一种静态负荷模型构建方法、系统、设备和介质与流程

1.本发明涉及静态负荷模型构建技术领域，尤其涉及一种静态负荷模型构建方法、系统、设备和介质。


背景技术：

2.随着电力系统的建设发展，电力系统的运行工况更加复杂，为了提高电网的安全性，预防大停电事故的发生，在电网规划和运行中往往需要对电网在特定状态下的特性进行全面了解，因此，需要构建负荷模型进行仿真。
3.负荷模型包括描述负荷端口的功率或电流随其端口电压和频率变化特性的模型公式以及对应模型参数，电力系统中常用的静态负荷模型为静态负荷幂函数模型。
4.现有的静态负荷模型构建方法所使用的模型参数是固定不变的，不能根据电力系统变化的场景进行适应性改变，导致构建得到静态负荷模型的场景适应性低，从而使模型的仿真结果准确度低。


技术实现要素：

5.本发明提供了一种静态负荷模型构建方法、系统、设备和介质，解决了现有的静态负荷模型构建方法所使用的模型参数是固定不变的，不能根据电力系统变化的场景进行适应性改变，导致构建得到静态负荷模型的场景适应性低，从而使模型的仿真结果准确度低的技术问题。
6.本发明提供的一种静态负荷模型构建方法，包括：响应接收的负荷节点历史数据，基于所述负荷节点历史数据，确定负荷节点对应的初始有功功率；采用所述初始有功功率和预设的初始幂函数负荷模型，构建初始静态负荷模型；采用遗传算法基于所述初始静态负荷模型，计算得到所述负荷节点对应的目标电压响应参数和目标频率响应参数；根据所述目标电压响应参数、所述目标频率响应参数和预设的频率跌落公式更新所述初始静态负荷模型，得到目标静态负荷模型。
7.可选地，所述采用遗传算法基于所述初始静态负荷模型，计算得到所述负荷节点对应的目标电压响应参数和目标频率响应参数的步骤，包括：将所述初始静态负荷模型对数化，得到中间静态负荷模型；根据所述中间静态负荷模型，构建个体种群；根据所述个体种群、预设的适应度计算公式和预设的选择算法，确定初始交配个体和目标适应度；在预设的操作随机数区间内生成操作随机数；根据所述操作随机数和预设的操作类型概率，对所述初始交配个体进行对应的交配操作，得到对应的目标交配个体并实时统计进化次数；
根据所述进化次数和预设的最大进化阈值，确定所述负荷节点对应的目标电压响应参数和目标频率响应参数。
8.可选地，所述根据所述中间静态负荷模型，构建个体种群的步骤，包括：基于所述中间静态负荷模型，随机生成多个初始电压响应参数和初始频率响应参数；分别将所述初始电压响应参数和所述初始频率响应参数输入所述中间静态负荷模型，得到对应的种群个体；采用全部所述种群个体构建个体种群。
9.可选地，所述预设的选择算法为轮盘赌算法；所述根据所述个体种群、预设的适应度计算公式和预设的选择算法，确定初始交配个体和目标适应度的步骤，包括：基于预设的适应度计算公式和所述个体种群，计算得到所述个体种群对应的多个初始适应度；选取所述初始适应度内的最大值作为目标适应度；分别计算所述初始适应度与所述个体种群对应的初始适应度和值的比值，得到对应的种群个体选择概率；通过所述轮盘赌算法采用所述种群个体选择概率作为筛选概率，筛选出初始交配个体。
10.可选地，所述预设的操作类型概率包括交叉概率和变异概率；所述交配操作包括交叉操作和变异操作；所述根据所述操作随机数和预设的操作类型概率，对所述初始交配个体进行对应的交配操作，得到对应的目标交配个体并实时统计进化次数的步骤，包括：将所述操作随机数分别与所述交叉概率和所述变异概率进行比较并实时统计进化次数；当所述操作随机数小于所述交叉概率时，对所述初始交配个体进行交叉操作，得到对应的目标交配个体；当所述操作随机数小于所述变异概率时，对所述初始交配个体进行变异操作，得到对应的目标交配个体；当所述操作随机数大于或等于所述交叉概率和所述变异概率时，将所述初始交配个体作为目标交配个体。
