本发明涉及电力传输领域，特别是涉及一种基于差分进化算法的传播矩阵模量的优化拟合方法及系统。
背景技术：
：电力传输线是重要的电力传输设备。在电力系统中除了用电设备和发电厂，其余都是由输电线路构成的电力网，所以输电线路在电力系统中有着不可替代的作用。因电力设备故障、雷击或操作不当而引起的过电压，其频率范围比系统正常运行的频率范围大很多，含有大量高频成分。因此在暂态计算当中，对电力传输线建立行波模型。行波模型将电力传输线上电压电流的变化视作波过程，入射波从电力传输线一端经时间τ传播到另一端，经反射又反向传播，而后在电力传输线两端不停反射，造成了电力传输线上各点电压电流的变化，如图2所示。行波模型用方程可简单表示为：ik(t)＝yc(t)*vk(t)-2iki(t)iki(t)＝h(t)*imr(t)。其中，t表示某一时刻，ik表示端口k的电流，vk表示端口k的电压，iki表示端口k的入射电流波，imr表示端口m的反射电流波，yc表示电力传输线的特征导纳矩阵，h表示电力传输线的传播函数矩阵。两参数在频域中求得，具体表达式为：其中，z表示电力传输线单位长度的阻抗参数矩阵，y表示电力传输线单位长度的导纳参数矩阵。l表示电力传输线两端之间的距离，即电力传输线的长度。实际建模过程中为了方便时域中的卷积，通常采用矢量拟合方法对yc、h两参数的频域响应进行拟合，得到相应的有理分式，进而通过迭代卷积技术转换到时域进行仿真。电力传输线的传播函数矩阵是一个n×n的方阵，通过相模变换与矢量拟合方法，矩阵中的每一个元素可表示为一些函数的和，其中hij表示传播函数矩阵的第i行第j列个元素，hmk表示传播矩阵的第k个模量hm，由相模变换过程得到，一共有g个模量。进一步的，第k个模量可表示为有理分式和其中，s表示复频率，τk表示第k个模量对应的传播延时；pk,m表示第k个模量的第m个极点，一共有nk个极点，需要通过矢量拟合方法得到。且不同模量的极点相互独立,分别求取；rk,m表示第k个模量的第m个极点对应的留数。传统拟合流程为：已知传播矩阵h的数值结果，给定建模的频率范围(如0-1mhz)，给定拟合模型的极点数目上限(如50)，给定目标拟合精度(如0.01)，通过相模变换得到多个模量hm，之后对于每一个模量，求取传播延时τ,从极点数目为1开始，尝试对hm进行拟合，之后不停增加极点数目，同时对延时τ进行调整，直到达到目标拟合精度或达到极点数目上限。在此过程中，一个hm拟合模型的最终效果可由两个参数决定，分别为极点数目与延时大小。问题在于，在给定目标拟合精度的情况下，采用极点数目逐次递增的拟合方法通常会消耗大量的时间来逐个尝试不同的极点数目。而差分进化算法有着对非线性优化问题有着概念简明、实现方便、收敛速度快的特点。其基本思想是是模拟达尔文的遗传选择和自然淘汰的生物进化过程，是一种通过模拟自然进化过程搜索最优解的方法。因此结合差分进化算法来改进拟合方案，以实现迅速找到满足精度要求的模型参数(极点数目与延时大小)并得到相应的拟合模型。技术实现要素：本发明的目的是提供一种基于差分进化算法的传播矩阵模量的优化拟合方法及系统，引入差分进化算法来确定最优拟合参数，分别为极点数目与延时大小，并得到相应拟合模型。为实现上述目的，本发明提供了如下方案：一种基于差分进化算法的传播矩阵模量优化拟合方法，所述优化拟合方法包括：s1：确定目标拟合精度tol及拟合频率范围；s2：确定极点数目范围；s3：确定延时τ的范围；s4：基于所述延时τ的范围确定延时编码向量最大值；s5：基于所述极点数目的范围确定极点数目编码向量最大值；s6：确定解的数目为n，n≥100；s7：初始化迭代过程中的相关参数；s8：基于所述相关参数执行迭代计算；s9：读取群体中的拥有最小δ的解x*，得到其包含的极点数目与延时，并执行步骤s7，得到新的极点；所述δ表示解所对应模型的拟合误差与目标拟合精度tol的差距；s10：根据步骤s9得到的极点数目、延时以及新的极点，使用矢量拟合技术，对传播函数矩阵的模量进行拟合，计算拟合误差，并输出拟合结果与拟合误差。