改进的遗传算法辨识综合负荷模型

被引：11

作者：

韩民晓 ^{[1
]}

马杰 ^{[2
]}

姚蜀军 ^{[1
]}

王坤 ^{[2
]}

机构：

[1] 华北电力大学电气与电子工程学院

[2] 河南省电力公司郑州供电公司变电运行部

来源：

电力系统及其自动化学报 | 2011年 / 23卷 / 03期

关键词：

电力系统; 参数辨识; 遗传算法; 比例选择; 线性自适应变异; 综合负荷模型; 无功补偿;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TM714 [负荷分析];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080802 ;

摘要：

以基于实测数据的电力系统综合负荷建模为目标,研究了遗传操作和控制参数选择对遗传算法性能的影响。针对基本遗传算法的不足,设计了比例选择策略和线性自适应变异策略,对遗传算法的选择算子和变异算子进行改进,使得遗传算法能够根据个体自身的适应度值进行选择和自适应地调整变异概率,实现方式简单有效。选用TVA综合负荷模型,使用改进的遗传算法进行负荷模型参数辨识,同时在不改变负荷模型结构的前提下,通过调整待辨识参数及其取值范围,考虑无功补偿的影响。利用现场实测数据进行建模,结果表明,改进后的遗传算法改善了优化过程,对加速收敛、缩短辨识时间均有显著作用,适用于负荷建模。

引用

页码：79 / 83

页数：5

共 13 条

[1] 负荷建模参数辨识中综合改进遗传算法的应用 [J].