(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211359208.3 (22)申请日 2022.11.02 (71)申请人 广东电网有限责任公司中山供电局 地址 528400 广东省中山市东区博爱六路 68号 (72)发明人 尹雁和　徐宝军　周桂　李宾　 阮志杰　余俊杰　李国号　叶建国　 刘国民　钟毅　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 任文生 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/00(2006.01) G06Q 50/06(2012.01)H02J 3/00(2006.01) G06F 113/04(2020.01) (54)发明名称 一种负荷模型参数辨识方法、 系统、 设备和 介质 (57)摘要 本发明公开了一种负荷 模型参数辨识方法、 系统、 设备和介质， 通过响应接收到的负荷节点 数据和负荷模 型对应的待辨识负荷模 型参数集， 通过负荷模 型对负荷节点数据进行数据仿真， 得 到对应的节点仿真数据。 基于节点仿真数据、 待 辨识负荷模 型参数集和粒子群算法， 得到负荷模 型对应的初始模 型参数辨识集。 基于初始模型参 数辨识集和负荷节点数据， 得到负荷模型对应的 中间模型参数辨识集。 通过预设的参数测辨模型 对中间模型参数辨识集进行校正， 得到负荷模型 对应的目标模 型参数辨识集。 通过采用粒子群算 法在有限时间内， 初步辨识负荷模型参数， 基于 初步辨结果， 通过参数测辨模型进行快速校正， 从而达到负荷模型参数测辨在计算时间和计算 准确性方面的均衡 。 权利要求书3页 说明书13页 附图4页 CN 115408949 A 2022.11.29 CN 115408949 A 1.一种负荷模型参数辨识方法， 其特 征在于， 包括： 响应接收到的负荷节点数据和负荷模型对应的待辨识负荷模型参数集， 通过所述负荷 模型对所述负荷节点数据进行 数据仿真， 得到对应的节点仿真数据； 根据所述节点仿真数据、 所述待辨识负荷模型参数集和粒子群算法， 得到所述负荷模 型对应的初始模型参数辨识集； 根据所述初始模型参数辨识集和所述负荷节点数据， 得到所述负荷模型对应的中间模 型参数辨识集； 通过预设的参数测辨模型对所述中间模型参数辨识集进行校正， 得到负荷模型对应的 目标模型参数辨识集。 2.根据权利要求1所述的负荷模型参数辨识方法， 其特征在于， 所述根据 所述节点仿真 数据、 所述待辨识负荷模型参数集和粒子群算法， 得到所述负荷模型对应的初始模型参数 辨识集的步骤， 包括： 在预设的赋值区间内， 基于预设赋值次数和所述待辨识负荷模型参数集， 确定初始粒 子种群； 基于所述负荷节点数据和所述节点仿真数据， 确定所述初始粒子种群 内各初始粒子对 应的粒子适应度并实时统计进化次数； 根据所述粒子适应度、 所述进化次数和预设的最大进化次数， 得到所述负荷模型对应 的初始模型参数辨识集。 3.根据权利要求2所述的负荷模型参数辨识方法， 其特征在于， 所述负荷节点数据包括 电压、 电流、 频率和功率； 所述节点仿真数据包括仿真电压、 仿真电流、 仿真频率和仿真功 率； 所述基于所述负荷节点数据和所述节点仿真数据， 确定所述初始粒子种群内各初始粒 子对应的粒子适应度并实时统计进化次数的步骤， 包括： 分别获取 各所述初始粒子对应的电压、 电流、 频率和功率； 分别获取 各所述初始粒子对应的仿真电压、 仿真电流、 仿真频率和仿真功率； 分别计算所述电压、 所述电流、 所述频率和所述功率对应的曲线欧式距离值； 分别计算所述仿真电压、 所述仿真电流、 所述仿真频率和所述仿真功率对应的曲线导 数欧式距离值； 计算全部所述曲线欧式距离值与全部所述曲线导数欧式距离值的和值， 得到所述初始 粒子对应的粒子适应度； 当获取所述初始粒子种群对应的全部所述粒子适应度时， 实时统计进化次数。 