可选的，所述确定延时τ的范围具体采用以下公式：其中，τr为延时上限，τl为延时下限，l为传输线长度，β为传输线在最高频率fr下的相位常数，c为光速。可选的，所述基于所述延时τ的范围确定延时编码向量最大值具体采用以下公式：δτmax＝τr-τl，其中，τr为延时上限，τl为延时下限。可选的，所述基于所述极点数目的范围确定极点数目编码向量最大值具体采用以下公式：δnmax＝nr-nl，其中，nr为极点数目上限，nl为极点数目下限。可选的，所述计算机初始化迭代过程中的相关参数具体包括：s701：设定阈值∈，变异算子α，交叉概率β；s702：生成n个初始解xi，1≤i≤n：对第i个初始解xi在0到9之间生成6 z个随机整数，并按照先后顺序组成一个向量；所述向量的前六个元素作为延时编码向量后z个元素作为极点数目编码向量δni；其中，z表示极点数目编码向量最大值δnmax的有效数字个数(从第一个不为零的高位数字起，到个位止)。采用下式恢复延时的真实数值：其中，表示将向量转换为数字；判断τi是否大于τr，若是，则采用下式重新计算其中，符号[]-1表示将数字转换为向量；采用下式恢复极点数目的真实数值：ni＝nl [δni]，其中，[δni]表示将向量δni转换为数字；判断ni是否大于nr，若是，则采用下式重新计算δni，δni＝[δnmax]-1，其中，符号[]-1表示将数字转换为向量；s703：对每个解xi确定ni个拟合所需的极点：在频率范围内按对数间隔采样得到ni个频率点，则解xi的第u个极点pu由下式给出：imu＝2πfupu＝reu jimu其中，fu为第u个频率点，imu为第u个极点的虚部，reu为第u个极点的实部；s704：计算机按照每个解当前对应的拟合所需极点数目与延时大小以及步骤s703得到的极点，使用矢量拟合技术，对传播函数矩阵的模量进行拟合，计算拟合误差并与步骤s1中所设目标拟合精度tol比较；第i个解对应模型的拟合误差ei与目标拟合精度tol的差距值由下式得到：δi＝|ei-tol|确定ei≤tol的解，并标记为潜在最优解xj，其中，1≤j≤n*，n*为潜在最优解的个数，n*≤n；判断n*是否等于0，若等于0，则返回所述步骤s701。可选的，所述基于所述相关参数执行迭代计算具体包括：s801：从潜在最优解中，找出拥有最小δ的解x*，若δ≤∈，则停止迭代计算，转到步骤s9，否则继续执行步骤s802；s802：对于每一潜在最优解xj，从所有解中任意选取两个解，并做差得到差向量d，通过下式产生新的解，x′i＝xj αd；s803：对每一x′i的编码向量逐个数位进行如下检查：生成一个0到1之间的随机数r，若r＞β，将x′i编码向量中的当前数位上的值替换为s801中拥有最小δ的解x*编码向量中相应数位上的值；替换后的x′i仍记作x′i；s804：执行s702和s703各一次，得到新的极点；s805：按照每个新解x′i当前对应的拟合所需极点数目与延时大小以及步骤804得到的极点，使用矢量拟合技术，对传播函数进行拟合，计算拟合误差并与步骤s1中所设目标拟合精度tol比较；第i个新解对应模型的拟合误差ei与标拟合精度tol的差距值δi由下式得到：δ′i＝|e′i-tol|；若δ′i＜δi且e′i≤tol，则用x′i替换xi，xi全部被替换后，依然被记作x′i；重复s801-s805直到完成预设迭代次数。可选的，所述预设迭代次数为50次。可选的，α＝0.5，β＝0.1。本发明另外提供一种基于差分进化算法的传播矩阵模量优化拟合系统，所述优化拟合系统包括：目标拟合精度及拟合频率范围确定模块，用于确定目标拟合精度tol及拟合频率范围；极点数目范围确定模块，用于确定极点数目范围；延时范围确定模块，用于确定延时τ的范围；延时编码向量最大值确定模块，用于基于所述延时τ的范围确定延时编码向量最大值；编码向量最大值确定模块，用于基于所述极点数目的范围确定极点数目编码向量最大值；解的数目确定模块，用于确定解的数目为n，n≥100；初始化模块，用于初始化迭代过程中的相关参数；迭代计算模块，用于基于所述相关参数执行迭代计算；新的极点确定模块，用于读取群体中的拥有最小δ的解x*，得到其包含的极点数目与延时，并执行初始化模块，得到新的极点。