11.可选地，所述根据所述进化次数和预设的最大进化阈值，确定所述负荷节点对应的目标电压响应参数和目标频率响应参数的步骤，包括：比较所述进化次数与预设的最大进化阈值；当所述进化次数等于所述最大进化阈值时，采用当前时刻的目标适应度对应的初始电压响应参数和初始频率响应参数作为所述负荷节点对应的目标电压响应参数和目标频率响应参数；当所述进化次数小于所述最大进化阈值时，采用所述目标交配个体构建对应的个体种群，并跳转执行所述根据所述个体种群、预设的适应度计算公式和预设的选择算法，确定初始交配个体和目标适应度的步骤。
12.可选地，所述根据所述目标电压响应参数、所述目标频率响应参数和预设的频率跌落公式更新所述初始静态负荷模型，得到目标静态负荷模型的步骤，包括：
基于所述目标频率响应参数和预设的频率跌落公式，计算得到跌落频率响应参数；采用所述跌落频率响应参数和所述目标电压响应参数更新所述初始静态负荷模型，得到目标静态负荷模型。
13.本发明还提供了一种静态负荷模型构建系统，包括：初始有功功率确定模块，用于响应接收的负荷节点历史数据，基于所述负荷节点历史数据，确定负荷节点对应的初始有功功率；初始静态负荷模型构建模块，用于采用所述初始有功功率和预设的初始幂函数负荷模型，构建初始静态负荷模型；目标电压响应参数和目标频率响应参数得到模块，用于采用遗传算法基于所述初始静态负荷模型，计算得到所述负荷节点对应的目标电压响应参数和目标频率响应参数；目标静态负荷模型得到模块，用于根据所述目标电压响应参数、所述目标频率响应参数和预设的频率跌落公式更新所述初始静态负荷模型，得到目标静态负荷模型。
14.本发明还提供了一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行实现如上述任一项静态负荷模型构建方法的步骤。
15.本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如上述任一项静态负荷模型构建方法。
16.从以上技术方案可以看出，本发明具有以下优点：本发明通过响应接收的负荷节点历史数据，基于负荷节点历史数据，确定负荷节点对应的初始有功功率。采用初始有功功率和预设的初始幂函数负荷模型，构建初始静态负荷模型。采用遗传算法基于初始静态负荷模型，计算得到负荷节点对应的目标电压响应参数和目标频率响应参数，然后基于目标电压响应参数、目标频率响应参数和预设的频率跌落公式更新初始静态负荷模型，得到目标静态负荷模型。解决了现有的静态负荷模型构建方法所使用的模型参数是固定不变的，不能根据电力系统变化的场景进行适应性改变，导致构建得到静态负荷模型的场景适应性低，从而使模型的仿真结果准确度低的技术问题。通过遗传算法和预设的频率跌落公式对模型参数进行适应性变化，使得静态负荷模型的功率变化趋势与实际更加匹配，具有更好的匹配效果。
附图说明
17.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
18.图1为本发明实施例一提供的一种静态负荷模型构建方法的步骤流程图；图2为本发明实施例二提供的一种静态负荷模型构建方法的步骤流程图；图3为本发明实施例二提供的采用遗传算法对初始静态负荷模型的模型参数进行辨识的效果示意图；图4为本发明实施例二提供的目标静态负荷模型、传统静态负荷模型和实际负荷
的对比示意图；图5为本发明实施例三提供的一种静态负荷模型构建系统的结构框图。
具体实施方式
19.本发明实施例提供了一种静态负荷模型构建方法、系统、设备和介质，用于解决现有的静态负荷模型构建方法所使用的模型参数是固定不变的，不能根据电力系统变化的场景进行适应性改变，导致构建得到静态负荷模型的场景适应性低，从而使模型的仿真结果准确度低的技术问题。
20.为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
21.请参阅图1，图1为本发明实施例一提供的一种静态负荷模型构建方法的步骤流程图。
22.本发明提供的一种静态负荷模型构建方法，包括：步骤101、响应接收的负荷节点历史数据，基于负荷节点历史数据，确定负荷节点对应的初始有功功率。
