基于粒子群优化法的负荷模型参数辨识毕业论文.docx

基于粒子群优化法的负荷模型参数辨识
概述
作为近年来广受关注的粒子群优化法(ParticleSwarmOptimization,PSO)，它的诞生源于Eberhart博士与Kennedy博士对于鸟类捕食行为的模拟而发明的一种新的全局优化算法。粒子群优化法(PSO算法)具有全局性能好、搜索效率高等优点，故在电气领域越来越多的应用开始出现，本次的课题即是关于粒子群优化算法在负荷模型中的应用。
目前，电力负荷建模主要形成了三类方法，即总体测辨法、统计综合法和故障仿真法。
对于此三类方法，我们在优劣上进行了详细的对比：总体测辨法的整体性避免了大量的统计工作，从而有利于微观定量分析，但是其难点在于，难以在系统中全部的变电站中都安装有关装置从而进行测辨；统计综合法所得的模型在概念上是较为清晰的，易于理解与应用，可是其建模的过程较为困难，所需要的资料与信息量肯能过于庞大；而对于故障仿真法，其优点在于某些特定故障情况下可以重现，同时也正因为如此说明其为一种试凑的方法。
综上，对于上述三种方法的阐述表明，我们有必要尝试引入一种新的方法---粒子群优化法来进行新的负荷模型参数辨识，以扩展更多的应用空间。本文即从此入手，以达到将粒子群优化法施用的可能。

目录

1绪论..........................................................................................................................1
电力系统负荷简介...........................................................................................1
电力系统负荷特性的定义.......................................................................1
电力系统负荷特性的分类.......................................................................1
电力系统负荷建模的意义...............................................................................1
负荷建模的发展与现状...................................................................................2
综合负荷建模...................................................................................................3
本文所做的工作...............................................................................................4
负荷建模的相关理论基础.....................................................................................4
电力系统负荷建模的基本理论.......................................................................4
2.1.1电力系统负荷模型的产生.......................................................................5
2.1.2电力系统负荷模型的分类.......................................................................6
2.1.3负荷特性对电力系统仿真计算结果的影响...........................................7
2.1.3.1负荷模型对潮流计算的影响........................................................7
2.1.3.2负荷模型对暂态稳定计算的影响...............................................7
2.1.4负荷模型对小信号动态稳定计算的影响..............................................8
2.2电力系统负荷模型的参数辨识............