基于QPSO算法的綜合負(fù)荷模型參數(shù)辨識與負(fù)荷建模平臺.pdf

1、電力系統(tǒng)負(fù)荷建模是電力系統(tǒng)分析中重要的基礎(chǔ)性研究課題之一，也是電力系統(tǒng)研究中公認(rèn)的難題，其研究進(jìn)展一直落后于電力系統(tǒng)其他元件的研究進(jìn)展。近年來，國內(nèi)外對負(fù)荷建模開展了大量的研究工作，有力地推動了負(fù)荷建模研究進(jìn)展。在借鑒、綜合眾多前人研究的基礎(chǔ)上，本文在綜合負(fù)荷模型的參數(shù)辨識算法研究和負(fù)荷建模平臺的開發(fā)兩個方面展開了研究工作。
　　 在綜合負(fù)荷模型參數(shù)辨識算法方面，本文首先較為深入地分析了制約粒子群算法（Particle Swar

2、m Optimization Algorithm，PSO算法）全局搜索能力的一個影響因素:在每一次迭代的過程中，當(dāng)前粒子的位置、速度等信息確定后，粒子迭代時運(yùn)動軌跡的范圍是確定的，而且只是整個可行區(qū)域的一部分，這樣就大大限制了粒子群算法的全局收斂能力。其次，針對PSO算法在優(yōu)化中存在這種的缺陷，提出了基于量子粒子群算法(QuantumParticleSwarmOptimizationAlgorithm，QPSO算法)的綜合負(fù)荷模型的參數(shù)

3、辨識方法。該方法利用量子力學(xué)中的粒子具有不確定軌跡的行為特點(diǎn)來改變粒子們位置，使粒子每次迭代時其運(yùn)動軌跡的可能區(qū)域充滿整個可行域，從而大大擴(kuò)大了粒子的搜索范圍，具有更好的全局收斂能力。再次，結(jié)合動模試驗(yàn)中獲得的綜合負(fù)荷擾動數(shù)據(jù)，利用QPSO算法分別對ZIP+差分方程和冪函數(shù)+差分方程兩種綜合負(fù)荷模型進(jìn)行參數(shù)辨識，驗(yàn)證了QPSO算法用于綜合負(fù)荷模型參數(shù)辨識的有效性。最后通過QPSO算法和PSO算法在ZIP+差分方程綜合負(fù)荷模型參數(shù)辨識的試

4、驗(yàn)進(jìn)行對比，驗(yàn)證了QPSO算法搜索全局最優(yōu)解的能力，并根據(jù)試驗(yàn)結(jié)果分析了粒子數(shù)目和迭代次數(shù)的乘積對兩種算法全局收斂能力所具有的不同影響。
　　 在負(fù)荷建模平臺的開發(fā)方面，開發(fā)了一套集負(fù)荷信息數(shù)據(jù)庫的查看功能、統(tǒng)計(jì)綜合法建模功能和總體測辨法建模功能的負(fù)荷建模平臺。該平臺基于用戶/服務(wù)器模式，采用了面向?qū)ο蟮木幊碳夹g(shù)，運(yùn)用了MFCODBC和ADO數(shù)據(jù)庫編程技術(shù);特別是針對總體測辨法建模中復(fù)雜的負(fù)荷模型和辨識算法難以用VC++語言編寫