[發明專利]一種基于GA-SVR的配電網線路參數辨識方法

在審

• 申請號: 202210266955.6
• 申請日: 2022-03-18
• 公開（公告）號: CN114648042A
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 劉海濤;陸恒;紀雨清;張埕瑜;黃鋮
• 申請（專利權）人: 南京工程學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/12
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 徐燕

1.一種基于GA-SVR的配電網線路參數辨識方法，其特征在于，包括以下步驟：

S1、設置各支路的參數，包括各支路的電阻、電抗，并通過節點潮流計算程序獲得各支路首末端節點的電壓幅值、有功功率、無功功率、有功損耗、無功損耗的指標數據；

S2、提取各指標數據，并進行整理形成線路參數數據組；

S3、歸一化處理線路參數數據組中的各指標數據；

S4、將歸一化處理后的線路參數數據組結合GA算法對支持向量回歸機SVR的懲罰因子c與核函數參數g進行尋優，進而形成GA-SVR回歸預測處理器；

S5、通過GA-SVR回歸預測處理器對配電網線路參數進行識別。

2.根據權利要求1所述的一種基于GA-SVR的配電網線路參數辨識方法，其特征在于，步驟S4的內容包括：

S4.1、獲取歸一化處理線路參數數據組中的各指標數據，分為訓練樣本集和測試樣本集；

S4.2、對GA算法進行初始化，使其原始參數進行重置；具體為：對種群進行初始化，隨機生成O個染色體，按序標號為m₁，m₂，m₃，…，m_o；

S4.3、每個染色體都與自己的基因編碼k_i所對應，且基因編碼k_i都有自己對應的懲罰因子c_i與核函數參數g_i；所述懲罰因子c_i與核函數參數g_i即為支持向量回歸機SVR的參數；

基于支持向量回歸機SVR能夠構建向量回歸模型的特點，通過結合基因編碼k_i對應的懲罰因子c_i、核函數參數g_i以及訓練樣本集訓練支持向量回歸模型，并利用測試樣本集評估支持向量回歸模型的性能；

S4.4、計算每一個染色體所對應基因編碼k_i的適應度f_i，并根據適應度f_i計算對應染色體作為親代染色體的概率p_i；并選取概率最高的兩條染色體作為下一代種群的親代染色體；其中：

式中，f_i表示任意一個染色體的適應度；M為測試樣本集的樣本數目，為第j個測試樣本的回歸值，為第j個測試樣本的特征向量，為支持向量回歸模型對測試樣本的預測值，p_i表示對應的任意一個染色體被選為親代染色體的概率，f_k為o個染色體中第k個染色體m_k的適應度，o為染色體的數目；

S4.5、將種群進行迭代以更新染色體中的基因編碼信息，具體為：將選取的兩條親代染色體進行選擇、交叉、變異的操作生成O個染色體；

其中選擇的方式采用輪盤賭方式；變異的方式采用均勻變異法，交叉的方式采用線性組合方式，具體公式為：式中m_p和m_q表示步驟S4.4中選定的兩條親代染色體，m_ph、m_qh分別對應基因重組后的兩個親代染色體；p表示交叉概率；

S4.6、循環步驟S4.3-S4.5完成種群的反復迭代，并設置迭代次數為T，達到迭代次數T后進入步驟S4.7；

S4.7、當達到迭代次數T后，將當前種群中最佳適應度染色體對應的懲罰因子c^*與g^*作為支持向量回歸機SVR的最優參數，以形成GA-SVR回歸預測處理器；同時結合訓練樣本集和測試樣本集對GA-SVR回歸預測處理器進行訓練及驗證。

3.根據權利要求2所述的一種基于GA-SVR的配電網線路參數辨識方法，其特征在于，所述迭代次數T的值為50次。

4.根據權利要求2所述的一種基于GA-SVR的配電網線路參數辨識方法，其特征在于，劃分訓練樣本集和測試樣本集的方式采用5倍交叉驗證方式。

5.根據權利要求2所述的一種基于GA-SVR的配電網線路參數辨識方法，其特征在于，訓練樣本集與測試樣本集的比例為：9:1。