- 博客(324)
- 收藏
- 关注
RSS订阅原创 代码+数据|分布式光伏储能系统的双层优化配置方法（Matlab）
在含分布式光伏和配电网储能系统优化配置中，双层模型通过分层解耦复杂决策问题，展现出显著的技术优势与工程价值。其核心架构将外层（规划层）与内层（运行层）协同优化，形成“配置-策略”闭环：外层模型聚焦长期规划决策，采用智能算法（如粒子群算法、遗传算法）优化储能系统的离散变量（选址、容量档位），目标为最小化投资成本并预选薄弱节点（如基于电压稳定指数）；
2025-03-28 16:19:50
388
原创 EI复现—基于元模型优化的虚拟电厂主从博弈优化调度模型（Matlab）
定义：虚拟电厂是一种通过智能技术将分散的分布式能源（如风电、光伏、储能电池、可调节用电设备等）整合为统一协调运行的“虚拟化电厂”。它不拥有实体发电厂，但能像传统电厂一样参与电网调度和电力交易。核心功能：资源聚合：把零散的新能源发电设备和储能系统“打包”管理。灵活调控：根据电价或电网需求，自动优化内部发电、储电和用电策略。市场交易：作为独立主体在电力市场中买卖电能，赚取差价收益。
2025-03-28 16:04:11
771
原创 三种算法对比！改进麻雀、麻雀、粒子群算法求解微电网优化调度|Matlab
代码基于Matlab平台编译，主要内容是：针对含光伏、风电、储能、燃气轮机的微电网优化调度问题，提出了一种。
2025-03-12 10:00:00
247
原创 分布式光伏储能系统的双层优化配置方法（Matlab）——附代码
在含分布式光伏和配电网储能系统优化配置中，双层模型通过分层解耦复杂决策问题，展现出显著的技术优势与工程价值。其核心架构将外层（规划层）与内层（运行层）协同优化，形成“配置-策略”闭环：外层模型聚焦长期规划决策，采用智能算法（如粒子群算法、遗传算法）优化储能系统的离散变量（选址、容量档位），目标为最小化投资成本并预选薄弱节点（如基于电压稳定指数）；
2025-03-10 10:00:00
556
原创 回归通用|PSO-RBF多变量回归预测|粒子群-径向基函数神经网络|Matlab
RBF神经网络是一种三层前馈网络，由输入层、隐含层和输出层组成。隐含层：每个神经元对应一个中心点（通过聚类或随机选择确定），以输入数据与中心点的欧氏距离为参数，通过径向基函数（如高斯函数）计算输出。隐含层的作用是将低维非线性问题映射到高维空间，使其线性可分。输出层：对隐含层输出进行线性加权求和，得到最终结果。所有数据均采用Excel格式输入，替换数据方便，适合懒人选手。输入层：接收数据并传递到隐含层，节点数量与输入特征维度一致。编程习惯良好，程序主体标准化，逻辑清晰，方便阅读代码。示例的输入训练数据包含。
2025-03-06 14:00:00
376
原创 分类通用|PSO-RBF多变量分类预测|粒子群-径向基函数神经网络|Matlab
RBF神经网络是一种三层前馈网络，由输入层、隐含层和输出层组成。隐含层：每个神经元对应一个中心点（通过聚类或随机选择确定），以输入数据与中心点的欧氏距离为参数，通过径向基函数（如高斯函数）计算输出。隐含层的作用是将低维非线性问题映射到高维空间，使其线性可分。输出层：对隐含层输出进行线性加权求和，得到最终结果。所有数据均采用Excel格式输入，替换数据方便，适合懒人选手。输入层：接收数据并传递到隐含层，节点数量与输入特征维度一致。编程习惯良好，程序主体标准化，逻辑清晰，方便阅读代码。示例的输入训练数据包含。
2025-03-06 14:00:00
307
原创 EI复现—基于元模型优化的虚拟电厂主从博弈优化调度模型（Matlab）
定义：虚拟电厂是一种通过智能技术将分散的分布式能源（如风电、光伏、储能电池、可调节用电设备等）整合为统一协调运行的“虚拟化电厂”。它不拥有实体发电厂，但能像传统电厂一样参与电网调度和电力交易。核心功能：资源聚合：把零散的新能源发电设备和储能系统“打包”管理。灵活调控：根据电价或电网需求，自动优化内部发电、储电和用电策略。市场交易：作为独立主体在电力市场中买卖电能，赚取差价收益。
2025-03-05 10:00:00
651
原创 光伏功率出力的多指标区间预测方法|Matlab
1.适用于matlab2020及以上。可任意选择置信区间，区间覆盖率picp、区间平均宽度百分比等等，可用于预测不确定性，效果如图所示，完全满足各种需求，采用KDE,4种分布进行预测，有对比。2.数据采用Excel表格导入，可以方便替换成自己的数据，程序注释详细3.解压后可以直接运行，不需要任何复杂操作。
