基于混沌蚁群算法的负荷模型参数辨识.pdf

《基于混沌蚁群算法的负荷模型参数辨识.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第39卷第14期电力系统保护与控制VDl-39No．142011年7月16日PowerSystemProtectionandControlJuly16，2011基于混沌蚁群算法的负荷模型参数辨识王斌晓，黄彦全，宋廷珍，董家读(西南交通大学电气工程学院，四川成都610031)摘要：为了解决负荷模型参数辨识结果平稳性这一困扰模型应用的难题，提出了一种适用于负荷模型参数辨识的混沌蚁群混合算法。该算法针对蚁群算法容易陷入局部最优的缺点和混沌算法遍历性和随机性的优点，把混沌算法引入到了蚁群算法中，在蚁群算法求解的基础上，利用混沌算法对解的邻域进行了混沌优化，有效避免了蚁群算法的局部收敛问题。基于实测数据

2、的算例结果表明：与单一蚁群算法相比，混沌蚁群混合算法提高了辨识结果的精度，减少了辨识误差，有效控制了参数分散性，具有较好的工程实用价值关键词：负荷模型；参数辨识；蚁群算法；混沌；优化LoadmodelparametersidentificationbasedonchaosantcolonyoptimizationWANGBin—xiao，HUANGYan-quan，SONGTing-zhen，DONGJia-du(SouthwestJiaotongUniversity，Chengdu610031，China)Abstract：Inordertosolvethesteadinessofmodel

3、parametersidentificationresult,whichisanobstacleintheapplicationoftheloadmodel，anewalgorithmofthechaosantcolonyoptimizationisproposedfortheloadmodelparameteridentification．Contraposingtotheantcolonyalgorithmeasytofallintolocaloptimumandthechaos’Sergodicityandrandomness，thechaosalgorithmisintroducedi

4、ntotheantcolonyalgorithm，optimizingtheneighborhoodsofsolutionsbasedonthechaoticalgorithm，avoidingthelocalconvergenceofantcolonyalgorithmefectively．Thesimulationresultsbasedonmeasureddatashowthat，comparedwiththesingleantcolonyalgorithm，thechaosantcolonyoptimizationalgorithmimprovestheprecisionofident

5、ificationresults，reducestheidentificationerror，overcomesthedispersivenessofmodelparameters，andhasagoodpracticalvalue．Keywords：loadmodel；parameteridentification；antcolonyalgorithm；chaos；optimization中图分类号：TM71文献标识码：A文章编号：1674·3415(2011)14．0047．05文献[7】将蚁群算法引入到电力负荷模型参数0引言辨识中，但蚁群算法在搜索循环达到一定次数后，近年来，随着电网全国

6、性互联进程的推进，电容易出现早熟，以及参数的选择经验性较强，选择网规模越来越大，结构也越来越复杂，人们也越来不当将会对结果有较大影响。而混沌算法的遍历性越认识到了负荷建模对电力系统的重要性。总体测特点正好可以作为搜索过程中避免早熟而陷入局部辨法是目前负荷建模普遍采用的一种方法，其主要最优的一种优化机制，并且混沌算法具有丰富的时包括负荷模型结构的确定和模型的参数辨识两部分。模型参数辨识本质上就是模型结构确定后的参空动态特性，这与负荷模型的时变性和非线性也相数优化问题。传统的系统参数辨识方法主要包括以当吻合。故而，本文将混沌蚁群的混合算法应用到脉冲响应为基础的经典辨识法、以最小二乘法为基了负荷模型

7、的参数辨识中。础的各种扩展最小二乘法和根据极大似然原理的极1负荷模型结构大似然法等。现代优化算法也越来越多地被应用到了模型参数辨识中，如Prony算法J，遗传算法【2】、本文采用目前通用的一种综合负荷模型【8]来进改进的遗传算法西]等。行分析，这种负荷模型由静态ZIP模型和三阶感应电动机模型组成，模型等值电路如图1所示。基金项目：四川省应用基础研究项目(07JY029—063)电力系统保护与控制的