期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于白冠鸡算法优化LSSVM的变压器故障识别
1
作者 彭克民 《电气传动自动化》 2024年第6期58-62,共5页
为了改善变压器故障类型识别效果,针对变压器故障识别问题,本文构建了一种结合了最小二乘支持向量机(LSSVM)的强大预测能力与白冠鸡算法(COA)的优化特性的独特模型。通过应用COA算法对LSSVM的参数进行优化,开发了一种高效的变压器故障... 为了改善变压器故障类型识别效果,针对变压器故障识别问题,本文构建了一种结合了最小二乘支持向量机(LSSVM)的强大预测能力与白冠鸡算法(COA)的优化特性的独特模型。通过应用COA算法对LSSVM的参数进行优化,开发了一种高效的变压器故障识别方案。用COA算法确定了LSSVM参数最优值,解决了LSSVM参数选择问题,在此基础上构建了COA-LSSVM分类模型。算例分析结果表明,COA-LSSVM模型的分类精度高达98.57%,显著高于其他两种对比模型,针对变压器故障识别能力,进行COA-LSSVM模型有效性和可行性的识别。 展开更多
关键词 变压器 故障识别 最小二乘支持向量机 白冠鸡算法
在线阅读 下载PDF
基于COOT算法的局部阴影下光伏阵列MPPT控制研究 被引量：1
2
作者 张曦 高昕 《机电信息》 2023年第16期13-16,共4页
针对光伏阵列在局部阴影下会产生多个功率峰值,可能出现跟踪到错误的功率峰值的情况,将白冠鸡优化算法(COOT)应用于局部阴影MPPT控制,通过动态调整太阳能电池板输出电压和电流,使得太阳能电池板的输出功率最大,从而提高太阳能电池板的... 针对光伏阵列在局部阴影下会产生多个功率峰值,可能出现跟踪到错误的功率峰值的情况,将白冠鸡优化算法(COOT)应用于局部阴影MPPT控制,通过动态调整太阳能电池板输出电压和电流,使得太阳能电池板的输出功率最大,从而提高太阳能电池板的转换效率和输出功率。结果表明,不论是在静态还是动态阴影条件下,采用白冠鸡优化算法都能准确定位到最大功率峰值点。 展开更多
关键词 白冠鸡优化算法(COOT) 局部阴影 MPPT 最大功率
在线阅读 下载PDF
基于COOT-SVM的短期光伏发电功率预测 被引量：7
3
作者 陈晓华 王志平 +5 位作者 吴杰康 许海文 陈盛语 张勋祥 龙泳丞 谢明钊 《四川电力技术》 2023年第6期28-33,40,共7页
为了提高短期光伏发电功率预测的精度,提出了一种基于白冠鸡优化算法(COOT)优化支持向量机(SVM)的短期光伏发电功率预测模型。首先,分别选取某光伏电站在2017年4月和7月的前21天数据进行仿真分析,计算光伏输出功率和每一个气象因素之间... 为了提高短期光伏发电功率预测的精度,提出了一种基于白冠鸡优化算法(COOT)优化支持向量机(SVM)的短期光伏发电功率预测模型。首先,分别选取某光伏电站在2017年4月和7月的前21天数据进行仿真分析,计算光伏输出功率和每一个气象因素之间的皮尔逊相关系数;然后,依据皮尔逊相关系数选择太阳总辐射强度、太阳散射辐射强度、太阳直射辐射强度、组件温度和环境温度5个气象因素作为预测模型的输入数据,光伏电站的发电功率作为输出数据。通过与BP和SVM预测模型进行仿真对比可知,对于4月和7月的数据来说,COOT-SVM预测模型的均方根误差、均方误差和平均绝对误差均比BP和SVM预测模型小。因此,所提COOT-SVM预测模型可有效提高短期光伏发电功率的预测精度,具有较高的工程应用价值。 展开更多
关键词 光伏发电 功率预测 白冠鸡优化算法 支持向量机 皮尔逊相关系数
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部