一种综合负荷模型参数辨识方法和计算机可读存储介质技术

本发明专利技术公开了一种综合负荷模型参数辨识方法和计算机可读存储介质根据对负荷模型设定的待辨识参数区间，对待辨识参数随机生成头鲸初始位置；若迭代次数未达到预设的最大迭代次数，则随机生成选择概率，根据生成的选择概率与预先设定的选择概率阈值，更新头鲸当前位置，其中第一次迭代头鲸当前位置为头鲸初始位置；迭代次数增加一次；循环直至迭代次数达到预设的最大迭代次数，根据最终的头鲸当前位置获得负荷模型参数辨识结果。本发明专利技术针对负荷结构复杂、待辨识参数多的特点，将鲸鱼优化算法引入电力系统参数辨识领域，利用该算法具有全局、局部交替寻优，不易陷入局部最优的特点，使本方法更为有效地辨识出综合负荷模型的参数。

【技术实现步骤摘要】
一种综合负荷模型参数辨识方法和计算机可读存储介质
本专利技术属于电力系统领域，具体涉及一种综合负荷模型参数辨识方法和计算机可读存储介质。
技术介绍
目前电力系统数字仿真已成为电力系统设计、规划、运行的主要工具，相应的决策无不以数字仿真结果为依据。仿真结果的准确性对电力系统的安全、可靠、经济运行具有重要的影响。电力系统各元件的数学模型以及由其构成的全系统数学模型是数字仿真的基础，其准确与否直接影响着仿真结果和以仿真结果为基础而产生的决策方案。负荷模型作为电力系统中的重要组成部分，它对系统潮流、暂态稳定、电压稳定等影响较大。现如今随着电网中直流的不断馈入以及负荷模型结构的变化，电网受电比例越来越高，系统网架结构发生了重大变化。负荷模型的参数多由调度人员经验决定而偏于保守，并且模型结构多采用ZIP静态模型或带有一定比例的电动机模型较为简单，系统仿真受到了传统负荷模型的局限。因此，如何对研究区域的负荷模型参数进行辨识是一个十分值得研究的问题。
技术实现思路
本专利技术旨在针对现有负荷模型参数辨识方法存在的技术问题，提出一种收敛性更好、精度更高的负荷模型参数辨识方法和系统。本专利技术采用以下技术方案。一方面，本专利技术提供了负荷模型参数辨识方法根据对负荷模型设定的待辨识参数区间，对待辨识参数随机生成头鲸初始位置；若迭代次数未达到预设的最大迭代次数，则随机生成选择概率，根据生成的选择概率与预先设定的选择概率阈值，更新头鲸当前位置，其中第一次迭代头鲸当前位置为头鲸初始位置；迭代次数增加一次；循环直至迭代次数达到预设的最大迭代次数，根据最终的头鲸当前位置获得负荷模型参数辨识结果。进一步地，根据生成的选择概率与预先设定的选择概率阈值，更新头鲸当前位置具体包括以下步骤：若随机生成的选择概率大于等于选择概率阈值，利用以下的公式更新头鲸当前位置，表达式如下：X(t+1)＝D*eblcos(2Πl)+X*(t)D*＝|X*(t)-X(t)|其中D*表示头鲸到当前最优解的距离，b是对数螺旋线形状的常数，l为[-1,1]中的随机数，X*(t)为当前最优解，X(t)为头鲸当前位置，X(t+1)为更新后的头鲸当前位置；若随机生成的选择概率小于选择概率阈值，则判断系数矢量A是否小于1，若小于1，进入局部搜索状态执行以下方程得到更新后的头鲸当前位置，X(t+1)＝X*(t)-AD*，D*＝|CX*(t)-X(t)|，否则，寻找猎物执行以下方程得到头鲸当前位置，X(t+1)＝Xr(t)-AD'，D'＝|CXr(t)-X(t)|A＝2ar-aC＝2r其中t表示当前的迭代次数；Xr是从当前种群中随机选择的位置向量也就是随机鲸的位置；D’是头鲸到Xr的距离；a是一个从2到0线性降低的数值；r是0—1区间的随机数。进一步地，所述方法还包括：利用更新后的头鲸当前位置对负荷模型进行混合动态仿真获得仿真功率数据。再进一步地，在对负荷模型进行混合动态仿真获得仿真功率数据之后还包括获得仿真功率数据与实测功率数据的均方差，所述均方差就算方法如下：其中n为待辨识参数个数，Psi为对第i个参数获得的仿真有功功率；Qsi为对第i个参数获得的仿真无功功率；Pmi为对第i个参数获得的实测有功功率，Qmi为对第i个参数获得的的实测无功功率。再进一步地，实测功率数据的获得方法为：选择电网实测电压扰动数据，对于负荷模型，通过变阻抗法将实测电压扰动数据的注入，得到实测功率数据。本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如以上技术方案所提供的一种综合负荷模型参数辨识方法的步骤。有益技术效果：本专利技术针对负荷结构复杂、待辨识参数多的特点，将鲸鱼优化算法引入电力系统参数辨识领域，利用该算法具有全局、局部交替寻优，不易陷入局部最优的特点，使本方法更为有效地辨识出综合负荷模型的参数。本专利技术还提出利用实测录波的电压扰动曲线，通过变阻抗电压注入实测数据的方法对综合负荷模型进行计算得到实测功率数据，可以根据当地电网的实际情况，利用本地区负荷的实测数据来完成其模型的构建和评价参数的辨识结果，提高其仿真精度。附图说明图1是专利技术具体实施例中鲸鱼优化算法流程；图2是专利技术具体实施例中混合仿真示意图；图3是专利技术具体实施例中电压数据注入原理图；图4是专利技术具体实施例中IEEE9系统；图5是专利技术具体实施例中电压扰动波形；图6是专利技术具体实施例中有功拟合曲线；图7是专利技术具体实施例中无功拟合曲线；图8是专利技术具体实施例有功效果对比；图9是专利技术具体实施例无功效果对比；图10是专利技术具体实施例多算法适应度值变化曲线对比。具体实施方式以下结合附图和具体实施例对本专利技术作进一步说明。实施例一、一种综合负荷模型参数辨识方法，包括以下步骤：步骤1：根据对负荷模型设定的待辨识参数区间，对待辨识参数随机生成头鲸初始位置X0；步骤2：若迭代次数未达到预设的最大迭代次数，则随机生成选择概率p0，根据生成的选择概率p0与预先设定的选择概率阈值，更新头鲸当前位置，其中第一次迭代头鲸当前位置为头鲸初始位置X0；迭代次数增加一次；循环步骤2直至迭代次数达到预设的最大迭代次数，根据最终的头鲸当前位置获得负荷模型参数辨识结果。预先设定鲸鱼优化算法的选择概率阈值以及搜索元维数n(n为待辨识参数个数)。根据负荷模型待辨识参数的典型值区间，确定参数优化范围即待辨识参数区间。本实施例中根据生成的选择概率与预先设定的选择概率阈值，更新头鲸当前的位置具体包括以下步骤：若随机生成的选择概率大于等于选择概率阈值，利用以下的公式更新头鲸当前位置，表达式如下：X(t+1)＝D*eblcos(2Πl)+X*(t)D*＝|X*(t)-X(t)|其中D*表示头鲸个体当前位置到当前最优解的距离，b是对数螺旋线形状的常数，l为[-1,1]中的随机数，X*(t)为当前最优解，X(t)为当前头鲸当前位置，X(t+1)为头鲸更新后的当前位置。若随机生成的选择概率小于选择概率阈值，则判断系数矢量A是否小于1，若小于1，进入局部搜索状态执行以下方程得到头鲸当前位置，X(t+1)＝X*(t)-AD*，D*＝|CX*(t)-X(t)|，否则，寻找猎物执行以下方程得到头鲸当前位置，X(t+1)＝Xr(t)-AD'，D'＝|CXr(t)-X(t)|A＝2ar-aC＝2r其中t表示当前的迭代次数；Xr是从当前种群中随机选择的位置向量也就是随机鲸的位置；D’是头鲸个体到Xr的距离；a是一个从2到0线性降低的数值；r是0—1区间的随机数。本专利技术针对负荷结构复杂、待辨识参数多的特点，将鲸鱼优化算法引入本文档来自技高网...

