負(fù)荷模型辨識(shí)算法研究及建模平臺(tái)開(kāi)發(fā).pdf

1、負(fù)荷建模是電力系統(tǒng)中公認(rèn)的世界性難題，長(zhǎng)期以來(lái)，負(fù)荷建模的研究一直滯后于電力工業(yè)的發(fā)展。本文在對(duì)負(fù)荷建模問(wèn)題的理論基礎(chǔ)進(jìn)行了比較深入地研究以后，用總體測(cè)辨法對(duì)現(xiàn)場(chǎng)采集到的數(shù)據(jù)進(jìn)行建模，對(duì)動(dòng)態(tài)綜合導(dǎo)納模型的有效性進(jìn)行了驗(yàn)證，并從理論上分析了動(dòng)態(tài)綜合導(dǎo)納模型在全電壓范圍內(nèi)的適應(yīng)性。另外，作者采用三階感應(yīng)電動(dòng)機(jī)模型對(duì)動(dòng)模實(shí)驗(yàn)室同構(gòu)負(fù)荷數(shù)據(jù)和現(xiàn)場(chǎng)記錄的故障數(shù)據(jù)進(jìn)行了動(dòng)態(tài)辨識(shí)，得出了三階感應(yīng)電動(dòng)機(jī)模型具有較強(qiáng)的自描述能力、較好的提取綜合負(fù)荷本質(zhì)特

2、征的能力、較強(qiáng)的有功-無(wú)功功率綜合描述能力以及較強(qiáng)的內(nèi)插和外推能力等四大特點(diǎn)。隨后，作者就建模實(shí)踐中存在的辨識(shí)結(jié)果呈現(xiàn)很大的分散性問(wèn)題進(jìn)行了定性的分析，并通過(guò)仿真找出了對(duì)辨識(shí)結(jié)果影響很小或稱靈敏度小的兩個(gè)參數(shù)：n和α，同時(shí)提出了可以通過(guò)提高辨識(shí)算法的有效性來(lái)降低模型參數(shù)的分散性問(wèn)題。 遺傳算法是一種新型的優(yōu)化算法。它在傳統(tǒng)優(yōu)化算法無(wú)能為力的時(shí)候往往能以較大的概率找到優(yōu)化問(wèn)題的全局最優(yōu)解。近年來(lái)，由于遺傳算法求解復(fù)雜優(yōu)化問(wèn)題的巨大

3、潛力及其在各個(gè)領(lǐng)域的成功應(yīng)用，這種算法受到了廣泛的關(guān)注。本文在第三章的開(kāi)頭部分也通過(guò)實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證了遺傳算法較傳統(tǒng)優(yōu)化方法的優(yōu)秀性能。但該算法本身也存在一些缺陷，一個(gè)突出的問(wèn)題就是收斂速度和全局收斂性之間的矛盾。為了改善這些矛盾，本文提出了一種綜合的改進(jìn)遺傳算法。改進(jìn)遺傳算法包括三大策略：精英策略、避免近親繁殖的雙斷點(diǎn)交叉策略以及防止種群早熟的移民策略，本文通過(guò)試驗(yàn)函數(shù)、仿真負(fù)荷數(shù)據(jù)、實(shí)驗(yàn)室數(shù)據(jù)以及現(xiàn)場(chǎng)采集的數(shù)據(jù)全方位的檢驗(yàn)改進(jìn)遺傳算法的

4、有效性，其衡量的標(biāo)準(zhǔn)包括算法的收斂速度、辨識(shí)結(jié)果的真實(shí)度(通過(guò)仿真數(shù)據(jù)來(lái)驗(yàn)證)以及參數(shù)結(jié)果的穩(wěn)定性。作者利用該文改進(jìn)的遺傳算法進(jìn)行負(fù)荷建模，較好地解決了辨識(shí)結(jié)果的分散性問(wèn)題，同時(shí)，利用改進(jìn)遺傳算法對(duì)實(shí)驗(yàn)室數(shù)據(jù)進(jìn)行建模時(shí)發(fā)現(xiàn)辨識(shí)結(jié)果與現(xiàn)場(chǎng)調(diào)查結(jié)果相當(dāng)吻合，這不僅說(shuō)明了改進(jìn)遺傳算法的有效性，同時(shí)也說(shuō)明了調(diào)查結(jié)果的正確性，兩者互相驗(yàn)證。 基于對(duì)負(fù)荷建模問(wèn)題的深入理解和研究，開(kāi)發(fā)了以參數(shù)辨識(shí)為基礎(chǔ)的負(fù)荷建模軟件平臺(tái)，論文中提出的改進(jìn)遺傳