EP算法,李昌陵.ppt

负荷建模和参数辨识的遗传进化算法 电力系统及其自动化学号：20111100362李昌陵 1.遗传算法主要步骤流程图 2.遗传进化算法 计算过程： (1) 变异:繁殖是由当前解群选出的个体产生下一代的过程。繁殖最基本的方法是交叉操作和变异。 (2) 竞争:竞争是将每个个体与其他个体相比较，根据竞争中是否占优势来决定它的入选。 (3) 选择:情况按照当前解群中每个个体的适应函数值，用随机方式选出一定数目的个体。 3.　遗传进化算法的特点 (1) EP不必编码和译码,不采用交叉算子，主要算子是变异。 (2) 从一组初始点开始搜索，而不是从某一个的初始点开始搜索，最后产生的也是一组优选的解。 (3) 遗传进化算法具有应用的广泛性。 (4) 遗传进化算法具有很好的易修改性。 4.用于负荷参数辨识的遗传进化算法设计 1.基本算法 (1) 问题表示 (2) 解群的初始化 随机产生一个初始解群式, (3) 计算适应值 (4) 变异 (5) 竞争 (6) 选择 将所有的个体按W值大小升序排列，取排列前面的n个体作为下一代种群 (7) 返回步骤4，直到迭代步骤已到给定值或者人为要求中止退出。 5.静态负荷算列 (1)幂函数表示静态负荷特性： (2) 静态负荷算例 令种群规模n=50，每个个体面对竞争个数为m=30，每代保留10%的精华，即E=n*10%=5个，变异量参数Z=0.001，比例因子 算例：某工业负荷实测数据(负荷味精线)辨识，分别对P,Q进行辨识，100代后结果如下 味精线静态负荷模型： P0,a1,Q0,b1每次辨识结果都非常接近，辨识重复多次均很快能收敛到某一个结果附近，由于现场试验未考虑频率变化，实际测得的数据中所包含关于频率的信息过于的少，远远在噪声和测量误差之下，因此与频率f有关参数a2，b2每次结果都相去甚远，所以辨识时不考虑频率特性，即令a2，b2均为0. 6.动态负荷算例 (1) 以PQ解耦的K阶的差分方程表示动态负荷特性，方程为： (2) 算例：令种群规模n= 200,每个个体面对竞争个数为m=80，每代保留10%的精华，即E=n*10%=20个。变异量参数Z=0.001， 其中为ns迭代步数。解向量变化范围为（-20,20） 味精线的动态负荷数据辨识： 辨识一阶线性结果如下： 有功 、 无功拟合曲线如图所示： 7.结果分析 (1) 辨识结果令人满意的。比较图形可以知道EP法的结果比最小二乘法给出结果更优。 (2) 初始解群可以通过随机的办法产生，亦可结合对于待解问题的某些已知信息来获得。EP法原则上可以允许初始解范围满意限制而搜寻到最优解 (3)遗传进化算法缺点是计算量大，但是内在并行能力在一定程度上可以弥补这一点。 谢谢！ * * *