输出模块，用于根据步骤新的极点确定模块得到的极点数目、延时以及新的极点，使用矢量拟合技术，对传播函数矩阵的模量进行拟合，计算拟合误差，并输出拟合结果与拟合误差。可选的，所述确定延时τ的范围具体采用以下公式：其中，τr为延时上限，τl为延时下限，l为传输线长度，β为传输线在最高频率fr下的相位常数，c为光速。根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明中的上述方法，相对于现有的逐个增加极点数目然后调整延时以寻找最优模型的拟合流程，本发明引入了差分进化算法，能够对此非线性优化问题很好地求解，且提高了效率。原因在于差分进化算法同时尝试多组参数组合，且这些参数组合均匀分布在求解范围内，这样总有一个参数组合会接近最优参数组合(最优解)。并且在多次的迭代中，会有越来越多的参数组合趋向于最优参数组合，且始终有一个最接近最优参数组合。这样用不了几次迭代，就能很轻易的找到令人满意的参数组合，提高了效率。附图说明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他的附图。图1为本发明实施例基于差分进化算法的传播矩阵模量优化拟合方法流程图；图2为本发明实施例传播函数矩阵模量hm的幅值拟合结果示意图；图3为本发明实施例传播函数矩阵模量hm的相角拟合结果示意图；图4为本发明实施例基于差分进化算法的传播矩阵模量优化拟合系统结构示意图。具体实施方式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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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他实施例，都属于本发明保护的范围。本发明的目的是提供一种基于差分进化算法的传播矩阵模量的优化拟合方法及系统，引入差分进化算法来确定最优拟合参数，分别为极点数目与延时大小，并得到相应拟合模型。为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。以一100km水平三相架空输电线路为例。线路三相导线水平排列，对地高度均为30m；两两水平间距26.56m；导线8分裂，导线外径15mm，导线直流电阻为0.05812ω/km。两根地线对地高度为50m水平间距57.12m，地线外径为10mm，地线直流电阻为0.3601ω/km。土壤相对介电常数为10，土壤相对磁导率为1。传播函数矩阵h相模变换后得到三个模量hm，现找出第一个模量最优拟合参数，得到最优拟合结果。图1为本发明实施例基于差分进化算法的传播矩阵模量优化拟合方法流程图，如图1所示，所述方法包括：s1：确定目标拟合精度tol及拟合频率范围。根据电力传输线的建模需求，考虑到雷击过电压，设置目标拟合精度tol＝0.002以及拟合频率范围0.5-1mhz。fr＝1mhz是频率上限，fl＝0.5mhz是频率下限。所设精度用于步骤704与步骤805的精度比较，所得频率范围用于步骤702中的频率采样。s2：确定极点数目范围。nl＝1，是极点数目下限，nr＝100是极点数目上限。s3：确定延时τ的范围。其中，τr为延时上限，τl为延时下限，l为传输线长度，l＝1×105m，β为传输线在最高频率，β＝0.0217，fr下的相位常数，c为光速，c＝3×108m/s。s4：基于所述延时τ的范围确定延时编码向量最大值。δτmax＝τr-τl＝(3.461284-3.333333)×10-4＝1.30951×10-5s，取6位有效数字，并记为其中等于步骤s5中计算极点数目编码向量最大值δnmax；δnmax＝nr-nl＝100-1＝99，得到有效数字个数z＝2。