基于改進(jìn)粒子群算法的電力負(fù)荷模型參數(shù)辨識研究.pdf

1、電力負(fù)荷是電力系統(tǒng)的重要組成部分，對電力系統(tǒng)的穩(wěn)定運(yùn)行具有重要影響。隨著對電力負(fù)荷研究的深入，負(fù)荷的數(shù)學(xué)模型已較為成熟，但由于負(fù)荷自身的復(fù)雜性使得模型參數(shù)的獲取變得困難，而參數(shù)準(zhǔn)確程度又直接影響了負(fù)荷模型的有效性，因此研究負(fù)荷模型的參數(shù)辨識具有重要意義。
　　 本文分析了電力系統(tǒng)靜態(tài)和動態(tài)負(fù)荷模型，運(yùn)用時域仿真法對感應(yīng)電機(jī)啟動、平穩(wěn)運(yùn)行中受擾動的暫態(tài)過程進(jìn)行數(shù)值仿真，結(jié)果證明了所采用數(shù)學(xué)模型和數(shù)值算法的正確性。針對線性遞減慣性權(quán)

2、重和收縮因子粒子群算法存在“早熟”和遍歷性不足的問題，提出了一種基于S型慣性權(quán)重的變異粒子群算法。通過多個標(biāo)準(zhǔn)測試函數(shù)對改進(jìn)算法進(jìn)行綜合測試，驗證了該算法具有收斂速度快和搜索精度高的優(yōu)點(diǎn)，適用于負(fù)荷模型的參數(shù)辨識。其次，分析了冪函數(shù)和二項式形式的靜態(tài)負(fù)荷模型結(jié)構(gòu)特點(diǎn)，指出二項式模型參數(shù)辨識結(jié)果不唯一的原因。然后基于實測負(fù)荷數(shù)據(jù)對此進(jìn)行驗證，得出辨識結(jié)果是否唯一與模型結(jié)構(gòu)有關(guān)的結(jié)論。以此為依據(jù)，選擇冪函數(shù)模型作為負(fù)荷靜態(tài)模型，并基于改進(jìn)粒

3、子群算法對其進(jìn)行參數(shù)辨識。通過將靜態(tài)模型對實際負(fù)荷突變情況進(jìn)行擬合，證明了靜態(tài)負(fù)荷模型描述性能的局限性。最后，對動態(tài)模型進(jìn)行初始狀態(tài)求解，運(yùn)用四階龍格-庫塔法推導(dǎo)模型的迭代方程，結(jié)合改進(jìn)粒子群算法設(shè)計出動態(tài)模型參數(shù)辨識的仿真步驟，并基于實測數(shù)據(jù)辨識模型參數(shù)。
　　 辨識結(jié)果表明S型慣性權(quán)重變異粒子群算法的擬合數(shù)據(jù)更接近于實測數(shù)據(jù)。與常規(guī)方法相比，改進(jìn)算法具有更好的收斂速度和辨識精度，是一種較有效的辨識方法，適用于電力負(fù)荷模型的參