【技术实现步骤摘要】
本专利技术涉及一种辨识方法，尤其是涉及一种。
技术介绍
目前对于负荷模型的参数辨识，主要包含以下几种方法:1、最小二乘法(LS)是一种很优秀的数据处理方法，它通过使广义误差的平方和(准则函数)极小来确定模型的参数。但由于最小二乘估计是非一致的、有偏差的，因而为了克服它的不足，形成了一些以最小二乘法为基础的辨识方法:广义最小二乘法、辅助变量法和增广矩阵法，以及将一般的最小二乘法与其它方法相结合的方法，有相关分析-最小二乘两步法和随机逼近算法，适合于电力系统机理负荷模型参数辨识的方法主要是非线性最小二乘法。这种算法具有很好的理论保证，但对参数的初值依赖很大，要求函数可导，计算耗费大，可能得到的是损失函数的局部极小值。2、卡尔曼滤波主要用于系统状态估计，但稍作变换也可以进行参数辨识，与递推最小二乘法有一定联系，是一种新型的算法。它把受扰信号看成一个动态过程，选用噪声的统计特性，把它从受扰信号中减去，从而获得较精确的有用信号，它的本质上是一种信息处理方法。扩展卡尔曼滤波是建立在线性卡尔曼滤波的基础上，是一种非线性参数估计方法，它本身也具有很多优点:①能得到无偏的最优估计递推充分多的步数参数及方差阵的估计不依赖于它们的初值，具有良好的稳定性。70年代初被引入到电力系统作为数据处理的有力工具，开始在电力系统状态估计和观测器上得到应用，并作为一种系统辨识的方法，在电力系统负荷辨识中得到应用。但算法对参数初值选定的敏感性强，收敛速度比较慢，而且极易陷入局部最优解。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种。本专利技术的目的可以通...
【技术保护点】
一种基于克隆选择算法的负荷模型参数辨识方法，其特征在于，将待辨识的参数作为抗原，将参数的目标函数作为抗体，以抗体和抗原的亲和度最高为目标，获取一组最优的负荷模型参数。
【技术特征摘要】
1.一种基于克隆选择算法的负荷模型参数辨识方法，其特征在于，将待辨识的参数作为抗原，将参数的目标函数作为抗体，以抗体和抗原的亲和度最高为目标，获取一组最优的负荷模型参数。2.根据权利要求1所述的一种基于克隆选择算法的负荷模型参数辨识方法，其特征在于，该方法具体包括以下步骤: 1)初始时由免疫算法随机的产生待辨识参数对应的免疫细胞，随机生成一定规模的种群，...
【专利技术属性】
技术研发人员：凌平，包海龙，张宇，柳劲松，方陈，刘舒，艾芊，
申请(专利权)人：国家电网公司，国网上海市电力公司，华东电力试验研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。