文档介绍：西南交通大学
硕士学位论文
电力负荷模型参数辨识与分类算法研究
姓名:王斌晓
申请学位级别:硕士
专业:电力系统及其自动化
指导教师:黄彦全
20100401
摘要在电力系统分析、运行与控制中的重要性。由于总体测辨法建模具有直接、真实、实用性和模型实用化问题。本文以这两个问题为出发点,对参数辨识和负荷模型分类两个方总体测辨法负荷建模的两个主要问题是基于实测负荷特性数据的模型结构和模型群算法容易陷入局部最优的缺点和混沌算法的遍历性和随机性的优点,把混沌算法引入到了蚁群算法中,提出了一种适用于负荷模型参数辨识的算法一混沌蚁群混合算法。算速度,能够较好的控制参数分散性,具有较好的鲁棒性。向量,分别用惴ê虵算法进行了分类研究。结果表明惴ㄏ啾扔贖算法此外,针对惴ú糠殖踔祷岬贾挛蠓掷嗟娜毕荩疚奶岢隽艘恢钟米畲笈肥暇离选取初始聚类中心的改进惴ǎ憷峁砻鞲盟惴芄挥行П苊饨峁蠓掷啵且减少了运算次数,是一种适用于负荷模型分类的优秀算法。关键字:负荷模型;参数辨识;分类;混沌蚁群算法;硬邓惴ǎ荒:鼵均值算法西南交通大学硕士研究生学位论文第随着电网规模的不断扩大,电网结构越来越复杂,人们逐渐认识到了电力负荷模型性好的特点,很快就受到了多数研究者的青睐。但是它也存在一些问题,如参数的平稳面进行了重点研究。参数的辨识。本文首先介绍了目前存在的三种负荷模型,指出无论采用静态模型还是动态模型,均不能对实测负荷很好地诠释,最后选用了能够很好地解决时变性问题的综合负荷模型,并对其相应参数进行了辨识研究。辨识算法对参数的平稳性有着非常重要的影响,如果算法不能够很好的全局收敛,不能很好的控制参数分散性,那么辨识出的模型参数就不具有实用性。本文针对传统蚁例结果表明该方法克服了传统蚁群算法的局部收敛,有效减少了收敛代数,加速了收敛在参数辨识的基础上,研究了基于辨识参数空间的负荷模型分类,这也是负荷模型实用化中一个重要的、必须要解决的问题。本文选用辨识参数作为模型聚类分析的特征在初值敏感性和聚类准确性方面更加适用于负荷模型分类问题。
。箂,趖郿,砀西南交通大学硕士研究生学位论文第页,,.甌。;;;,瓸,甀瓹疭,
⋯⋯签名易式匕指导老师签名:妻彦重日期:拗幔日期:汐,ぃぃ西南交通大学学位论文版权使用授权书国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索,可以采用影本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于C芸冢年解密后适用本授权书;槐C芡牛褂帽臼谌ㄊ椤朐谝陨戏娇蚰诖颉按纭
.弋心艺七西南交通大学硕士学位论文主要工作毕声明疚奶岢隽艘恢质视糜诟汉赡P筒问媸兜乃惴ㄒ换煦缫先夯旌纤惴ā蚁群算法进行参数辨识,有效减少了收敛代数,加速了收敛速度,缩短了辨识时间,对首先,通过与其他类型的特征向量对比分析,选取辨识参数作为特征向量对负荷模效。最后分类结果的物理解释表明参数自身和模型分类有着密切的关系,从而证实了辨大欧式距离来对惴ǖ某跏季劾嘀行慕醒∪。越档筒涣汲踔刀苑掷嘟峁挠研究成果。对本文的研究做出贡献的个人和集体,均已在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。..、析本人在学位论文中所做的主要工作或贡献如下:该算法利用混沌算法的遍历性和随机性,在蚁群算法求解的基础上,对解的邻域进行了混沌优化,有效避免了蚁群算法的局部收敛和收敛缓慢问题。算例结果表明:混沌不同样本的参数辨识结果分散性控制更好。疚脑谘芯炕诒媸恫问占涞母汉赡P头掷辔侍獾幕∩希岢隽艘恢质视糜负荷模型分类的改进惴ā型进行聚类分析。然后,选用惴ㄓ隖算法分别在辨识参数空间对模型分类。算例结果表明惴ㄓτ糜诨诒媸恫问占涞母汉赡P头掷啾菻算法更加有识参数作为特征向量的合理性和有效性。此外,针对惴ú糠殖踔祷岫圆蠓掷嗟娜毕荩疚奶岢鲇醚局涞淖响。算例结果表明,所提方法有效避免了误分类情况的出现,减少了运算次数,提高了分类效率,说明改进的惴ㄊ且恢质屎嫌诟汉赡P头掷嗟乃惴ā本人郑重声明:所呈交的学位论文,是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的学位论文作者签名:日期:伸√、●\
第滦髀选题背景及研究意义电力系统是由发电厂、输电网和电力负荷组成的电能生产、输送、分配和使用的统一整体,是目前世界上人为搭建的最复杂的系统。要想对电力系统进行设计、分析与控制,就需要把实际系统转化为一定的数学模型。过去几十年的时间里,发电机及输电网络的建模分析已经取得了很大的发展,而负荷建模的发展则有些不能与之相匹配。就是这种负荷模型