23.负荷节点历史数据是指在一段时间内负荷节点对应的有功功率、电压和频率数据。
24.初始有功功率是指负荷节点历史数据内满足预设的电压和频率要求对应的有功功率，例如：将正常运行点下即v=1.0p.u.，f=50hz的负荷节点对应的有功功率作为初始有功功率。
25.在本发明实施例中，当接收到负荷节点历史数据时，从负荷节点历史数据中筛选出在电压v=1.0p.u.，频率f=50hz下的负荷节点对应的有功功率作为负荷节点对应的初始有功功率。
26.步骤102、采用初始有功功率和预设的初始幂函数负荷模型，构建初始静态负荷模型。
27.预设的初始幂函数负荷模型是指传统静态负荷幂函数模型，其对应的模型公式如下所示：其中，表示有功功率，表示初始有功功率，表示电压，f表示频率，x表示电压响应参数，y表示频率响应参数。
28.在本发明实施例中，将从负荷节点历史数据筛选出来的初始有功功率作为初始幂函数负荷模型的初始有功功率，更新得到目标幂函数负荷模型，将目标幂函数负荷模型作为负荷节点对应的初始静态负荷模型。初始静态负荷模型的模型公式与初始幂函数负荷模型的模型公式除了初始有功功率不同外其他部分相同，即初始静态负荷模型也包括电压响应参数和频率响应参数。
29.步骤103、采用遗传算法基于初始静态负荷模型，计算得到负荷节点对应的目标电压响应参数和目标频率响应参数。
30.在本发明实施例中，将初始静态负荷模型对数化，得到中间静态负荷模型，基于中间静态负荷模型，构建个体种群，并基于个体种群、预设的适应度计算公式和预设的选择算法，确定初始交配个体和目标适应度。在预设的操作随机数区间内生成操作随机数，基于操作随机数和预设的操作类型概率，对初始交配个体进行对应的交配操作，得到对应的目标交配个体并实时统计进化次数。基于进化次数和预设的最大进化阈值，确定负荷节点对应的目标电压响应参数和目标频率响应参数。
31.步骤104、根据目标电压响应参数、目标频率响应参数和预设的频率跌落公式更新初始静态负荷模型，得到目标静态负荷模型。
32.在本发明实施例中，将目标频率响应参数代入预设的频率跌落公式，计算得到跌落频率响应参数，采用跌落频率响应参数和目标电压响应参数更新初始静态负荷模型，得到目标静态负荷模型。预设的频率跌落公式为：其中，表示跌落频率响应参数；y表示目标频率响应参数；表示预先设置的单位频率偏差，可以设置为0.02hz；n表示单位频率偏差的个数，可用于确定频率的具体偏差值。
33.在本发明实施例中，通过响应接收的负荷节点历史数据，基于负荷节点历史数据，确定负荷节点对应的初始有功功率。采用初始有功功率和预设的初始幂函数负荷模型，构建初始静态负荷模型。采用遗传算法基于初始静态负荷模型，计算得到负荷节点对应的目标电压响应参数和目标频率响应参数，然后基于目标电压响应参数、目标频率响应参数和预设的频率跌落公式更新初始静态负荷模型，得到目标静态负荷模型。解决了现有的静态负荷模型构建方法所使用的模型参数是固定不变的，不能根据电力系统变化的场景进行适应性改变，导致构建得到静态负荷模型的场景适应性低，从而使模型的仿真结果准确度低的技术问题。通过遗传算法和预设的频率跌落公式对模型参数进行适应性变化，使得静态负荷模型的功率变化趋势与实际更加匹配，具有更好的匹配效果。
34.请参阅图2，图2为本发明实施例二提供的一种静态负荷模型构建方法的步骤流程图。
35.步骤201、响应接收的负荷节点历史数据，基于负荷节点历史数据，确定负荷节点对应的初始有功功率。
36.在本发明实施例中，当接收到负荷节点历史数据时，从负荷节点历史数据中筛选出满足预设的筛选要求的电压和频率对应的有功功率，并将筛选出来的有功功率作为初始有功功率。
37.步骤202、采用初始有功功率和预设的初始幂函数负荷模型，构建初始静态负荷模型。
38.在本发明实施例中，将从负荷节点历史数据中筛选出来的初始有功功率作为预设
的初始幂函数负荷模型中的初始有功功率，从而更新初始幂函数负荷模型，得到目标幂函数负荷模型，将目标幂函数负荷模型作为负荷节点对应的初始静态负荷模型。
