遗传算法参数设置及其在负荷建模中应用

被引:32
作者
金群
李欣然
机构
[1] 湖南大学电气与信息工程学院
[2] 湖南大学电气与信息工程学院 湖南长沙
基金
高等学校骨干教师资助计划;
关键词
电力系统; 负荷建模; 遗传算法; 控制参数; 参数区间;
D O I
暂无
中图分类号
TM743 [模拟与仿真];
学科分类号
080802 ;
摘要
以基于实测的电力系统综合负荷建模为应用对象,探讨遗传算法的运行机理,分析遗传算子的不同搜索能力。指出决定遗传算法性能的关键因素是种群多样性,得出了种群多样性与算法参数的关联约束。从理论分析上给出遗传参数的设定规则,深入研究遗传算法中种群规模、交叉、变异概率及其控制策略,以及初始种群参数区间等遗传算法关键操作参数对算法性能的影响规律,给出合理的种群规模和参数初始区间,提出与群体进化程度指标相关的自适应调整交叉概率和变异概率策略。研究结果表明,合理的参数组合是挖掘遗传算法潜能的关键,可提高遗传算法运行效率、克服早熟及尽量减小模型参数分散性。
引用
收藏
页码:23 / 27
页数:5
相关论文
共 10 条
[1]   遗传算法与传统优化方法应用于电力负荷建模的比较研究 [J].
李欣然 ;
刘艳阳 ;
陈辉华 ;
唐外文 ;
李培强 .
湖南大学学报(自然科学版), 2005, (02) :29-32
[2]   基于改进遗传算法的无功综合优化 [J].
盛兆俊 ;
刘瀚 .
电力自动化设备, 2004, (04) :27-29
[3]   电压无功优化的强多样性遗传算法 [J].
张勇军 ;
任震 ;
唐卓尧 ;
尚春 .
电力自动化设备, 2003, (01) :18-20+24
[4]   基于种群过早收敛程度定量分析的改进自适应遗传算法 [J].
吴浩扬 ;
朱长纯 ;
常炳国 ;
刘君华 .
西安交通大学学报, 1999, (11) :29-32+72
[5]   电力负荷模型可辨识性分析方法 [J].
鞠平 ;
赵夏阳 ;
李东辉 .
电力系统自动化, 1999, (19) :29-33
[6]   综合负荷感应电动机模型的改进及其描述能力 [J].
李欣然 ;
贺仁睦 ;
周文 ;
张伶俐 .
电力系统自动化, 1999, (09) :23-27
[7]  
电力系统负荷模型结构与参数辨识的研究[D]. 张红斌.华北电力大学(北京). 2003
[8]  
遗传算法与工程优化[M]. 清华大学出版社[日]玄光男, 2004
[9]  
遗传算法的基本理论与应用[M]. 科学出版社 , 李敏强等著, 2002
[10]  
动态电力系统的理论和分析[M]. 清华大学出版社 , 倪以信等著, 2002