基于混合优化算法的SLM负荷模型参数辨识.docVIP

基于混合优化算法的SLM负荷模型参数辨识 顾晓文1，鞠平2*College of Energy and Electrical Engineering, HoHai University, Nanjing, 210098;HoHai University河海大学能源与电气工程学院;河海大学210098025江苏省南京市河海大学电气馆302;ichifumi@163.com;pju@顾晓文（1985-），男，硕士，主要研究方向：电力系统建模与控制。;鞠平（1962-），男，博士，教授，博士生导师，主要研究方向：电力系统建模与控制顾晓文;鞠平GU Xiaowen;JU Ping顾晓文 1.51*|*其他文献*|*中国电力科学研究院. 电力系统分析综合程序6.0版用户手册[Z]. 北京: 中国电力科学研究院, 2000.CR2*|*学位论文*|*邵正炎. 考虑配电网络的综合负荷模型研究[D]. 南京: 河海大学, 2007. CR3*|*专著*|*鞠 平. 电力系统建模理论与方法[M]. 北京: 科学出版社, 2010.CR4*|*学位论文*|*谢会玲. 广域电力系统负荷整体建模研究[D]. 南京: 河海大学, 2009.CR5*|*期刊*|*汪 镭, 吴启迪. 蚁群算法在系统辨识中的应用[J]. 自动化学报, 2003, 29(1): 102-109.CR6*|*专著*|*鞠 平. 电力系统建模理论与方法[M]. 北京: 科学出版社, 2010.CR7*|*专著*|*卢险峰. 最优化方法应用基础[M]. 上海: 同济大学出版社, 2003.CR8*|*专著*|*王晓陵, 陆 军. 最优化方法与最优控制[M]. 哈尔滨: 哈尔滨工程大学出版社, 2006.*|1|顾晓文|GU Xiaowen|河海大学能源与电气工程学院|College of Energy and Electrical Engineering, HoHai University, Nanjing, 210098|顾晓文（1985-），男，硕士，主要研究方向：电力系统建模与控制。|江苏省南京市河海大学电气馆302|210098|ichifumi@163.com|025|2|鞠平|JU Ping|河海大学|HoHai University|鞠平（1962-），男，博士，教授，博士生导师，主要研究方向：电力系统建模与控制|||pju@||基于混合优化算法的SLM负荷模型参数辨识|Hybrid Optimization Algorithm Applying in Parameters Identification of SLM|（1. 河海大学能源与电气工程学院；2. 河海大学） 摘要：本文针对蚁群算法进行SLM(直接考虑配电网的综合负荷模型)参数辨识时收敛较慢的问题，提出了一种混合优化算法来加速辨识过程。讨论了最优梯度法和变尺度法两种梯度类方法与蚁群算法的结合，以蚁群算法起步，经过一定次数的迭代后切换为梯度类方法加快算法的收敛。对比两种切换算法的策略，通过实验验证，最终确定了一套混合优化算法实施流程，在保证一定精度的前提下大大提高了计算的效率。 关键词：电力系统及其自动化；参数辨识；蚁群算法；梯度类算法；负荷建模 中图分类号：TM744 Hybrid Optimization Algorithm Applying in Parameters Identification of SLM GU Xiaowen1, JU Ping2 (1. College of Energy and Electrical Engineering, HoHai University, Nanjing, 210098;2. HoHai University) Abstract: Seeing that the convergence process of parameter identification using ACO for SLM (synthesis load model considering distribution network) is rather slow, a hybrid optimization algorithm is proposed to accelerate the calculation. Optimum gradient method and variable-metric method are considered to be coupled with ACO, which being used to iterate at initial st