《表1 模型参数列表：电力大数据下PSO-GA算法在电厂机组负荷分配中的应用研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《电力大数据下PSO-GA算法在电厂机组负荷分配中的应用研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

接下来分别对两种不同约束条件，采用粒子群和遗传进行寻找最优解精度和耗时对比。选用4抬机组，上下限长设为上一个寻优值的5%，采取总煤耗为适应度值，循环迭代50至300次，以某一个历史最优值为H-C-V为初始参数，等式约束和不等式约束负荷取值相差150。采用穷举的方法，把步长设为1，用来验证粒子群和遗传寻优的确是当前约束条件下的最优解。其对比结果如表1，2。