DataMining-Experiment1

本文介绍了一个使用C++实现的向量类及其基本运算,包括加法、减法、乘法等,并提供了计算向量的平均值、中位数等功能。此外,还展示了如何读取和写入向量数据文件。
#include <iostream>
#include <stdio.h>
#include <stdlib.h>
#include <fstream>
#include <cmath>
#include <vector>
#include <algorithm>

using namespace std;

class KanhaSum
{
public:
    double sum;

    KanhaSum()
    {
        sum = 0;
    }
    void reset()
    {
        sum = 0;
    }
    void add(double value)
    {
        sum += value;
    }
    double get_sum()
    {
        return sum;
    }
};

class Median
{
public:
    int n;
    double median;
    double sum;

public:
    Median()
    {
        n = 0;
        median = 0.0;
        sum = 0.0;
    }
    void reset()
    {
        sum = 0;
    }
    void add(double value)
    {
        n++;
        sum += value;
    }
    double get_median()
    {
        return sum/n;
    }
};

class Vector
{
public:
    int N;
    double *DMVector;

public:
    Vector(int n)
    {
        N = n;
        DMVector = (double *)malloc(sizeof(double)*N);
    }
    ~Vector()
    {
        free(DMVector);
    }
    void fill(double value)
    {
        for(int i=0; i<N; i++)
        {
            DMVector[i] = value;
        }
    }
    double get(int i)
    {
        return DMVector[i];
    }
    void set(int i, double value)
    {
        DMVector[i] = value;
    }
    void add(const Vector &v)
    {
        for(int i=0; i<N; i++)
        {
            DMVector[i] += v.DMVector[i];
        }
    }
    void sub(const Vector& v)
    {
        for(int i=0; i<N; i++)
        {
            DMVector[i] -= v.DMVector[i];
        }
    }
    void mul(double k)
    {
        for(int i=0; i<N; i++)
        {
            DMVector[i] = DMVector[i]*k;
        }
    }
    void inc_mul(const Vector &v, int k)
    {
        for(int i=0; i<N; i++)
        {
            DMVector[i] += k*v.DMVector[i];
        }
    }
    double dot(const Vector &v)
    {
        double sum = 0.0;
        for(int i=0; i<N; i++)
        {
            sum += DMVector[i]*v.DMVector[i];
        }
        return sum;
    }
    double square_norm()
    {
        double square = 0.0;
        for(int i=0; i<N; i++)
        {
            square += DMVector[i]*DMVector[i];
        }
        return square;
    }
    double norm()
    {
        double ret = 0.0;
        ret = sqrt(square_norm());
        return ret;
    }
    double sum()
    {
        double sum = 0.0;
        for(int i=0; i<N; i++)
        {
            sum += DMVector[i];
        }
        return sum;
    }
    double min_vector()
    {
        double minv = 0.0;
        for(int i=0; i<N; i++)
        {
            if(DMVector[i] < minv)
                minv = DMVector[i];
        }
        return minv;
    }
    double max_vector()
    {
        double maxv = 0.0;
        for(int i=0; i<N; i++)
        {
            if(DMVector[i] > maxv)
                maxv = DMVector[i];
        }
        return maxv;
    }
};

double vector_mean(vector<Vector> veclist)
{
    double sum = 0.0;
    int c = 0;
    for(unsigned int i=0; i<veclist.size(); i++)
    {
        for(int j=0; j<veclist[i].N; j++)
        {
            sum += veclist[i].get(j);
            c ++;
        }
    }
    return sum/c;
}

double vector_median(vector<Vector> veclist)
{
    vector<double> vec;
    for(unsigned int i=0; i<veclist.size(); i++)
    {
        for(int j=0; j<veclist[i].N; j++)
            vec.push_back(veclist[i].get(j));
    }
    sort(vec.begin(), vec.end());
    return vec.size()%2==0 ? vec[vec.size()-1/2] : vec[(vec.size())/2];
}

vector<Vector> read_data(string filename)
{
	vector<Vector> vlist;
	string tmps;
	ifstream finput(filename.c_str(), ios::in);
	//ifstream finput;
	//finput.open(filename.c_str());
	int i, size;
	if( !finput )
	{
		cerr << "Open file Error!" << endl;
	}
	// check the dimension of vector
	size = 1;
	if( !finput.eof() )
	{
		getline(finput, tmps, '\n');
		i = 0;
		while( !(tmps[i] == '\0' || tmps[i] == '\n') )
		{
			if(tmps[i] == ' ')
				size++;
			i++;
		}
	}
	finput.seekg( 0, ios::beg);
	while( !finput.eof() )
	{
		Vector dmvector(size);
		for ( i = 0; i < size; ++i )
		{
			finput >> tmps;
			if ( tmps.length() == 0 )
				return vlist;
			dmvector.set( i, atof(tmps.c_str()));
		}
		vlist.push_back( dmvector );
	}
	finput.close();
	return vlist;
}

void write_data(vector<Vector> veclist, string filename)
{
    FILE *fp = NULL;
    fp = fopen(filename.c_str(), "w");
    for(unsigned int i=0; i<veclist.size(); i++)
    {
        for(int j=0; j<veclist[i].N; j++)
        {
            fprintf(fp, "%f ", veclist[i].get(j));
        }
        fprintf(fp, "%c", '\n');
    }
}

int main()
{
    //printf("%d\n", -1/2);//0
    vector<Vector> veclist;
    veclist = read_data("data.dm");
    write_data(veclist, "outdata.dm");
    system("pause");
    return 0;
}

【完美复现】面向配电网韧性提升的移动储能预布局与动态调度策略【IEEE33节点】(Matlab代码实现)内容概要:本文介绍了基于IEEE33节点的配电网韧性提升方法,重点研究了移动储能系统的预布局与动态调度策略。通过Matlab代码实现,提出了一种结合预配置和动态调度的两阶段优化模型,旨在应对电网故障或极端事件时快速恢复供电能力。文中采用了多种智能优化算法(如PSO、MPSO、TACPSO、SOA、GA等)进行对比分析,验证所提策略的有效性和优越性。研究不仅关注移动储能单元的初始部署位置,还深入探讨其在故障发生后的动态路径规划与电力支援过程,从而全面提升配电网的韧性水平。; 适合人群:具备电力系统基础知识和Matlab编程能力的研究生、科研人员及从事智能电网、能源系统优化等相关领域的工程技术人员。; 使用场景及目标:①用于科研复现,特别是IEEE顶刊或SCI一区论文中关于配电网韧性、应急电源调度的研究;②支撑电力系统在灾害或故障条件下的恢复力优化设计,提升实际电网应对突发事件的能力;③为移动储能系统在智能配电网中的应用提供理论依据和技术支持。; 阅读建议:建议读者结合提供的Matlab代码逐模块分析,重点关注目标函数建模、约束条件设置以及智能算法的实现细节。同时推荐参考文中提及的MPS预配置与动态调度上下两部分,系统掌握完整的技术路线,并可通过替换不同算法或测试系统进一步拓展研究。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值