基于QPSO算法的綜合負荷模型參數(shù)辨識與負荷建模平臺.pdf

1、電力系統(tǒng)負荷建模是電力系統(tǒng)分析中重要的基礎性研究課題之一，也是電力系統(tǒng)研究中公認的難題，其研究進展一直落后于電力系統(tǒng)其他元件的研究進展。近年來，國內(nèi)外對負荷建模開展了大量的研究工作，有力地推動了負荷建模研究進展。在借鑒、綜合眾多前人研究的基礎上，本文在綜合負荷模型的參數(shù)辨識算法研究和負荷建模平臺的開發(fā)兩個方面展開了研究工作。
　　 在綜合負荷模型參數(shù)辨識算法方面，本文首先較為深入地分析了制約粒子群算法（Particle Swar

2、m Optimization Algorithm，PSO算法）全局搜索能力的一個影響因素:在每一次迭代的過程中，當前粒子的位置、速度等信息確定后，粒子迭代時運動軌跡的范圍是確定的，而且只是整個可行區(qū)域的一部分，這樣就大大限制了粒子群算法的全局收斂能力。其次，針對PSO算法在優(yōu)化中存在這種的缺陷，提出了基于量子粒子群算法(QuantumParticleSwarmOptimizationAlgorithm，QPSO算法)的綜合負荷模型的參數(shù)

3、辨識方法。該方法利用量子力學中的粒子具有不確定軌跡的行為特點來改變粒子們位置，使粒子每次迭代時其運動軌跡的可能區(qū)域充滿整個可行域，從而大大擴大了粒子的搜索范圍，具有更好的全局收斂能力。再次，結合動模試驗中獲得的綜合負荷擾動數(shù)據(jù)，利用QPSO算法分別對ZIP+差分方程和冪函數(shù)+差分方程兩種綜合負荷模型進行參數(shù)辨識，驗證了QPSO算法用于綜合負荷模型參數(shù)辨識的有效性。最后通過QPSO算法和PSO算法在ZIP+差分方程綜合負荷模型參數(shù)辨識的試

4、驗進行對比，驗證了QPSO算法搜索全局最優(yōu)解的能力，并根據(jù)試驗結果分析了粒子數(shù)目和迭代次數(shù)的乘積對兩種算法全局收斂能力所具有的不同影響。
　　 在負荷建模平臺的開發(fā)方面，開發(fā)了一套集負荷信息數(shù)據(jù)庫的查看功能、統(tǒng)計綜合法建模功能和總體測辨法建模功能的負荷建模平臺。該平臺基于用戶/服務器模式，采用了面向?qū)ο蟮木幊碳夹g，運用了MFCODBC和ADO數(shù)據(jù)庫編程技術;特別是針對總體測辨法建模中復雜的負荷模型和辨識算法難以用VC++語言編寫