本文關(guān)鍵詞：基于改進(jìn)遺傳編程的負(fù)荷建模研究

  更多相關(guān)文章： 電力系統(tǒng) 負(fù)荷模型 遺傳編程 靜態(tài)建模 動態(tài)建模

【摘要】：在電力系統(tǒng)的分析和研究中,時常需要用到電力系統(tǒng)數(shù)字仿真,它具有經(jīng)濟(jì)、便捷等特點而被作為優(yōu)先考慮使用的分析工具。電力系統(tǒng)由發(fā)電機(jī)、勵磁調(diào)節(jié)和電力負(fù)荷等元件構(gòu)成,各元件的數(shù)學(xué)模型精確度都會影響電力系統(tǒng)數(shù)字仿真的結(jié)果,在實際電力規(guī)劃、研究分析當(dāng)中應(yīng)恰當(dāng)使用,若使用不當(dāng),甚至可以得到截然相反的特性。在實際的工程應(yīng)用當(dāng)中,負(fù)荷模型的建立需要依靠建模工作者先前的知識和經(jīng)驗。同時,負(fù)荷由各類不同負(fù)荷特性的電器組成使綜合負(fù)荷呈現(xiàn)出多樣、分散等特點,導(dǎo)致負(fù)荷模型的精確度經(jīng)常受外界影響,使得出的結(jié)論不夠準(zhǔn)確,偏差較大。隨著電力系統(tǒng)的飛速發(fā)展,各類電力模型研究的不斷深入,負(fù)荷建模也應(yīng)作出大的跨步,需要更多的科研工作者投入進(jìn)來。負(fù)荷建模研究至今,常見的有三種建模方法即總體測辯法、統(tǒng)計綜合法、以及依靠測量技術(shù)為基礎(chǔ)的故障擬合法,其中第一種總體測辯法的應(yīng)用最為廣泛,建模過程便捷、模型真實可靠,但建模時需要知道現(xiàn)場實測的擾動數(shù)據(jù)然后再進(jìn)行模型結(jié)構(gòu)的確定和參數(shù)的辨識。相對于傳統(tǒng)的先確定負(fù)荷模型結(jié)構(gòu)再進(jìn)行模型參數(shù)辨識的建模方法,使用遺傳編程進(jìn)行負(fù)荷建�？刹挥妙A(yù)先設(shè)定模型結(jié)構(gòu),根據(jù)輸入輸出變量自動生成不同的擬合函數(shù),根據(jù)其適應(yīng)度進(jìn)行排序?qū)ふ易顬榫_的擬合函數(shù)進(jìn)行建模。遺傳編程在運行時會根據(jù)所設(shè)定的函數(shù)、終止符集來隨機(jī)生成不同的初始群體,對本文來說即不同的負(fù)荷模型表達(dá)式。它與遺傳算法有著許多相同與不同之處,它們都采用了遺傳機(jī)制,但遺傳編程以分層樹結(jié)構(gòu)來表示所希望解決的問題比遺傳算法更加具有層次化和靈活性。遺傳編程在計算時會隨機(jī)組合不同的負(fù)荷模型結(jié)構(gòu),然后依據(jù)實測數(shù)據(jù)求出擬合值,并搜尋最佳的個體,其過程實際為將所得擬合值與實測數(shù)據(jù)進(jìn)行對比找出擬合程度最好的負(fù)荷模型。本文創(chuàng)新性的使用改進(jìn)的遺傳編程算法進(jìn)行了負(fù)荷的建模工作。首先對算法中種群適應(yīng)度計算過程進(jìn)行了優(yōu)化,一定程度上提高了進(jìn)行遺傳編程負(fù)荷建模時的精確度和效率。其次建立了靜態(tài)負(fù)荷模型并將所建立的靜態(tài)負(fù)荷模型與傳統(tǒng)建模方法所建立模型進(jìn)行對比,說明了該方法的有效性、實用性。最終采用改進(jìn)遺傳編程進(jìn)行動態(tài)負(fù)荷建模,通過研究證明了采用改進(jìn)遺傳編程進(jìn)行動態(tài)負(fù)荷建模的可實現(xiàn)性。
【關(guān)鍵詞】：電力系統(tǒng) 負(fù)荷模型 遺傳編程 靜態(tài)建模 動態(tài)建模
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM714;TM743
【目錄】：