39.步骤203、将初始静态负荷模型对数化，得到中间静态负荷模型。
40.在本发明实施例中，将初始幂函数负荷模型进行更新后得到初始静态负荷模型，对初始静态负荷模型进行对数化，从而得到中间静态负荷模型。中间静态负荷模型的模型公式如下：其中，表示有功功率，表示初始有功功率，表示电压，f表示频率，x表示初始电压响应参数，y表示初始频率响应参数。
41.步骤204、根据中间静态负荷模型，构建个体种群。
42.进一步地，步骤204可以包括以下子步骤s11-s13：s11、基于中间静态负荷模型，随机生成多个初始电压响应参数和初始频率响应参数。
43.在本发明实施例中，中间静态负荷模型包括电压响应参数和频率响应参数，基于中间静态负荷模型的电压响应参数和频率响应参数，随机生成多个初始电压响应参数和初始频率响应参数。
44.s12、分别将初始电压响应参数和初始频率响应参数输入中间静态负荷模型，得到对应的种群个体。
45.种群个体是指对应的初始电压响应参数x和初始频率响应参数y与有功功率的关系，即。
46.在本发明实施例中，分别将初始电压响应参数和初始频率响应参数输入中间静态负荷模型，通过模型公式计算后，输出得到对应的种群个体即估算功率向量。
47.s13、采用全部种群个体构建个体种群。
48.在本发明实施例中，将全部初始电压响应参数和初始频率响应参数输入中间静态负荷模型后，采用输出的全部种群个体构建负荷节点对应的个体种群。
49.步骤205、根据个体种群、预设的适应度计算公式和预设的选择算法，确定初始交配个体和目标适应度。
50.进一步地，预设的选择算法为轮盘赌算法，步骤204可以包括以下子步骤s21-s24：s21、基于预设的适应度计算公式和个体种群，计算得到个体种群对应的多个初始适应度。
51.预设的适应度计算公式为：
其中，n表示采集时间点的个数，表示时间点i处的估计值，表示时间点i处的实际值，s表示种群个体。
52.在本发明实施例中，将个体种群内的种群个体分别代入预设的适应度计算公式，计算得到各种群个体对应的初始适应度。
53.s22、选取初始适应度内的最大值作为目标适应度。
54.在本发明实施例中，从个体种群对应的全部初始适应度内，选取出最大值作为该个体种群对应的目标适应度。
55.s23、分别计算初始适应度与个体种群对应的初始适应度和值的比值，得到对应的种群个体选择概率。
56.初始适应度和值是指将个体种群对应的全部初始适应度进行和值计算得到的总和值。
57.在本发明实施例中，分别将每个初始适应度分别与由个体种群对应的全部初始适应度求和得到的初始适应度和值进行比值计算，得到各个种群个体对应的种群个体选择概率。
58.s24、通过轮盘赌算法采用种群个体选择概率作为筛选概率，筛选出初始交配个体。
59.在本发明实施例中，采用种群个体选择概率作为轮盘赌算法中的筛选概率，从个体种群中筛选出初始交配个体。
60.步骤206、在预设的操作随机数区间内生成操作随机数。
61.预设的操作随机数区间是指基于构建需要设置的操作随机数的取值范围。
62.在本发明实施例中，采用轮盘赌算法随机筛选出初始交配个体后，在预设的操作随机数区间内随机生成操作随机数。
63.步骤207、根据操作随机数和预设的操作类型概率，对初始交配个体进行对应的交配操作，得到对应的目标交配个体并实时统计进化次数。
64.进一步地，预设的操作类型概率包括交叉概率和变异概率；交配操作包括交叉操作和变异操作，步骤207可以包括以下子步骤s31-s34：s31、将操作随机数分别与交叉概率和变异概率进行比较并实时统计进化次数。
65.进化次数是指将操作随机数分别与交叉概率和变异概率进行比较的次数，进化次数初始值为1，每将操作随机数分别与交叉概率和变异概率进行比较一次，则累加一次。
66.在本发明实施例中，将操作随机数分别与交叉概率和变异概率进行比较，每当将操作随机数分别与交叉概率和变异概率进行比较，则对进化次数进行实时统计。