s5：基于所述极点数目的范围确定极点数目编码向量最大值。s6：确定解的数目为n，n＝100。s7：初始化迭代过程中的相关参数，用于步骤s8的迭代计算。s701：设定阈值∈＝1×10-6，变异算子α＝0.5，交叉概率β＝0.1。s702：采用以下方法生成n个初始解xi，1≤i≤n：以第一个初始解为例，在0到9之间生成(6 z)＝8个随机整数，并按照先后顺序组成一个向量[0,0,8,1,0,9,2,1]，该向量的前六个元素“0，0，8，1，0，9”作为延时编码向量后z＝2个元素“2,1”作为极点数目编码向量δn1，该向量则构成解x1，并采用下式恢复延时的真实数值：其中，表示将向量转换为数字；判断τi是否大于τr，若是，则采用下式重新计算其中，符号[]-1表示将数字转换为向量，上述实施例中τ1＞τr不成立，因此无需重新计算同样的，采用下式恢复极点数目的真实数值：ni＝nl [δni]＝1 21＝22，其中，[δni]表示将向量δni转换为数字；判断ni是否大于nr，若是，则采用下式重新计算δni，δni＝[δnmax]-1，其中，符号[]-1表示将数字转换为向量，上述实施例中n1＞nr不成立，因此无需重新计算δn1。s703：对每个解xi确定ni个拟合所需的极点：以x1为例，在频率范围内按对数间隔采样得到n1＝22个频率点，如表2所示：表2初始解x1的步骤704中的频率采样结果则解xi的第u个极点pu由下式给出：imu＝2πfupu＝reu jimu其中，fu为第u个频率点，imu为第u个极点的虚部，reu为第u个极点的实部，结果见表3。表3初始解x1的步骤704中的极点结果s704：计算机按照每个解当前对应的拟合所需极点数目与延时大小以及步骤s703得到的极点，使用矢量拟合技术，对传播函数矩阵的模量进行拟合，计算拟合误差并与步骤s1中所设目标拟合精度tol比较。第i个解对应模型的拟合误差ei(见表4)与目标拟合精度tol的差距值δi由下式得到：δi＝|ei-tol|表4步骤704中100个解的拟合误差ei找出ei≤tol的解，并标记为潜在最优解xj(见表5)，其中，1≤j≤n*，n*为潜在最优解的个数，n*＝45；表5潜在最优解编号s8：基于所述相关参数执行迭代计算。s801：从潜在最优解中，找出拥有最小δ＝2.71×10-5的解x*＝[3,6,1,2,9,9,0,6]，此处不满足δ≤∈，继续执行步骤s802；s802：对于每一潜在最优解xj，例如x1从所有解中任意选取两个解x1,x38，并做差得到差向量d，通过下式产生新的解(见表6)，x′i＝xj αd；如果αd中某一位数位出现小数，则向下取整；如果x′1中某一数位上的数不在0到9这个范围内，则负数直接置零，大于9的数直接置成9。表6x1在第一次迭代步骤802中得运算结果x1[0,0,8,1,0,9,2,1]x38[2,9,9,9,7,3,4,3]d[-2,-9,-1,-8,-3,6,-2,-2]x1′[0,0,8,0,0,9,1,0]因为，n*＝45＜n＝100，所以所有潜在最优解被使用至少2次，且前10个潜在最优解被使用了三次。s803：对每一x′i的编码向量逐个数位进行如下检查：以x1的第一位为例，生成一个0到1之间的随机数r＝0.978，r＞β＝0.1，将x′i编码向量中的当前数位上的值替换为s801中拥有最小δ的解x*编码向量中相应数位上的值；替换后的x′i仍记作x′i。在检查为8位后，x′i只有第5位没有发生替换，见表7。表7x′i替换后的结果x*[3净6净1净2净9净9净0净6]x′1替换前[0,0,8,0,0,9,1,0]x′1替换后[3,6,1,2,0,9,0,6]s804：执行s702和s703各一次，得到新的极点。以x′1为例，此时，τ1＝3.369463×10-4，6个极点见表8。