基于GMM-PSO混合算法的电磁暂态模型参数校正方法

提出了一种基于高斯混合模型(Gaussian mixture model,GMM)–粒子群优化(particle swarm optimization,PSO)混合算法的电力系统电磁暂态模型参数校正方法,旨在根据实测波形校准仿真模型参数,使模型产生的波形曲线最符合客观现实。参数校正问题可以建模为优化问题,即在符合约束条件的各个参数组合中找到估计误差最小的组合。首先,不同于广泛使用的最小二乘法、卡尔曼滤波等模型驱动的参数校正方法,基于贝叶斯分析中参数随机变量化的思想,通过随机指定关键参数并仿真生成大量曲线,将仿真曲线与实测曲线之间的误差定义为特征量。然后,以GMM为工具,将特征量与关键参数的关系建模为联合概率分布。接着基于GMM的条件概率不变性建立特征量到参数的反向映射,从而得到参数的后验分布,并通过其统计量确定对应特定特征量的参数取值。考虑到校正目标的模糊性,采用粒子群算法对特征量进行闭环校验。最后,使用CloudPSS平台搭建测试算例,验证了算法在高维参数校正问题中的有效性。