67.s32、当操作随机数小于交叉概率时，对初始交配个体进行交叉操作，得到对应的目标交配个体。
68.在本发明实施例中，若操作随机数小于交叉概率，则对初始交配个体进行交叉操作，将交叉操作得到的交配个体作为目标交配个体。
69.s33、当操作随机数小于变异概率时，对初始交配个体进行变异操作，得到对应的目标交配个体。
70.在本发明实施例中，若操作随机数小于变异概率，则对初始交配个体进行变异操作，将变异操作得到的交配个体作为目标交配个体。
71.s34、当操作随机数大于或等于交叉概率和变异概率时，将初始交配个体作为目标交配个体。
72.在本发明实施例中，若操作随机数大于或等于交叉概率和变异概率，则不进行交叉操作也不进行变异操作，直接将初始交配个体作为目标交配个体。若操作随机数仅大于或等于交叉概率和变异概率中的任一概率，则执行操作随机数小于的操作类型概率对应的操作，并将得到的交配个体作为目标交配个体，交叉操作和变异操作两者并行互不干扰。若操作随机数同时小于交叉概率和变异，则分别进行对应的操作，并将操作得到的交配个体都作为目标交配个体，进行下一代种群构建。
73.步骤208、根据进化次数和预设的最大进化阈值，确定负荷节点对应的目标电压响应参数和目标频率响应参数。
74.进一步地，步骤208可以包括以下子步骤s41-s43：s41、比较进化次数与预设的最大进化阈值。
75.在本发明实施例中，每次统计进化次数后，将进化次数与预设的最大进化阈值进行比较。
76.s42、当进化次数等于最大进化阈值时，采用当前时刻的目标适应度对应的初始电压响应参数和初始频率响应参数作为负荷节点对应的目标电压响应参数和目标频率响应参数。
77.预设的最大进化阈值是指基于构建需要事先设置操作随机数分别与交叉概率和变异概率进行比较的次数对应的临界值。
78.在本发明实施例中，每次统计进化次数后，将进化次数与预设的最大进化阈值进行比较，若进化次数等于预设的最大进化阈值，则选取当前个体种群对应的目标适应度，将该目标适应度对应的初始电压响应参数和初始频率响应参数作为负荷节点对应的目标电压响应参数和目标频率响应参数。
79.s43、当进化次数小于最大进化阈值时，采用目标交配个体构建对应的个体种群，并跳转执行根据个体种群、预设的适应度计算公式和预设的选择算法，确定初始交配个体和目标适应度的步骤。
80.在本发明实施例中，若进化次数小于预设的最大进化阈值，则采用全部目标交配个体构建新的个体种群，重新计算个体种群内各种群个体对应的多个初始适应度和目标适应度，并采用轮盘赌算法重新筛选出新的初始交配个体，并重新在预设的操作随机数区间内生成操作随机数。将新的操作随机数分别与交叉概率和变异概率进行比较进行对应的操作，并对进化次数加一后得到新的进化次数，将新的进化次数与预设的最大进化阈值进行比较，若进化次数小于预设的最大进化阈值重复上述步骤，直至若进化次数等于预设的最大进化阈值，将当前时刻对应的个体种群的目标适应度对应的初始电压响应参数和初始频率响应参数作为负荷节点对应的目标电压响应参数和目标频率响应参数。
81.步骤209、根据目标电压响应参数、目标频率响应参数和预设的频率跌落公式更新初始静态负荷模型，得到目标静态负荷模型。
82.进一步地，步骤209可以包括以下子步骤s51-s52：s51、基于目标频率响应参数和预设的频率跌落公式，计算得到跌落频率响应参数。
83.在本发明实施例中，将目标频率响应参数代入预设的频率跌落公式，从而计算得到跌落频率响应参数。
84.s52、采用跌落频率响应参数和目标电压响应参数更新初始静态负荷模型，得到目标静态负荷模型。
85.目标静态负荷模型对应的目标模型公式为：其中，表示有功功率，表示初始有功功率，表示电压，f表示频率，x表示目标电压响应参数，表示跌落频率响应参数。
86.在本发明实施例中，将初始静态负荷模型对应的模型公式中的初始电压响应参数和初始频率响应参数分别替换成目标电压响应参数和跌落频率响应参数，得到目标模型公式，采用目标模型公式构建目标静态负荷模型。
