粒計(jì)算智能研究及其在電力負(fù)荷辨識(shí)中的應(yīng)用.pdf

1、電力負(fù)荷辨識(shí)是電力系統(tǒng)建模的核心和難點(diǎn)，也是影響模型準(zhǔn)確性和可靠性的關(guān)鍵因素。它涉及到電力系統(tǒng)規(guī)劃和設(shè)計(jì)、電力系統(tǒng)經(jīng)濟(jì)安全運(yùn)行以及電力市場(chǎng)交易等多個(gè)方面。隨著智能電網(wǎng)的發(fā)展，電力網(wǎng)絡(luò)規(guī)模不斷擴(kuò)大，復(fù)雜程度愈來(lái)愈高，負(fù)荷的非線性、變結(jié)構(gòu)特征表現(xiàn)愈加明顯，用單一優(yōu)化方法已無(wú)法準(zhǔn)確描述其特性。故本文提出了粒計(jì)算智能算法，并將其用于解決電力負(fù)荷辨識(shí)等問(wèn)題。其目的是充分發(fā)揮人的智能(知識(shí))，有效地結(jié)合多種智能方法(進(jìn)化算法、神經(jīng)網(wǎng)絡(luò)算法、群智能算

2、法等)，取長(zhǎng)補(bǔ)短，以達(dá)到高效地解決問(wèn)題。論文的主要內(nèi)容有以下幾個(gè)方面。
　　 在研究了粒計(jì)算和知識(shí)進(jìn)化特點(diǎn)后，對(duì)知識(shí)粒進(jìn)行了處理。首先，提出了知識(shí)粒進(jìn)化約簡(jiǎn)算法。構(gòu)建了知識(shí)粒進(jìn)化約簡(jiǎn)評(píng)價(jià)函數(shù)，通過(guò)選擇、交叉和變異操作，使知識(shí)屬性集達(dá)到了最小化，提高了知識(shí)進(jìn)化效率。其次，提出了知識(shí)粒模糊增殖神經(jīng)場(chǎng)學(xué)習(xí)方法。此方法將粒計(jì)算商空間理論和人工神經(jīng)場(chǎng)理論有機(jī)結(jié)合，采用投影技術(shù)、分治方法和嵌入機(jī)理，解決了對(duì)已有知識(shí)的重復(fù)學(xué)習(xí)問(wèn)題，有效地實(shí)現(xiàn)

3、了知識(shí)積累、繼承和不斷完善。最后，在遺傳規(guī)劃原理基礎(chǔ)上，提出了知識(shí)粒進(jìn)化算法。其核心思想是通過(guò)傳承算子、創(chuàng)新算子和適應(yīng)度評(píng)價(jià)函數(shù)對(duì)知識(shí)粒進(jìn)行進(jìn)化，并獲得了知識(shí)規(guī)則。
　　 針對(duì)復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)量大、非線性和不易管理等問(wèn)題，通過(guò)探討和研究復(fù)雜網(wǎng)絡(luò)與知識(shí)網(wǎng)絡(luò)之間關(guān)系和演化過(guò)程。采用粒商空間理論構(gòu)建了復(fù)雜網(wǎng)絡(luò)與知識(shí)網(wǎng)絡(luò)協(xié)同進(jìn)化模型，提出了基于粒計(jì)算知識(shí)進(jìn)化與復(fù)雜網(wǎng)絡(luò)演化協(xié)同算法，該方法將三庫(kù)融合機(jī)制及變區(qū)域策略應(yīng)用到協(xié)同進(jìn)化中，較好地發(fā)揮

4、了復(fù)雜網(wǎng)絡(luò)與知識(shí)網(wǎng)互相促進(jìn)、互相影響的作用。通過(guò)實(shí)驗(yàn)與比較，驗(yàn)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(jìn)的群智能算法。通過(guò)添加變異概率調(diào)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(yīng)用于TSP問(wèn)題。經(jīng)實(shí)驗(yàn)證明：該方法結(jié)構(gòu)簡(jiǎn)單，運(yùn)行速度快。
　　 針對(duì)電力負(fù)荷具有時(shí)變、變結(jié)構(gòu)和非線性等特點(diǎn)，要對(duì)其進(jìn)行負(fù)荷動(dòng)態(tài)辨識(shí)有一定的困難等問(wèn)題，提出