4.根据权利要求2所述的负荷模型参数辨识方法， 其特征在于， 所述根据 所述粒子适应 度、 所述进化次数和预设的最大进化次数， 得到所述负荷模型对应的初始模型参数辨识集 的步骤， 包括： 基于所述进化次数， 分别选取所述初始粒子对应的粒子适应度最小值作为个体极值 点； 采用全部所述个 体极值点作为所述初始粒子种群对应的种群极值 点； 根据所述个 体极值点、 所述种群极值 点和所述初始粒子， 确定对应的目标 粒子； 判断所述进化次数 是否等于预设的最大进化次数； 若是， 则所述种群极值 点对应的种群位置向量作为初始模型参数辨识集；权　利　要　求　书 1/3 页 2 CN 115408949 A 2若否， 则将所述目标粒子作为所述初始粒子， 跳转执行所述基于所述负荷节点数据和 所述节点仿 真数据， 确定所述初始粒子种群内各初始粒子对应的粒子适应度并实时统计进 化次数的步骤， 直至所述进化次数等于预设的最大进化次数。 5.根据权利要求4所述的负荷模型参数辨识方法， 其特征在于， 所述根据 所述个体极值 点、 所述种群极值 点和所述初始粒子， 确定对应的目标 粒子的步骤， 包括： 分别获取各所述初始粒子对应的所述个体极值点对应的个体位置向量和所述种群极 值点对应的种群位置向量； 采用所述个体位置向量和所述种群位置向量， 计算所述初始粒子对应的目标速度向 量； 计算公式如下： ； 其中， 为目标速度向量， 为当前时刻第 i个粒子的初始速度向量， 为加权系 数， 取值为0.1~0.9， 和 为加速因子， 和 为0~1之间的随机数， t代表当前时 刻， 为当前时刻第 i个粒子对应的个体位置向量， 为当前时刻第 i个粒子对应 的位置向量， 为当前时刻 初始粒子种群对应的种群位置向量； 采用所述目标速度向量更新对应的所述初始粒子， 得到对应的目标 粒子。 6.根据权利要求1所述的负荷模型参数辨识方法， 其特征在于， 所述根据 所述初始模型 参数辨识集和所述负荷节点数据， 得到所述负荷模型对应的中间模型参数辨识集的步骤， 包括： 将所述初始模型参数辨识集进行 数据仿真， 得到辨识集仿真数据； 计算所述辨识集仿真数据与 所述负荷节点数据对应的实际负荷量测数据的差值， 得到 对应的辨识集差值数据； 采用所述初始模型参数辨识集和所述辨识集差值数据， 构建所述负荷模型对应的中间 模型参数辨识集。 7.根据权利要求1所述的负荷模型参数辨识方法， 其特 征在于， 还 包括： 获取多个负荷模型待辨识参数和对应的负荷模型实际参数； 采用所述粒子群算法分别计算所述负荷模型待辨识参数对应的负荷模型初步辨识参 数； 将所述负荷模型初步辨识参数分别进行仿真， 得到所述负荷模型初步辨识参数对应的 负荷模型仿真数据； 分别计算所述负荷模型仿真数据与所述负荷模型实际参数对应的实际模型量测数据 的差值， 得到对应的量测差值； 采用全部所述负荷模型初步 辨识参数和所述 量测差值， 构建模型输入特 征； 采用极限学习算法和所述模型输入特征训练预设的初始参数测辨模型， 得到目标参数 测辨模型； 将所述目标参数测辨模型作为所述 参数测辨模型。 8.一种负荷模型参数辨识系统， 其特 征在于， 包括：权　利　要　求　书 2/3 页 3 CN 115408949 A 3