《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》
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。
图表编号 | XD00148713300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 周明琴、王永文 |
绘制单位 | 国电南京自动化股份有限公司、国电南京自动化股份有限公司 |
更多格式 | 高清、无水印(增值服务) |