87.例如：以某负荷节点数据为基础，假设初始功率p0=100mw已知，采用所提的遗传算法对初始静态负荷模型的相应参数进行辨识，设置种群数目为50，迭代轮次为100，交叉概率为0.75，变异概率为0.025，如图3所示，以遗传算法迭代次数作为横轴，以模型误差作为纵轴构建采用遗传算法对初始静态负荷模型的模型参数进行辨识的效果示意图，从图3中可以看出，随着遗传算法迭代次数的增加，模型的计算误差逐渐降低。经过遗传算法计算得到的初始静态负荷模型对应的目标电压响应和目标频率响应参数分别为1.23和0.85，即静态负荷模型对应的模型公式为：将目标频率响应参数代入预设的频率跌落公式计算得到跌落频率响应参数，并将跌落频率响应参数代入上述静态负荷模型对应的模型公式，得到目标静态负荷模型对应的模型公式为：其中，n=1，2，3，4，5；=0.04。
88.在电压运行点为1p.u.的情况下，目标静态负荷模型即改进静态负荷模型与传统静态负荷模型，以及实际负荷数据的对比示意图。如图4以频率偏差为横坐标，以负荷功率作为纵坐标构成的对比示意图所示，从图中可以看出，本发明所提的改进静态负荷模型估算出的负荷功率与实际负荷功率更加匹配，具有更好准确性，可较好的反映负荷功率随系统频率变化的情况。
89.在本发明实施例中，通过响应接收的负荷节点历史数据，基于负荷节点历史数据，确定负荷节点对应的初始有功功率。采用初始有功功率和预设的初始幂函数负荷模型，构建初始静态负荷模型。将初始静态负荷模型对数化，得到中间静态负荷模型，基于中间静态负荷模型，构建个体种群，基于个体种群、预设的适应度计算公式和预设的选择算法，确定初始交配个体和目标适应度。在预设的操作随机数区间内生成操作随机数，基于操作随机
数和预设的操作类型概率，对初始交配个体进行对应的交配操作，得到对应的目标交配个体并实时统计进化次数。基于进化次数和预设的最大进化阈值，确定负荷节点对应的目标电压响应参数和目标频率响应参数。基于目标电压响应参数、目标频率响应参数和预设的频率跌落公式更新初始静态负荷模型，得到目标静态负荷模型。通过对初始静态负荷模型进行对数化处理，使得采用遗传算法对静态负荷模型参数的辨识更加容易，使得到的目标静态负荷模型中频率响应相关参数随频率变化的自适应校正方法，提高了静态负荷模型对频率偏差场景的适应性，将有助于二次调频与经济调度等方案的配置。
90.请参阅图5，图5为本发明实施例三提供的一种静态负荷模型构建系统的结构框图。
91.本发明实施例提供一种静态负荷模型构建系统，包括：初始有功功率确定模块501，用于响应接收的负荷节点历史数据，基于负荷节点历史数据，确定负荷节点对应的初始有功功率。
92.初始静态负荷模型构建模块502，用于采用初始有功功率和预设的初始幂函数负荷模型，构建初始静态负荷模型。
93.目标电压响应参数和目标频率响应参数得到模块503，用于采用遗传算法基于初始静态负荷模型，计算得到负荷节点对应的目标电压响应参数和目标频率响应参数。
94.目标静态负荷模型得到模块504，用于根据目标电压响应参数、目标频率响应参数和预设的频率跌落公式更新初始静态负荷模型，得到目标静态负荷模型。
95.可选地，目标电压响应参数和目标频率响应参数得到模块503包括：中间静态负荷模型得到模块，用于将初始静态负荷模型对数化，得到中间静态负荷模型。
96.个体种群构建模块，用于根据中间静态负荷模型，构建个体种群。
97.初始交配个体和目标适应度确定模块，用于根据个体种群、预设的适应度计算公式和预设的选择算法，确定初始交配个体和目标适应度。
98.操作随机数生成模块，用于在预设的操作随机数区间内生成操作随机数。
99.目标交配个体和进化次数得到模块，用于根据操作随机数和预设的操作类型概率，对初始交配个体进行对应的交配操作，得到对应的目标交配个体并实时统计进化次数。
100.目标电压响应参数和目标频率响应参数得到子模块，用于根据进化次数和预设的最大进化阈值，确定负荷节点对应的目标电压响应参数和目标频率响应参数。
