改进的遗传算法辨识综合负荷模型

以基于实测数据的电力系统综合负荷建模为目标,研究了遗传操作和控制参数选择对遗传算法性能的影响。针对基本遗传算法的不足,设计了比例选择策略和线性自适应变异策略,对遗传算法的选择算子和变异算子进行改进,使得遗传算法能够根据个体自身的适应度值进行选择和自适应地调整变异概率,实现方式简单有效。选用TVA综合负荷模型,使用改进的遗传算法进行负荷模型参数辨识,同时在不改变负荷模型结构的前提下,通过调整待辨识参数及其取值范围,考虑无功补偿的影响。利用现场实测数据进行建模,结果表明,改进后的遗传算法改善了优化过程,对加速收敛、缩短辨识时间均有显著作用,适用于负荷建模。

差异演化算法及其改进

针对一类非凸、多峰及非线性函数优化难的问题,本文提供了一种新的求解策略——差异演化算法,该算法比其它演化算法稳健性强、收敛速度快。同时,为进一步提高差异演化算法的优化性能,该文也提出了一些改进措施,包括自适应线性变异以及迁徙操作,最后的仿真试验验证了本改进算法的优越性。