《表4 3种方法最优目标函数值》

  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

《考虑概率潮流的分布式电源优化配置》

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

将DE-MCS、QPSO-CLMCS与上述提出的SHADE-UT（RBF）方法在对DG和PEV优化配置的问题上进行对比。其中3种算法的种群规模均取200，最大迭代次数为500，CLMCS采样次数为500，且3种算法均采用相同的机会约束以及不等式约束。分别计算3种方法在规划期内目标函数最优值，通过Matlab仿真得到的最优目标函数值如表4所示。