负荷建模的多目标优化 multi-objective optimization for load modeling.pdfVIP

第33卷第2期 电力系统自动化 V01．33No．2 AutomationofElectricPower Jan．25，2009 2009年1月25日 Systems 负荷建模的多目标优化 郑漳华1，艾 芊1，冯士刚1，徐伟华1，王伟2，凌晓波2，王 冲2 (1．上海交通大学电子信息与电气工程学院，上海市200240；2．上海市电力公司调度通信中心，上海市200122) 摘要：改进了传统负荷参数辨识的目标函数，将现有负荷模型参数辨识的单目标优化问题转化成 多目标优化问题，并在改进强度Pareto进化算法的基础上引入并行遗传算法的思想。进行多目标 参数辨识，力求克服目前困扰负荷建模及其参数辨识中收敛速度慢、易发散等问题。解决了以前算 法只能辨识出一组参数的问题，便于决策者根据不同侧重进行参数选取。高效、高精度的并行算法 为网格平台下的负荷建模做了前期准备。最后，对上海地区的负荷进行实测建模，结果表明所述建 模策略的可行性。 关键词：参数辨识；多目标优化；Pareto最优解；强度Pareto进化算法；并行遗传算法；网格 中图分类号：TM714 0 引言 组参数，解决了以前算法只能辨识出一组参数的问 题，决策者可根据实际侧重目标的不同在Pareto最 负荷建模是电力系统中公认的一个难题[1_3]。 优解集中进行选择，力求克服目前困扰负荷建模及 当模型结构确定以后，参数辨识就成为负荷建模的 其参数辨识中收敛速度慢、易发散等问题。最后，利 核心，其实质是个数值优化的过程。传统的优化方 用本文提出的负荷建模理论和方法对上海地区的负 法很多，但都存在一些缺点：需要给定有哪些信誉好的足球投注网站的初始 荷进行实测建模，结果表明了本文建模策略的可行 值，并且对目标函数要求苛刻，不仅有单峰要求，有 性。 的还要求存在一阶导数甚至二阶导数。而高阶非线 性电力系统负荷模型的目标函数往往很难写出其解 1 负荷模型结构和参数辨识 析关系，解空间也相当复杂，不仅有多个极值点，且 1．1模型结构分析 极值点之间差异细微。所以使用传统优化方法对负 考虑配电网和无功补偿的负荷模型结构如图1 荷模型进行参数辨识时，辨识结果常呈现出很大的 所示[6]，模型中设置了一个虚拟母线，虚拟母线(电 分散性，这在很大程度上降低了辨识结果的可靠性， 压为Vs)与实际负荷母线(电压为V。)之间是输配 严重阻碍了其在工程实践中的应用。 近年来，随着优化理论和智能控制理论的进展， 电网络的等值阻抗。该模型的参数如下：①感应电 动机参数：R。，X。，X。，R，，X，，A，B，H；②静态负荷 许多新算法在负荷参数辨识领域获得广泛应用，例 参数：乙，J，，P，，乙，f。，P。；③无功补偿系统参数C； 如遗传算法(GA)、粒子群(PSO)算法等H。5]。但现 ④等值电动机的初始有功在总有功中所占比例K。； 有用于负荷参数辨识的算法都存在一个共同缺陷，