典型文献
基于灰狼优化算法的负荷模型参数辨识
文献摘要：
为了提高负荷建模准确性以满足电力系统仿真计算准确度的要求,本文从总体测辨法的角度提出一种基于灰狼优化(GWO)算法的负荷模型参数辨识策略.该负荷模型参数辨识策略以电网发生扰动时变电站母线电压、电压相角为输入,选取感应电动机并联ZIP负荷的经典负荷模型,通过灰狼算法实现对目标函数的迭代优化获得一组最优的负荷模型参数,使得模型响应能较好拟合样本功率曲线.GWO算法具有较强的快速收敛能力和全局搜索能力,将其运用于负荷建模参数辨识实践中,可以有效提高辨识精度.通过在PSD-BPA软件中建立电力系统仿真模型,以变电站母线处的扰动数据作为负荷建模的输入数据对2个算例进行仿真.仿真结果表明,GWO相对于常用的粒子群算法在计算精度、收敛速度等方面都具有明显优势.
文献关键词：
负荷建模;参数辨识;灰狼优化算法
中图分类号：
作者姓名：
郭成;谢浩;孟贤;和鹏;杨蕾;王德林
作者机构：
云南电网有限责任公司电力科学研究院,云南 昆明 650217;西南交通大学电气工程学院,四川 成都 611756
文献出处：
引用格式：
[1]郭成;谢浩;孟贤;和鹏;杨蕾;王德林-.基于灰狼优化算法的负荷模型参数辨识)[J].电力科学与技术学报,2022(02):30-37
A类：
B类：
灰狼优化算法,负荷模型,模型参数辨识,高负荷,负荷建模,电力系统仿真,仿真计算,体测,GWO,变电站,母线电压,相角,感应电动机,ZIP,灰狼算法,算法实现,迭代优化,模型响应,功率曲线,快速收敛,收敛能力,全局搜索,搜索能力,辨识精度,PSD,BPA,输入数据,粒子群算法,计算精度,收敛速度
AB值：
0.316846
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
