電力負(fù)荷模型參數(shù)辨識(shí)與分類算法研究.pdf

1、隨著電網(wǎng)規(guī)模的不斷擴(kuò)大，電網(wǎng)結(jié)構(gòu)越來(lái)越復(fù)雜，人們逐漸認(rèn)識(shí)到了電力負(fù)荷模型在電力系統(tǒng)分析、運(yùn)行與控制中的重要性。由于總體測(cè)辨法建模具有直接、真實(shí)、實(shí)用性好的特點(diǎn)，很快就受到了多數(shù)研究者的青睞。但是它也存在一些問(wèn)題，如參數(shù)的平穩(wěn)性和模型實(shí)用化問(wèn)題。本文以這兩個(gè)問(wèn)題為出發(fā)點(diǎn)，對(duì)參數(shù)辨識(shí)和負(fù)荷模型分類兩個(gè)方面進(jìn)行了重點(diǎn)研究。
　　 總體測(cè)辨法負(fù)荷建模的兩個(gè)主要問(wèn)題是基于實(shí)測(cè)負(fù)荷特性數(shù)據(jù)的模型結(jié)構(gòu)和模型參數(shù)的辨識(shí)。本文首先介紹了目前存在的

2、三種負(fù)荷模型，指出無(wú)論采用靜態(tài)模型還是動(dòng)態(tài)模型，均不能對(duì)實(shí)測(cè)負(fù)荷很好地詮釋，最后選用了能夠很好地解決時(shí)變性問(wèn)題的TVA綜合負(fù)荷模型，并對(duì)其相應(yīng)參數(shù)進(jìn)行了辨識(shí)研究。
　　 辨識(shí)算法對(duì)參數(shù)的平穩(wěn)性有著非常重要的影響，如果算法不能夠很好的全局收斂，不能很好的控制參數(shù)分散性，那么辨識(shí)出的模型參數(shù)就不具有實(shí)用性。本文針對(duì)傳統(tǒng)蟻群算法容易陷入局部最優(yōu)的缺點(diǎn)和混沌算法的遍歷性和隨機(jī)性的優(yōu)點(diǎn)，把混沌算法引入到了蟻群算法中，提出了一種適用于負(fù)荷模

3、型參數(shù)辨識(shí)的算法一混沌蟻群混合算法。算例結(jié)果表明該方法克服了傳統(tǒng)蟻群算法的局部收斂，有效減少了收斂代數(shù)，加速了收斂速度，能夠較好的控制參數(shù)分散性，具有較好的魯棒性。
　　 在參數(shù)辨識(shí)的基礎(chǔ)上，研究了基于辨識(shí)參數(shù)空間的負(fù)荷模型分類，這也是負(fù)荷模型實(shí)用化中一個(gè)重要的、必須要解決的問(wèn)題。本文選用辨識(shí)參數(shù)作為模型聚類分析的特征向量，分別用HCM算法和FCM算法進(jìn)行了分類研究。結(jié)果表明FCM算法相比于HCM算法在初值敏感性和聚類準(zhǔn)確性方面