您的位置: 专家智库 > >

彭华坤

作品数:3 被引量:18H指数:1
供职机构:上海理工大学更多>>
发文基金:国家科技部政府间科技合作项目国家自然科学基金上海市高校教育高地建设项目更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 3篇中文期刊文章

领域

  • 3篇自动化与计算...

主题

  • 2篇电力
  • 2篇自适
  • 2篇自适应
  • 1篇电力市场
  • 1篇电力系统
  • 1篇电力系统无功...
  • 1篇动量项
  • 1篇神经网
  • 1篇神经网络
  • 1篇群算法
  • 1篇子群
  • 1篇自适应参数
  • 1篇自适应滤波
  • 1篇无功
  • 1篇无功优化
  • 1篇系统无功
  • 1篇谐波
  • 1篇谐波检测
  • 1篇谐波检测算法
  • 1篇粒子群

机构

  • 3篇上海理工大学

作者

  • 3篇马立新
  • 3篇彭华坤
  • 1篇王月晓
  • 1篇王玉珠
  • 1篇孙进
  • 1篇李渊

传媒

  • 2篇控制工程
  • 1篇信息技术

年份

  • 3篇2013
3 条 记 录,以下是 1-3
排序方式:
一种引入动量项的自适应谐波检测算法被引量:1
2013年
基于自适应噪声对消原理的谐波电流检测方法,得到了广泛研究并且已被验证是可行的。针对传统定步长最小均方自适应算法无法解决收敛速度和稳态误差这一矛盾,在研究最小均方算法基础上,提出一种引入动量项的变步长自适应谐波检测算法,采用动量项加快权值收敛,并且采用当前误差信号和上一次误差信号的自相关估算来调整步长迭代,使得谐波检测在实时性和精度上有显著提高。该算法计算量比较小,易于实现,具有良好的工程应用前景。仿真结果验证了该算法的有效性。
马立新王玉珠王月晓彭华坤
关键词:动量项自适应滤波谐波检测变步长
电力市场下负荷分析与预测优化方法的研究
2013年
在电力市场环境下,负荷的分类和预测至关重要。为了提高预测的速度与精度,提出了运用粒子群与误差反向传播(BP)神经网络相结合的预测方法 (POS-BP法)和模型。并根据某市电业局电力负荷数据建立了模型,运用PSO-BP算法对次日负荷进行了预测。从预测结果看该方法收敛速度快、预测精度显著提高。应用于电力市场分析及预测有很好的效果和前景。
马立新彭华坤李渊
关键词:粒子群算法神经网络
多目标差分进化算法的电力系统无功优化被引量:17
2013年
在传统电力系统无功优化(Reactive Power Optimization,RPO)模型中引入电压水平指标,建立了以网损最小,电压水平最好为目标的多目标差分进化算法(Differential Evolution Algorithm)的模型。针对基本差分进化算法易陷入局部最优解、收敛速度慢的缺点,提出一种具有自适应参数策略的改进差分进化算法并首次用于多目标电力系统无功优化问题。通过在算法进化过程中调整变异因子F和交叉因子CR,在初期增加种群的多样性、扩大全局搜索区域;从而可以避免算法陷入局部最优解;同时在后期也加快了收敛速度。将该算法用于电力系统无功优化并仿真计算了IEEE-14节点标准测试系统,结果验证模型和算法的有效性。
马立新孙进彭华坤
关键词:电力系统无功优化自适应参数
共1页<1>
聚类工具0