技術(shù)特征：

1.一種基于類噪聲信號(hào)及改進(jìn)差分進(jìn)化的負(fù)荷模型參數(shù)辨識(shí)方法，其特征在于，該方法首先從仿真或?qū)崪y(cè)中取得電壓幅值、電壓相角、有功功率、無功功率的量測(cè)曲線并校驗(yàn)有功功率曲線的波動(dòng)幅值是否滿足辨識(shí)要求；若滿足辨識(shí)要求，則選定負(fù)荷模型結(jié)構(gòu)后，利用改進(jìn)差分進(jìn)化算法對(duì)有功功率和無功功率的預(yù)測(cè)值與實(shí)際測(cè)量值之間的偏差平方和進(jìn)行最小化優(yōu)化，得到負(fù)荷模型參數(shù)；最后采用辨識(shí)曲線以外的另一段量測(cè)曲線對(duì)辨識(shí)結(jié)果的有效性進(jìn)行校驗(yàn)，通過校驗(yàn)，則辨識(shí)完成。

2.如權(quán)利要求1所述的方法，其特征在于，該方法包括以下步驟：

1)通過仿真或?qū)崪y(cè)得到設(shè)定時(shí)間長(zhǎng)度的負(fù)荷節(jié)點(diǎn)電壓幅值、電壓相角、有功功率、無功功率的量測(cè)曲線，并將該曲線分為兩段，其中一段用作負(fù)荷模型參數(shù)辨識(shí)，另一段用于對(duì)辨識(shí)結(jié)果進(jìn)行驗(yàn)證；

2)對(duì)步驟1)得到的用作負(fù)荷模型參數(shù)辨識(shí)的有功功率曲線，檢驗(yàn)該有功功率曲線的波動(dòng)幅值是否滿足辨識(shí)要求，如果有功功率曲線的波動(dòng)幅值大于1％，則進(jìn)入步驟3)開始辨識(shí)；否則返回步驟1)，重新選擇量測(cè)數(shù)據(jù)；

3)選定負(fù)荷模型結(jié)構(gòu)，通過改進(jìn)差分進(jìn)化算法辨識(shí)得到相應(yīng)的負(fù)荷模型參數(shù)；辨識(shí)過程中，以電壓幅值曲線和電壓相角曲線作為輸入，有功功率曲線和無功功率曲線作為輸出，將有功功率與無功功率的實(shí)際測(cè)量值與利用機(jī)理化負(fù)荷模型及參數(shù)進(jìn)行預(yù)測(cè)所得到的預(yù)測(cè)值之間的偏差平方和作為待優(yōu)化的目標(biāo)函數(shù)，利用改進(jìn)差分進(jìn)化算法最小化目標(biāo)函數(shù)得到負(fù)荷模型參數(shù)辨識(shí)結(jié)果；

4)驗(yàn)證辨識(shí)結(jié)果的有效性；取步驟1)得到的用于對(duì)辨識(shí)結(jié)果進(jìn)行驗(yàn)證的電壓幅值、電壓相角、有功功率、無功功率的量測(cè)曲線，利用步驟3)所得到的參數(shù)辨識(shí)結(jié)果進(jìn)行有功功率、無功功率預(yù)測(cè)，如果預(yù)測(cè)值與量測(cè)數(shù)據(jù)之間的擬合度大于預(yù)先設(shè)置的擬合度，則辨識(shí)結(jié)果通過校驗(yàn)，辨識(shí)過程完成；否則，返回步驟1)，重新進(jìn)行辨識(shí)。

3.如權(quán)利要求2所述的方法，其特征在于，所述步驟3)中通過改進(jìn)差分進(jìn)化算法辨識(shí)得到相應(yīng)的負(fù)荷模型參數(shù)，具體步驟如下：

3-1)根據(jù)負(fù)荷模型參數(shù)的取值范圍，隨機(jī)生成初始化種群，用于后續(xù)的進(jìn)化過程；記第i個(gè)個(gè)體中第j個(gè)參數(shù)的表達(dá)式如式(1)所示：

$x_{i,j}\left(0\right)=rand(0,1)(x_j^U-x_j^L)+x_j^L,i=1,2,...,N;j=1,2,...,D---\left(1\right)$

式中，D為待辨識(shí)的負(fù)荷模型參數(shù)的總數(shù)；N為差分進(jìn)化算法的種群規(guī)模；分別為第j個(gè)參數(shù)的上界值和下界值，rand(0,1)為0～1之間的一個(gè)隨機(jī)數(shù)；

3-2)變異個(gè)體由上一代的個(gè)體出發(fā)，隨機(jī)取出三個(gè)個(gè)體，用其中兩個(gè)個(gè)體的差向量按照變異因子加權(quán)后與第三個(gè)個(gè)體相加，產(chǎn)生下一代的變異個(gè)體，則第G+1代中第i個(gè)個(gè)體表達(dá)式如式(2)所示：

$v_i(G+1)=x_{r_1}\left(G\right)+F\left(x_{r_2}\right(G)-x_{r_3}(G\left)\right)---\left(2\right)$

式中，r₁,r₂,r₃為從種群中N個(gè)個(gè)體中隨機(jī)選取的三個(gè)個(gè)體且i≠r₁≠r₂≠r₃，x_r1(G)為第G代中第r₁個(gè)個(gè)體所有負(fù)荷模型參數(shù)的數(shù)值，x_r2(G)為第G代中第r₂個(gè)個(gè)體所有負(fù)荷模型參數(shù)的數(shù)值，x_r3(G)為第G代中第r₃個(gè)個(gè)體所有負(fù)荷模型參數(shù)的數(shù)值，F(xiàn)為變異因子；

3-3)對(duì)每個(gè)個(gè)體中的每個(gè)基因，即每個(gè)個(gè)體中的每個(gè)待辨識(shí)參數(shù)，生成一個(gè)隨機(jī)數(shù)，如果隨機(jī)數(shù)的數(shù)值小于等于交叉率則進(jìn)行交叉，否則不進(jìn)行交叉；則第G+1代中第i個(gè)個(gè)體中第j個(gè)參數(shù)表達(dá)式如式(3)所示：

式中，CR為交叉率；

3-4)在交叉后得到的新一代個(gè)體u_i(G+1)與上一代個(gè)體x_i(G)之間，分別計(jì)算兩個(gè)個(gè)體各自的目標(biāo)函數(shù)數(shù)值，在兩個(gè)個(gè)體中選擇目標(biāo)函數(shù)數(shù)值較小的一個(gè)用于下一代的進(jìn)化，所述目標(biāo)函數(shù)即為有功功率與無功功率的預(yù)測(cè)值與實(shí)際測(cè)量值之間的偏差平方和；

3-5)在進(jìn)行選擇、得到新一代種群x_i(G+1)之后，選擇其中的最優(yōu)個(gè)體與上一代種群的最優(yōu)個(gè)體進(jìn)行對(duì)比，如果兩代最優(yōu)個(gè)體的歐氏距離小于設(shè)定閾值，則開始進(jìn)行終止計(jì)數(shù)；如果終止計(jì)數(shù)已經(jīng)開始且此次歐氏距離仍然小于閾值，則終止計(jì)數(shù)加一，否則終止計(jì)數(shù)清零；如果終止計(jì)數(shù)達(dá)到設(shè)定數(shù)量，則停止差分進(jìn)化過程，把當(dāng)前的最優(yōu)個(gè)體作為負(fù)荷模型參數(shù)辨識(shí)的結(jié)果。