第十届泰迪杯B题原始数据

matlab开发-无刷直流电机风机负荷应用数学模型及闭环速度控制。无刷直流电动机在风机负荷应用中的闭环调速

针对区域互联电力系统受到风电及负荷扰动后，系统频率会出现大幅度波动的问题，提出一种基于云神经网络自适应逆系统的多区域互联电力系统负荷频率控制方法。在分析单一区域电力系统有功输出特性的基础上，建立计及多区域有功输出的互联电力系统负荷频率控制模型。采用自适应逆控制有效解决系统响应和扰动抑制的矛盾。将云模型引入自适应逆系统构建云神经网络辨识器。利用云模型在处理模糊性和随机性等不确定性方面的优势，进一步提高神经网络的辨识能力。仿真结果表明，所设计的云神经网络自适应逆系统不仅可以得到好的动态响应，还可以使风电及负荷引起的扰动减小到最小。

随着微电网技术的不断发展，微电网能量管理系统也逐渐成为研究热点。总结了国内外微电网能量管理系统的研究现状，分析了微电网能量管理系统的管理对象、基本功能、设计框架；阐述了微电网能量管理系统集中式控制和分散式控制2种控制结构，并分析了各自的优缺点；介绍了微电网能量管理的基本模型和算法。最后总结出微电网能量管理中需要解决3个问题：可再生能源和可控负荷的不确定性问题、多储能技术的优化配合和联合调度问题、微电网能量管理系统的通信设计和网络安全问题。

通过研究电力负荷预测中支持向量机的参数优化问题，将改进后新的粒子群算法导入支持向量机参数中，从而建立一种新的电力负荷预测模型（IPSO-SVM）。首先将支持向量机参数编码为粒子初始位置向量，然后通过对粒子个体之间信息交流、协作的分析找到支持向量机的最优参数，并针对标准粒子群算法的缺陷进行一定的改进，从而应用于电力负荷的建模与预测，最后通过仿真对比实验来测试它的性能。实验结果表明，这种新的电力负荷预测模型能够获得较高精度的电力负荷预测结果，大大减少了训练时间，能够满足电力负荷在线预测要求。

某地区电力负荷数据分析与预测.doc

基于遗传算法实现电动汽车有序充电matlab源码

电力负荷预测是电力系统规划的重要组成部分。为了使电力系统安全经济平稳的运行，由此特别需要精确的电力负荷预测方法。为了实现更好负荷预测方法，文中将经验模态分解（EMD）与新兴的电力负荷预测模型分形理论相结合，提出了EMD-分形负荷预测模型。为了证明此方法的有效性，文中将这种新的预测模型跟分形预测模型和BP神经网络预测模型相比较。最终通过仿真算例说明了本文提出的这种新型预测方法精度更高，几乎所有的误差都在2％以下，预测结果更好，可以很好的应用在电力系统负荷预测中。

基于matlab遗传算法求解峰谷分时电价电动汽车充电负荷优化问题

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真