• 摘要4-6
• Abstract6-10
• 1 緒論10-17
• 1.1 電力系統(tǒng)負(fù)荷建模的研究背景和意義10-11
• 1.2 電力系統(tǒng)負(fù)荷建模的發(fā)展和現(xiàn)狀11-13
• 1.3 遺傳編程的研究背景和意義13-15
• 1.4 本文的研究內(nèi)容15-17
• 2 負(fù)荷模型的結(jié)構(gòu)及參數(shù)辨識17-36
• 2.1 負(fù)荷模型的結(jié)構(gòu)研究17-25
• 2.1.1 靜態(tài)負(fù)荷模型17-19
• 2.1.2 動態(tài)負(fù)荷模型19-23
• 2.1.3 綜合負(fù)荷模型23-25
• 2.2 負(fù)荷模型的參數(shù)辨識25-33
• 2.2.1 負(fù)荷模型參數(shù)辨識的原理25-26
• 2.2.2 負(fù)荷模型參數(shù)辨識的方法26-28
• 2.2.3 靜態(tài)負(fù)荷模型的參數(shù)辨識28-29
• 2.2.4 動態(tài)負(fù)荷模型的參數(shù)辨識29-33
• 2.3 常見設(shè)備負(fù)荷特性研究33-35
• 2.4 小結(jié)35-36
• 3 遺傳編程及其改進(jìn)36-50
• 3.1 遺傳編程的基本理論36-47
• 3.1.1 遺傳編程的理論描述36-37
• 3.1.2 遺傳編程與遺傳算法的異同37-38
• 3.1.3 個體的描述方法38-39
• 3.1.4 初始群體的生成39-42
• 3.1.5 遺傳算子的操作42-45
• 3.1.6 適應(yīng)度評價與終止準(zhǔn)則45-47
• 3.2 遺傳編程的基本參數(shù)47
• 3.3 遺傳編程的改進(jìn)47-49
• 3.4 小結(jié)49-50
• 4 改進(jìn)遺傳編程的靜態(tài)建模研究50-56
• 4.1 實驗環(huán)境的選擇50-51
• 4.2 靜態(tài)建模仿真實驗51-54
• 4.3 仿真結(jié)果對比分析54
• 4.4 小結(jié)54-56
• 5 改進(jìn)遺傳編程的動態(tài)建模研究56-61
• 5.1 基本參數(shù)設(shè)置56
• 5.2 動態(tài)建模仿真實驗56-59
• 5.3 小結(jié)59-61
• 6 結(jié)論與展望61-63
• 6.1 結(jié)論61
• 6.2 展望61-63
• 參考文獻(xiàn)63-66
• 致謝66-67
• 個人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及研究成果67

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李良敏,屈梁生;遺傳編程在無量綱指標(biāo)構(gòu)建中的應(yīng)用[J];西安交通大學(xué)學(xué)報;2002年07期

2 陳月輝,董吉文,史奎凡;利用遺傳編程的符號表達(dá)式逼近任意非線性函數(shù)[J];山東建材學(xué)院學(xué)報;1998年02期

3 劉健勤,魏敏潔,蔡自興;遺傳編程的軟件工程設(shè)計策略[J];中南工業(yè)大學(xué)學(xué)報(自然科學(xué)版);1999年05期

4 葛智平;秦睿;張順;惠晨;;基于遺傳編程的火電機(jī)組煤耗特性建模研究[J];計算機(jī)仿真;2013年12期

5 王鋒,屈梁生;用遺傳編程方法提取和優(yōu)化機(jī)械故障的聲音特征[J];西安交通大學(xué)學(xué)報;2002年12期

6 張翔;劉妮娜;尹雄銳;阮燕云;;遺傳編程在降雨徑流模擬中的應(yīng)用研究[J];水電能源科學(xué);2008年05期

7 徐哲,白焰;基于遺傳編程的非單調(diào)非線性系統(tǒng)辨識[J];自動化儀表;2003年12期

8 劉健勤;魏敏潔;劉其興;蔡自興;;基于謂詞邏輯和約束網(wǎng)絡(luò)結(jié)構(gòu)的遺傳編程方法[J];中南工業(yè)大學(xué)學(xué)報;1997年05期

9 胡勤;張清華;覃愛淞;孫國璽;;遺傳編程和加權(quán)證據(jù)理論融合的旋轉(zhuǎn)機(jī)械故障診斷[J];機(jī)械傳動;2014年04期

10 尹文君,劉民,吳澄;隨機(jī)故障下單機(jī)魯棒調(diào)度算法的遺傳編程方法[J];清華大學(xué)學(xué)報(自然科學(xué)版);2005年01期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 李少波;胡建軍;陳茜;;基于自適應(yīng)機(jī)制的遺傳編程可持續(xù)性進(jìn)化算法[A];第二十七屆中國控制會議論文集[C];2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 蔣毅恒;基于遺傳編程的協(xié)調(diào)控制系統(tǒng)建模和設(shè)計[D];華北電力大學(xué)（北京）;2008年

2 袁曉磊;基于遺傳編程的系統(tǒng)辨識研究[D];華北電力大學(xué)（北京）;2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王俊;基于改進(jìn)遺傳編程的負(fù)荷建模研究[D];鄭州大學(xué);2016年

2 潘小海;遺傳編程的改進(jìn)及其在符號回歸中的應(yīng)用[D];長沙理工大學(xué);2010年

3 吳鵬;基于語法引導(dǎo)遺傳編程的神經(jīng)樹的研究與應(yīng)用[D];濟(jì)南大學(xué);2007年

4 謝騁;基于遺傳編程的擁擠場景的視頻異常行為檢測[D];南京大學(xué);2015年

5 徐哲;基于遺傳編程的非單調(diào)非線性系統(tǒng)辨識[D];華北電力（北京）大學(xué);2002年

6 唐碩;基于演化硬件的遺傳編程改進(jìn)研究[D];西安電子科技大學(xué);2012年

7 鄭盼麗;基于文法引導(dǎo)遺傳編程的分類算法的研究與應(yīng)用[D];湖南大學(xué);2012年

8 孫波;基于遺傳編程和鍵合圖的機(jī)電系統(tǒng)非線性對象辨識與優(yōu)化[D];貴州大學(xué);2008年

9 李sソ，

本文編號：821468