負荷模型辨識算法研究及建模平臺開發(fā).pdf

1、負荷建模是電力系統(tǒng)中公認的世界性難題，長期以來，負荷建模的研究一直滯后于電力工業(yè)的發(fā)展。本文在對負荷建模問題的理論基礎(chǔ)進行了比較深入地研究以后，用總體測辨法對現(xiàn)場采集到的數(shù)據(jù)進行建模，對動態(tài)綜合導(dǎo)納模型的有效性進行了驗證，并從理論上分析了動態(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)電動機模型對動模實驗室同構(gòu)負荷數(shù)據(jù)和現(xiàn)場記錄的故障數(shù)據(jù)進行了動態(tài)辨識，得出了三階感應(yīng)電動機模型具有較強的自描述能力、較好的提取綜合負荷本質(zhì)特

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

3、潛力及其在各個領(lǐng)域的成功應(yīng)用，這種算法受到了廣泛的關(guān)注。本文在第三章的開頭部分也通過實驗數(shù)據(jù)驗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，一個突出的問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遺傳算法。改進遺傳算法包括三大策略：精英策略、避免近親繁殖的雙斷點交叉策略以及防止種群早熟的移民策略，本文通過試驗函數(shù)、仿真負荷數(shù)據(jù)、實驗室數(shù)據(jù)以及現(xiàn)場采集的數(shù)據(jù)全方位的檢驗改進遺傳算法的

4、有效性，其衡量的標(biāo)準(zhǔn)包括算法的收斂速度、辨識結(jié)果的真實度(通過仿真數(shù)據(jù)來驗證)以及參數(shù)結(jié)果的穩(wěn)定性。作者利用該文改進的遺傳算法進行負荷建模，較好地解決了辨識結(jié)果的分散性問題，同時，利用改進遺傳算法對實驗室數(shù)據(jù)進行建模時發(fā)現(xiàn)辨識結(jié)果與現(xiàn)場調(diào)查結(jié)果相當(dāng)吻合，這不僅說明了改進遺傳算法的有效性，同時也說明了調(diào)查結(jié)果的正確性，兩者互相驗證。 基于對負荷建模問題的深入理解和研究，開發(fā)了以參數(shù)辨識為基礎(chǔ)的負荷建模軟件平臺，論文中提出的改進遺傳