其次,采用Logistic混沌映射、螺旋搜索和麻雀思想引入的多策略改进方法,增加原始沙猫群优化算法的种群多样性,提升收敛精度和全局搜索能力,并用改进后的算法对BiLSTM中的超参数进行优化。然后,结合AdaBoost集成学习算法构建ISCSO-Bi LSTM-AdaBoost预测模型,将分解后的各分量输入模型预测。最后将各预测值叠加,得到最终预测结果。实验结果表明,本文建立的组合模型预测精度高,稳定性强。
-
关键词
电力负荷预测
变分模态分解
双向长短期记忆网络
改进沙猫群优化算法
集成学习算法
-
Keywords
power load prediction
variational mode decomposition(VMD)
bidirectional long short-term memory(BiLSTM)network
improved sand cat swarm optimization(iscso)algorithm
ensemble learning algorithm
-
分类号
TM715
[电气工程—电力系统及自动化]
-
-
题名基于改进沙猫群算法的水库群防洪优化调度研究
被引量：3
- 2
-
-
作者
李淑敏
冯丽云
陈海涛
-
机构
华北水利水电大学水利学院
晋城市水利水电事务中心
-
出处
《中国农村水利水电》
北大核心
2024年第12期43-51,共9页
-
基金
2021年郑州市科技协同创新专项(202121206)。
-
文摘
水库防洪调度对于有效减少洪水灾害、保障人民生命财产安全至关重要。此过程是个多阶段、非线性的、高纬度的工程问题,具有许多复杂的约束条件和相互依赖的决策变量。为了提高水库群优化调度问题的求解效率,充分发挥水库群协同防洪能力,提出了改进的沙猫群算法(Sand Cat Swarm Optimization Algorithm,SCSO),利用Cubic混沌映射策略实现调度方案的分散均匀性,引入鲸鱼算法的螺旋搜索策略提高种群的局部搜索和全局搜索能力,融合麻雀算法后阶段的预警机制增加算法后期全局搜索的能力,使用经典测试函数和秩和检验对算法的精度进行检验,结果表明,改进后的沙猫群算法的收敛速度和精度都得到了明显的提升;并首次将算法运用在水库群防洪优化调度上,建立防洪控制点处最大削峰准则模型,对黄河中下游5座水库联合防洪调度系统应用研究,同时,将改进的沙猫群算法(ISCSO)与原始沙猫群算法(SCSO)、蜣螂算法(DBO)的优化结果进行对比分析,其中DBO算法求得的控制点峰值流量为21274.3 m^(3)/s,削峰率为46.62%,SCSO算法求得的控制点峰值流量为21248.6 m^(3)/s,削峰率为46.68%,ISCSO算法求得的控制点峰值流量为20687.1 m^(3)/s,削峰值最率最大,为48.09%。结果表明,改进的沙猫群算法在解决水库防洪调度问题中削峰效果最好,且有效实现下游错峰效果,保证了下游河道以及防洪控制点的安全。研究成果为解决水库群防洪优化调度提供了新的思路和方法。
-
关键词
水库群
SCSO算法
iscso算法
防洪优化调度
-
Keywords
reservoir group
SCSO algorithm
iscso algorithm
flood control optimal scheduling
-
分类号
TV697.11
[水利工程—水利水电工程]
-
-
题名基于信息交互的改进鸡群优化算法
被引量：4
- 3
-
-
作者
童斌斌
周晓南
何庆
-
机构
贵州大学大数据与信息工程学院
贵州大学学报编辑部
-
出处
《贵州大学学报（自然科学版）》
2021年第1期58-64,70,共8页
-
基金
贵州省科技计划项目重大专项资助项目(黔科合重大专项字[2018]3002,黔科合重大专项字[2016]3022)
贵州省公共大数据重点实验室开放资助课题(2017BDKFJJ004)
贵州省教育厅青年科技人才成长资助项目(黔科合KY字[2016]124)。
-
文摘
针对鸡群优化(chicken swarm optimization,CSO)算法易陷入局部最优、收敛速度慢以及高维和超高维问题求解困难等缺点,提出了一种基于信息交互的改进鸡群优化(information sharing chicken swarm optimization,ISCSO)算法。通过引入信息交互和边界变异策略,增强子群的信息交互能力和种群的多样性,从而提高算法的收敛能力和寻优能力。通过对6个基本测试函数进行数值仿真,实验结果表明:改进后的算法ISCSO相比于CSO具有更好的寻优精度,与其他改进算法相比具有更好的高维寻优能力和收敛性能。
-
关键词
鸡群优化算法
信息交互
边界变异
iscso算法
-
Keywords
CSO algorithm
information sharing
boundary variation
iscso algorithm
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