2025-02-10 10:00:00
347
原创 核心复现—基于目标级联法的微网群多主体分布式优化调度
本代码建立了微网群系统的两级递阶优化调度模型: 上层是微网群能量调度中心优化调度模型，下层是子微网优化调度模型，然后对所建递阶优化调度模型耦合性和分布性进行分析，采用一种新型的协同优化方法———目标级联法，实现上下层模型的解耦独立优化，以3微网为算例进行验证，证明方法的可行性。包括两个版本，一个是三个微网联络线功率不平衡的（之前的版本），一个是修正后的版本，将三个微网联络线功率调成平衡状态。
2025-02-07 10:00:00
362
原创 AHA-CNN多输入时序回归|人工蜂鸟算法-卷积神经网络|Matlab
人工蜂鸟优化算法（Artificial Hummingbird Algorithm，AHA）是一种新兴的群体智能优化算法，灵感来源于自然界中蜂鸟的觅食行为。蜂鸟以其灵活的飞行能力和高效的觅食策略而闻名，这些特性被用来设计一种有效的优化算法，适用于解决复杂的优化问题。算法原理人工蜂鸟优化算法的基本思想是模拟蜂鸟在寻找花蜜时的行为。蜂鸟在觅食时会根据环境中的花朵分布情况，选择最优的路径和策略来获取食物。算法通过以下几个步骤来实现优化过程：初始化：在搜索空间中随机生成一组蜂鸟个体，每个个体代表一个可能的解。
2025-01-24 10:00:00
293
原创 文章复现—面向配电网韧性提升的移动储能预布局与动态调度策略
近年来极端灾害导致电网大停电事故频繁发生，配电网韧性反映配电系统对灾害的抵御、适应与恢复供电的能力，受到了广泛关注。此外，为应对能源枯竭和环境污染的双重危机，大量分布式电源（DG）、电能替代负荷接入配电网，为负荷恢复提供了解决方案。因此，在灾害前后有效利用各类分布式资源以减少停电损失，对提升配电网韧性具有重要意义。针对电网-交通网融合背景下的配电网韧性提升问题，本文提出一种移动储能预布局与动态调度策略，建立了灾前预防-灾后恢复的两阶段优化模型，算例验证了其对提升配电网韧性的有效性。
2025-01-14 10:24:21
338
原创 创新+对比|VMD分解+PCA特征筛选+LSTM回归预测电力负荷时序回归预测
PCA能够减少特征维度，降低计算复杂度，同时去除冗余特征，提升模型的训练效率。这种分解能够有效地提取信号的特征，去除噪声和干扰，为后续分析提供更清晰的信号表示。通过将PCA提取的特征输入到LSTM中，模型能够学习到特征与目标变量之间的复杂关系，从而进行准确的预测。然后，采用PCA对多个IMF分量的进行特征重构映射，并按照特征重要性进行排序，降低数据维度、突出重点信息、减轻干扰、加快训练。对时序信号数据进行分解，提取出多个IMF分量，降低噪声干扰，强化。编程习惯良好，程序主体标准化，逻辑清晰，方便阅读代码。
2025-01-10 10:00:00
449
原创 AHA-RF|人工蜂鸟-随机森林-回归-降维|多变量特征筛选降维-回归预测|Matlab
它将问题的解空间表示为食物源，每个食物源对应一个解向量，其质量由适应度值表示。蜂鸟被分配到特定的食物源，并能够记住食物源的位置和质量，与其他蜂鸟分享信息。访问表记录了蜂鸟对每个食物源的访问情况，以指导蜂鸟选择访问哪个食物源。人工蜂鸟优化算法（AHA）是由Zhao等人于2021年提出的一种新型元启发式优化算法，旨在模拟自然界中蜂鸟的智能行为来解决优化问题。飞行技能：AHA算法引入了三种飞行技能：全向飞行、对角飞行和轴向飞行，这些技能允许蜂鸟在多维空间中寻找并取食目标食物源。
2025-01-02 15:17:46
639
原创 AsyLnCPSO-CNN-LSTM多输入回归|学习因子异步化的粒子群-卷积-长短期神经网络|Matlab
在传统的PSO中，粒子的速度更新依赖于两个固定的学习因子：个体学习因子（c1）和群体学习因子（c2）。具体来说，随着迭代次数的增加，个体学习因子和群体学习因子逐渐减小，使得粒子在搜索后期更加注重全局最优解的探索，而在搜索初期则更关注个体历史最优解的利用。收敛速度慢：在搜索初期，粒子可能过于依赖个体历史最优解，导致探索不足。局部最优：在搜索后期，粒子可能过于依赖全局最优解，导致陷入局部最优解。所有数据均采用Excel格式输入，替换数据方便，适合懒人选手。编程习惯良好，程序主体标准化，逻辑清晰，方便阅读代码。
