粒子群优化算法分布式电源选址定容 matlab源代码，分析了分布式电源接入配电网前后对网络损耗的影响，在此基础上提出采用混合模拟退火算法的改进粒子群优化算法进行分布式电源选址和定代码按照高水平文章复现_基于多目标粒子群算法在分布式电源选址和定容中的应用matlab

（1）粒子群优化算法分布式电源选址定容 如图12 matlab源代码，代码按照高水平文章复现，保证正确
分析了分布式电源接入配电网前后对网络损耗的影响，在此基础上提出采用混合模拟退火算法的改进粒子群优化算法进行分布式电源选址和定容的计算，其目的是使配电系统网络损耗进一步减少。
最后通过两个算例将本文提出的算法与采用遗传算法、模拟退火算法的计算结果进行对比分析，验证了所提出的改进算法在分布式电源选址和定容问题求解中具有很强的全局搜索能力和快速的收敛速度，为进一步开展分布式电源规划拓展思路。
分布式电源 配电网 网络损耗 改进粒子群算法
（2）电力系统大数据分析的卷积神经网络 如图34
python源代码，代码按照高水平文章复现，保证正确
提出了使用卷积神经网络(CNN的)等机器学习算法来开发ISO人工智能决策系统，该系统可以帮助甚至取代人类操作员，有效地控制未来复杂的电网。
介绍了CNN的操作以及以二阶栈形式向CNN提供功率数据的概念。
对CNN进行多类多参数训练分类。
讨论了Tensorflow在神经网络训练和分析中的应用。
训练数据集的准确率高达90%，准确率达79%。
使用Softmax分类器观察验证数据集的准确性。
结果强调了在电力系统中使用CNIN进行大数据分析的可行性。
通过使用更大的数据集，使用激活函数如Sigmoid或指数线性单元(ELU)进行实验，并微调CNN超参数，仍然有很大的改进空间。

ID:73244