101.可选地，个体种群构建模块可以执行以下步骤：基于中间静态负荷模型，随机生成多个初始电压响应参数和初始频率响应参数；分别将初始电压响应参数和初始频率响应参数输入中间静态负荷模型，得到对应的种群个体；采用全部种群个体构建个体种群。
102.可选地，预设的选择算法为轮盘赌算法，初始交配个体和目标适应度确定模块可以执行以下步骤：基于预设的适应度计算公式和个体种群，计算得到个体种群对应的多个初始适应度；选取初始适应度内的最大值作为目标适应度；
分别计算初始适应度与个体种群对应的初始适应度和值的比值，得到对应的种群个体选择概率；通过轮盘赌算法采用种群个体选择概率作为筛选概率，筛选出初始交配个体。
103.可选地，预设的操作类型概率包括交叉概率和变异概率；交配操作包括交叉操作和变异操作，目标交配个体和进化次数得到模块可以执行以下步骤：将操作随机数分别与交叉概率和变异概率进行比较并实时统计进化次数；当操作随机数小于交叉概率时，对初始交配个体进行交叉操作，得到对应的目标交配个体；当操作随机数小于变异概率时，对初始交配个体进行变异操作，得到对应的目标交配个体；当操作随机数大于或等于交叉概率和变异概率时，将初始交配个体作为目标交配个体。
104.可选地，目标电压响应参数和目标频率响应参数得到子模块可以执行以下步骤：比较进化次数与预设的最大进化阈值；当进化次数等于最大进化阈值时，采用当前时刻的目标适应度对应的初始电压响应参数和初始频率响应参数作为负荷节点对应的目标电压响应参数和目标频率响应参数；当进化次数小于最大进化阈值时，采用目标交配个体构建对应的个体种群，并跳转执行根据个体种群、预设的适应度计算公式和预设的选择算法，确定初始交配个体和目标适应度的步骤。
105.可选地，目标静态负荷模型得到模块504包括：跌落频率响应参数计算模块，用于基于目标频率响应参数和预设的频率跌落公式，计算得到跌落频率响应参数。
106.目标静态负荷模型得到子模块，用于采用跌落频率响应参数和目标电压响应参数更新初始静态负荷模型，得到目标静态负荷模型。
107.本发明实施例还提供了一种电子设备，电子设备包括：存储器及处理器，存储器中储存有计算机程序；计算机程序被处理器执行时，使得处理器执行如上述任一实施例的静态负荷模型构建方法。
108.存储器可以是诸如闪存、eeprom（电可擦除可编程只读存储器）、eprom、硬盘或者rom之类的电子存储器。存储器具有用于执行上述方法中的任何方法步骤的程序代码的存储空间。例如，用于程序代码的存储空间可以包括分别用于实现上面的方法中的各种步骤的各个程序代码。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘（cd）、存储卡或者软盘之类的程序代码载体。程序代码可以例如以适当形式进行压缩。这些代码当由计算处理设备运行时，导致该计算处理设备执行上面所描述的静态负荷模型构建方法中的各个步骤。
109.本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一实施例的静态负荷模型构建方法。
110.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
111.在本技术所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
112.作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
113.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
114.集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。
115.以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。