【技术保护点】
1.一种综合负荷模型参数辨识方法，其特征在于，包括以下步骤：/n根据对负荷模型设定的待辨识参数区间，对待辨识参数随机生成头鲸初始位置；/n若迭代次数未达到预设的最大迭代次数，则随机生成选择概率，根据生成的选择概率与预先设定的选择概率阈值，更新头鲸当前位置，其中第一次迭代头鲸当前位置为头鲸初始位置；迭代次数增加一次；循环直至迭代次数达到预设的最大迭代次数，根据最终的头鲸当前位置获得负荷模型参数辨识结果。/n

【技术特征摘要】
1.一种综合负荷模型参数辨识方法，其特征在于，包括以下步骤：
根据对负荷模型设定的待辨识参数区间，对待辨识参数随机生成头鲸初始位置；
若迭代次数未达到预设的最大迭代次数，则随机生成选择概率，根据生成的选择概率与预先设定的选择概率阈值，更新头鲸当前位置，其中第一次迭代头鲸当前位置为头鲸初始位置；迭代次数增加一次；循环直至迭代次数达到预设的最大迭代次数，根据最终的头鲸当前位置获得负荷模型参数辨识结果。


2.根据权利要求1所述的一种综合负荷模型参数辨识方法，其特征在于，根据生成的选择概率与预先设定的选择概率阈值，更新头鲸当前位置具体包括以下步骤：
若随机生成的选择概率大于等于选择概率阈值，利用以下的公式更新头鲸当前位置，表达式如下：
X(t+1)＝D*eblcos(2Πl)+X*(t)
D*＝|X*(t)-X(t)|
其中D*表示头鲸个体到当前最优解的距离，b是对数螺旋线形状的常数，l为[-1,1]中的随机数，X*(t)为当前最优解，X(t)为头鲸当前位置，X(t+1)为更新后的头鲸当前位置；
若随机生成的选择概率小于选择概率阈值，则判断系数矢量A是否小于1，若小于1，进入局部搜索状态执行以下方程得到更新后的头鲸当前位置，
X(t+1)＝X*(t)-AD*，
D*＝|CX*(t)-X(t)|，
否则，寻找猎物执行以下方程得到头鲸当前位置，
X(t+1)＝Xr(t)-AD'，
D'＝|CXr(t)-X(t)|

【专利技术属性】
技术研发人员：亢朋朋，马赟婷，郭小龙，张文朝，李渝，杨俊炜，孙谊媊，宋朋飞，樊国伟，王衡，杨桂兴，印欣，刘德福，
申请(专利权)人：国网新疆电力有限公司，南瑞集团有限公司，
类型：发明
国别省市：新疆;65