白建勋，杨洪耕，吴传来，唐 山

(1.四川大学电气信息学院，四川 成都 610065;2.四川省电力公司映秀湾发电总厂，四川 成都 611830）

基于自适应遗传算法的负荷特性分类

白建勋1，杨洪耕1，吴传来1，唐 山2

(1.四川大学电气信息学院，四川 成都 610065;2.四川省电力公司映秀湾发电总厂，四川 成都 611830）

提出了运用一种改进的遗传算法对电力负荷特性进行分类的新方法。通过对样本进行遗传操作，求出适应度最高的个体，解码得到最优聚类中心，再根据样本与各中心距离进行划分，从而得到负荷样本的最优分类结果，用获得分类的聚类中心对所属类别样本进行拟合以检验分类效果。改进后的遗传算法的交叉概率和变异概率随进化过程自适应变化，在保证遗传算法良好的全局性和随机性的同时，避免了早熟收敛和收敛过慢。实际算例表明，用这种改进遗传算法对电力负荷特性进行分类，能够有效避免初始条件对分类结果的过度影响，取得了良好的分类效果。

负荷特性分类;聚类;遗传算法;自适应;实测响应空间

1 引言

电力系统仿真已深入到电力系统规划、设计、运行和研究等领域，其中负荷模型对电力系统仿真影响很大［1］。由于电力综合负荷具有时变性、分散性、多样性等特点，建立完全精确的数学模型十分困难，只能通过负荷分类与综合对其进行一定精确程度上的模拟，其中对负荷特性的分类是负荷建模的基础工作。

负荷特性分类是指运用聚类算法将同一电网不同负荷中特征接近或相似的综合负荷归并为一类，并用同一负荷模型描述该“分类”的负荷特性，从而建立一定精度的负荷模型［2］。……