2024-12-26 21:01:06
628
原创 学习因子异步化的粒子群优化算法（AsyLnCPSO）——源码
在传统的PSO中，粒子的速度更新依赖于两个固定的学习因子：个体学习因子（c1）和群体学习因子（c2）。具体来说，随着迭代次数的增加，个体学习因子和群体学习因子逐渐减小，使得粒子在搜索后期更加注重全局最优解的探索，而在搜索初期则更关注个体历史最优解的利用。如果当前粒子的适应度优于其历史最优适应度，则更新个体最优解（p）和历史最优位置（y）。全局搜索能力：在后期迭代中，算法更注重全局最优解的探索，减少了陷入局部最优的风险。如果当前粒子的个体最优解优于全局最优解，则更新全局最优解（pg）。
2024-12-21 16:55:35
550
原创 FDA-BP多输入回归|流向优化算法-BP神经网络|Matlab
本代码基于Matlab平台编译，将FDA(流向优化算法)与BP神经网络结合，进行多输入数据回归预测。(多变量回归预测，个数可自行指定)输入训练的数据包含7个特征，1个响应值，即通过7个输入值预测1个输出值。（数据导入后自动归一化，提升泛化性）通过FDA算法优化BP的初始权重、初始偏差参数，记录下最优的网络参数迭代计算过程中，自动显示优化进度条，实时查看程序运行进展情况自动输出多种多样的的误差评价指标，自动输出大量实验效果图片。
2024-12-17 10:00:00
407
原创 FDA-BP多输入分类|流向优化算法-BP神经网络|Matlab
本代码基于Matlab平台编译，将FDA(流向优化算法)与BP神经网络结合，进行多输入数据分类预测。(多变量分类预测，个数可自行指定)输入训练的数据包含12个特征，1个响应值，即通过12个输入值预测1个输出值。（数据导入后自动归一化，提升泛化性）通过FDA算法优化BP的初始权重、初始偏差参数，记录下最优的网络参数迭代计算过程中，自动显示优化进度条，实时查看程序运行进展情况自动输出多种多样的的误差评价指标，自动输出大量实验效果图片。
2024-12-17 10:00:00
375
原创 FDA-BP多输入时序|流向优化算法-BP神经网络|Matlab
本代码基于Matlab平台编译，将FDA(流向优化算法)与BP神经网络结合，进行多输入数据时序预测。(多变量时序预测，个数可自行指定)输入训练的数据包含8个特征，1个响应值，即通过8个输入值预测1个输出值。（数据导入后自动归一化，提升泛化性）通过FDA算法优化BP的初始权重、初始偏差参数，记录下最优的网络参数迭代计算过程中，自动显示优化进度条，实时查看程序运行进展情况自动输出多种多样的的误差评价指标，自动输出大量实验效果图片。
2024-12-17 10:00:00
368
原创 考虑多风场出力相关性的可再生能源场景生成/风电场景生成——文章复现
完美复现《考虑多风电场出力 Copula 相关关系的场景生成方法》中的场景生成部分，考虑多风场出力相关性的可再生能源场景生成/风电场景生成，并通过聚类算法场景削减成几个场景，每个场景都有确定的出现概率。Copula 函数(连接函数)描述空间相邻风电场间的相关性，提出一种基于 Copula 函数生成风电场出力场景的方法。该方法对边缘分布没有限制，能捕捉变量之间非线性、非对称性以及尾部相关关系。阐述了多个风电场出力的边缘分布函数及 Copula函数的构造和确定过程。拟合出最优Copula函数，并生成场景。
2024-12-11 10:00:00
416
原创 MFO-BP多输入回归|飞蛾扑火优化算法-BP神经网络|Matlab
MFO算法的优点包括简单易实现、不需要太多的参数调节、具有全局搜索能力和对多维优化问题的适应性。然而，MFO算法也存在一些缺点，如收敛速度较慢、对于复杂问题的收敛性不如其他算法等。这个算法模拟了飞蛾在夜晚受到光源吸引的行为，通过飞蛾在光源周围飞舞的方式来寻找最优解。光源的强度通常由目标函数值来表示，飞蛾会向光源移动，即朝着更优的解决方案靠近。随机生成一群飞蛾（解空间中的候选解），每个飞蛾代表一个潜在的解决方案。根据飞蛾的位置和光源的亮度来更新飞蛾的位置，以便更好地探索解空间。参数，记录下最优的网络参数。
2024-12-02 10:00:00
917
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人