粒計算智能研究及其在電力負荷辨識中的應用.pdf

1、電力負荷辨識是電力系統(tǒng)建模的核心和難點，也是影響模型準確性和可靠性的關鍵因素。它涉及到電力系統(tǒng)規(guī)劃和設計、電力系統(tǒng)經濟安全運行以及電力市場交易等多個方面。隨著智能電網的發(fā)展，電力網絡規(guī)模不斷擴大，復雜程度愈來愈高，負荷的非線性、變結構特征表現(xiàn)愈加明顯，用單一優(yōu)化方法已無法準確描述其特性。故本文提出了粒計算智能算法，并將其用于解決電力負荷辨識等問題。其目的是充分發(fā)揮人的智能(知識)，有效地結合多種智能方法(進化算法、神經網絡算法、群智能算

2、法等)，取長補短，以達到高效地解決問題。論文的主要內容有以下幾個方面。
　　 在研究了粒計算和知識進化特點后，對知識粒進行了處理。首先，提出了知識粒進化約簡算法。構建了知識粒進化約簡評價函數(shù)，通過選擇、交叉和變異操作，使知識屬性集達到了最小化，提高了知識進化效率。其次，提出了知識粒模糊增殖神經場學習方法。此方法將粒計算商空間理論和人工神經場理論有機結合，采用投影技術、分治方法和嵌入機理，解決了對已有知識的重復學習問題，有效地實現(xiàn)

3、了知識積累、繼承和不斷完善。最后，在遺傳規(guī)劃原理基礎上，提出了知識粒進化算法。其核心思想是通過傳承算子、創(chuàng)新算子和適應度評價函數(shù)對知識粒進行進化，并獲得了知識規(guī)則。
　　 針對復雜網絡數(shù)據量大、非線性和不易管理等問題，通過探討和研究復雜網絡與知識網絡之間關系和演化過程。采用粒商空間理論構建了復雜網絡與知識網絡協(xié)同進化模型，提出了基于粒計算知識進化與復雜網絡演化協(xié)同算法，該方法將三庫融合機制及變區(qū)域策略應用到協(xié)同進化中，較好地發(fā)揮

4、了復雜網絡與知識網互相促進、互相影響的作用。通過實驗與比較，驗證了此方法的有效性和可行性。
　　 鑒于蟻群算法易于陷入局部極值和粒子群算法搜索精度不高等缺陷，提出了一種改進的群智能算法。通過添加變異概率調控算子，改善了粒子群-蟻群算法的性能，提高了搜索精度。并將該算法應用于TSP問題。經實驗證明：該方法結構簡單，運行速度快。
　　 針對電力負荷具有時變、變結構和非線性等特點，要對其進行負荷動態(tài)辨識有一定的困難等問題，提出