基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提高粒子群优化(Particle Swarm Optimization,PSO)算法的计算精度和计算效率,避免"早熟",提出了育种粒子群优化算法(Breeding-based Particle Swarm Optimization,BBPSO).该算法模型将育种算法和PSO算法有机结合,构建双群体搜索机制,既利用PSO算法的快速演化能力,又利用育种算法模型中的繁殖操作增加群体多样性.将该算法模型应用于梯级水电站发电最优调度中,仿真结果表明,和标准PSO算法相比,BBPSO具有更好的全局寻优能力和较快的收敛速度,能有效应用于梯级电站发电联合优化调度中.
推荐文章
梯级水电站优化调度的模糊自适应粒子群算法
梯级水电站
粒子群算法
模糊
自适应
改进粒子群算法在梯级水电站优化调度中的应用
粒子群算法
突变粒子群算法
梯级水电站
梯级水电站群优化调度研究
梯级水电站群
优化调度
线性规划
多目标
基于改进粒子群算法梯级水电站短期优化调度研究
短期优化调度
峰谷电价
粒子群算法
综合效益最大模型
梯级水电站
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 育种粒子群算法在梯级水电站优化调度中的应用
来源期刊 水力发电学报 学科 工学
关键词 水电工程 粒子群优化算法 育种算法 梯级电站发电最优调度
年,卷(期) 2010,(1) 所属期刊栏目
研究方向 页码范围 207-212
页数 6页 分类号 TV697.1~+1
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 马光文 四川大学能源发展研究中心 244 2305 23.0 37.0
2 杨道辉 四川大学能源发展研究中心 24 353 11.0 18.0
6 杨梅 四川大学能源发展研究中心 97 534 13.0 21.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (8)
参考文献  (3)
节点文献
引证文献  (7)
同被引文献  (16)
二级引证文献  (16)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(3)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(3)
  • 二级引证文献(0)
2010(3)
  • 引证文献(3)
  • 二级引证文献(0)
2012(4)
  • 引证文献(1)
  • 二级引证文献(3)
2013(5)
  • 引证文献(1)
  • 二级引证文献(4)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(5)
  • 引证文献(0)
  • 二级引证文献(5)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
水电工程
粒子群优化算法
育种算法
梯级电站发电最优调度
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
水力发电学报
月刊
1003-1243
11-2241/TV
小16开
中国北京清华大学水电工程系
1982
chi
出版文献量(篇)
3865
总下载数(次)
7
总被引数(次)
47197
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导