[发明专利]基于类噪声信号及改进差分进化的负荷模型参数辨识方法

权利要求书

1.一种基于类噪声信号及改进差分进化的负荷模型参数辨识方法，其特征在于，该方法首先从仿真或实测中取得电压幅值、电压相角、有功功率、无功功率的量测曲线并校验有功功率曲线的波动幅值是否满足辨识要求；若满足辨识要求，则选定负荷模型结构后，利用改进差分进化算法对有功功率和无功功率的预测值与实际测量值之间的偏差平方和进行最小化优化，得到负荷模型参数；最后采用辨识曲线以外的另一段量测曲线对辨识结果的有效性进行校验，通过校验，则辨识完成；该方法包括以下步骤：

1)通过仿真或实测得到设定时间长度的负荷节点电压幅值、电压相角、有功功率、无功功率的量测曲线，并将该曲线分为两段，其中一段用作负荷模型参数辨识，另一段用于对辨识结果进行验证；

2)对步骤1)得到的用作负荷模型参数辨识的有功功率曲线，检验该有功功率曲线的波动幅值是否满足辨识要求，如果有功功率曲线的波动幅值大于1％，则进入步骤3)开始辨识；否则返回步骤1)，重新选择量测数据；

3)选定负荷模型结构，通过改进差分进化算法辨识得到相应的负荷模型参数；辨识过程中，以电压幅值曲线和电压相角曲线作为输入，有功功率曲线和无功功率曲线作为输出，将有功功率与无功功率的实际测量值与利用机理化负荷模型及参数进行预测所得到的预测值之间的偏差平方和作为待优化的目标函数，利用改进差分进化算法最小化目标函数得到负荷模型参数辨识结果；

4)验证辨识结果的有效性；取步骤1)得到的用于对辨识结果进行验证的电压幅值、电压相角、有功功率、无功功率的量测曲线，利用步骤3)所得到的参数辨识结果进行有功功率、无功功率预测，如果预测值与量测数据之间的拟合度大于预先设置的拟合度，则辨识结果通过校验，辨识过程完成；否则，返回步骤1)，重新进行辨识。

2.如权利要求1所述的方法，其特征在于，所述步骤3)中通过改进差分进化算法辨识得到相应的负荷模型参数，具体步骤如下：

3-1)根据负荷模型参数的取值范围，随机生成初始化种群，用于后续的进化过程；记第i个个体中第j个参数的表达式如式(1)所示：

式中，D为待辨识的负荷模型参数的总数；N为差分进化算法的种群规模；分别为第j个参数的上界值和下界值，rand(0,1)为0～1之间的一个随机数；

3-2)变异个体由上一代的个体出发，随机取出三个个体，用其中两个个体的差向量按照变异因子加权后与第三个个体相加，产生下一代的变异个体，则第G+1代中第i个个体表达式如式(2)所示：

式中，r₁,r₂,r₃为从种群中N个个体中随机选取的三个个体且i≠r₁≠r₂≠r₃，x_r1(G)为第G代中第r₁个个体所有负荷模型参数的数值，x_r2(G)为第G代中第r₂个个体所有负荷模型参数的数值，x_r3(G)为第G代中第r₃个个体所有负荷模型参数的数值，F为变异因子；

3-3)对每个个体中的每个待辨识参数，生成一个随机数，如果随机数的数值小于等于交叉率则进行交叉，否则不进行交叉；则第G+1代中第i个个体中第j个参数表达式如式(3)所示：

式中，CR为交叉率；

3-4)在交叉后得到的新一代个体u_i(G+1)与上一代个体x_i(G)之间，分别计算两个个体各自的目标函数数值，在两个个体中选择目标函数数值较小的一个用于下一代的进化，所述目标函数即为有功功率与无功功率的预测值与实际测量值之间的偏差平方和；

3-5)在进行选择得到新一代种群x_i(G+1)之后，选择其中的最优个体与上一代种群的最优个体进行对比，如果两代最优个体的欧氏距离小于设定阈值，则开始进行终止计数；如果终止计数已经开始且此次欧氏距离仍然小于阈值，则终止计数加一，否则终止计数清零；如果终止计数达到设定数量，则停止差分进化过程，把当前的最优个体作为负荷模型参数辨识的结果。