《表1 各算法辨识参数和效果对比》
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
《基于AEPSO-BPNN的光伏阵列多场景参数辨识》
各算法辨识参数和效果如表1所示。由表1可得,由于引入自适应、进化和重构等改进策略,且神经网络的权值和阈值通过粒子群算法快速优化,可以大大减少神经网络的训练次数,因此AEPSO-BPNN算法的运行时间最短,PSO-BPNN算法次之,未经过粒子群优化的神经网络算法,需要通过大量的训练过程才能找到较为满意的适应度值,因此其迭代前期收敛时间较长,总的运行时间也是最长的。
图表编号 | XD00197714100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.20 |
作者 | 徐岩、张建浩 |
绘制单位 | 华北电力大学(保定)新能源电力系统国家重点实验室、华北电力大学(保定)新能源电力系统国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |