针对已有神经网络功放建模的建模精度不高,易陷入局部极值等问题,提出一种新的改进并行粒子群算法(Improved Parallel Particle Swarm Optimization,IPPSO)。该算法在并行粒子群算法的基础上引入自适应变异操作,防止陷入局部最优;在微粒的速度项中加入整体微粒群的全局最优位置,动态调节学习因子与线性递减惯性权重,加快微粒收敛。将该改进算法用于优化RBF神经网络参数,并用优化的网络对非线性功放进行建模仿真。结果表明,该算法能有效减小建模误差,且均方根误差提高19.08%,进一步提高了神经网络功放建模精度。

“厂网分开,竞价上网”是我国电力市场的发展趋势,而在我国电力市场迅速发展的同时,发展过程中难免出现一些问题。作为人们日常生活不可缺少的物质保障,电力资源必须实现有效的配置,这就势必要引入市场竞争机制,将电力当作商品进行交易,以此来满足我国居民的正常生活用电需求,同时也要保证工业和第三产业的稳定发展。通过建立电力市场竞价的数学模型,选取合适的目标函数,找准约束条件。同时采用Matlab软件进行数据分析,由DE算法得到的解均优于另2种算法所得到的解,仅最优解与EP相近。同时该算法得到的解偏差仅为0.09%,均优于其他2种算法。

针对已有神经网络功放建模的建模精度不高,易陷入局部极值等问题,提出一种新的改进并行粒子群算法(Improved Parallel Particle Swarm Optimization,IPPSO)。该算法在并行粒子群算法的基础上引入自适应变异操作,防止陷入局部最优;在微粒的速度项中加入整体微粒群的全局最优位置,动态调节学习因子与线性递减惯性权重,加快微粒收敛。将该改进算法用于优化RBF神经网络参数,并用优化的网络对非线性功放进行建模仿真。结果表明,该算法能有效减小建模误差,且均方根误差提高19.08%,进一步提高了神经网络功放建模精度。

差分进化由于其算法简单、收敛速度快，所需领域知识少而受到关注。通常，根据优化问题的约束条件差分进化算法需要进行变量上、下界的限制。本文提出利用IIR滤波器零极点特性来进行IIR滤波器设计，采用复数编码降低了变量的维度，并在设计IIR滤波器时不需要对变量范围进行约束，同时利用超出边界的解进行变异操作，以达到更加快速精确的收敛到全局最优解的目的。