表8第一次迭代中x′1对应产生的极点s805：按照每个新解x′i当前对应的拟合所需极点数目与延时大小以及步骤804得到的极点，使用矢量拟合技术，对传播函数进行拟合，计算拟合误差并与步骤s1中所设目标拟合精度tol比较；以第1个新解为例，其对应模型的拟合误差e′1＝0.00066212090与标拟合精度tol的差距值δ′1由下式得到：δ′i＝|e′i-tol|＝|0.00066212090-0.002|＝0.0013378791，此时满足δ′i＜δi且e′i≤tol，则用x′1替换x1，x1全部被替换后，依然被记作x1，见表9。表9第一次迭代中x1在步骤805中替换后的结果x1替换前[0,0,8,1,0,9,2,1]x1替换后[3,6,1,2,0,9,0,6]s806:重复s801-s805直到完成50次迭代。s9：读取群体中的拥有最小δ的解x*，得到其包含的极点数目为6与延时3.397484×10-4s，(所述δ表示解所对应模型的拟合误差与目标拟合精度tol的差距)并执行步骤s702和步骤s703各一次，得到新的极点。如表1所示：表1计算机在完成迭代后得到的x*对应的极点s10：根据步骤s9得到的极点数目、延时以及新的极点，使用矢量拟合技术，对传播函数矩阵的模量进行拟合，计算出拟合误差9.7878×10-4，，并输出拟合结果与拟合误差。具体如图2和图3所示。图4为本发明实施例基于差分进化算法的传播矩阵模量优化拟合系统结构示意图，如图4所示，所述系统包括：目标拟合精度及拟合频率范围确定模块201、极点数目范围确定模块202、延时范围确定模块203、延时编码向量最大值确定模块204、编码向量最大值确定模块205、解的数目确定模块206、初始化模块207、迭代计算模块208、新的极点确定模块209以及输出模块210；其中，目标拟合精度及拟合频率范围确定模块201用于确定目标拟合精度tol及拟合频率范围；极点数目范围确定模块202用于确定极点数目范围；延时范围确定模块203用于确定延时τ的范围；延时编码向量最大值确定模块204用于基于所述延时τ的范围确定延时编码向量最大值；编码向量最大值确定模块205用于基于所述极点数目的范围确定极点数目编码向量最大值；解的数目确定模块206用于确定解的数目为n，n≥100；初始化模块207用于初始化迭代过程中的相关参数；迭代计算模块208用于基于所述相关参数执行迭代计算；新的极点确定模块209用于读取群体中的拥有最小δ的解x*，得到其包含的极点数目与延时，并执行初始化模块，得到新的极点。输出模块210用于根据步骤新的极点确定模块得到的极点数目、延时以及新的极点，使用矢量拟合技术，对传播函数矩阵的模量进行拟合，计算拟合误差，并输出拟合结果与拟合误差。本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。当前第1页1 2 3
技术特征：1.一种基于差分进化算法的传播矩阵模量优化拟合方法，其特征在于，所述优化拟合方法包括：
s1：确定目标拟合精度tol及拟合频率范围；
s2：确定极点数目范围；
s3：确定延时τ的范围；
s4：基于所述延时τ的范围确定延时编码向量最大值；
s5：基于所述极点数目的范围确定极点数目编码向量最大值；
s6：确定解的数目为n，n≥100；
s7：初始化迭代过程中的相关参数；
s8：基于所述相关参数执行迭代计算；
s9：读取群体中的拥有最小δ的解x*，得到其包含的极点数目与延时，并执行步骤s7，得到新的极点；所述δ表示解所对应模型的拟合误差与目标拟合精度tol的差距；
s10：根据步骤s9得到的极点数目、延时以及新的极点，使用矢量拟合技术，对传播函数矩阵的模量进行拟合，计算拟合误差，并输出拟合结果与拟合误差。
2.根据权利要求1所述的基于差分进化算法的传播矩阵模量优化拟合方法，其特征在于，所述确定延时τ的范围具体采用以下公式：
其中，τr为延时上限，τl为延时下限，l为传输线长度，β为传输线在最高频率fr下的相位常数，c为光速。
3.根据权利要求1所述的基于差分进化算法的传播矩阵模量优化拟合方法，其特征在于，所述基于所述延时τ的范围确定延时编码向量最大值具体采用以下公式：
δτmax＝τr-τl，其中，τr为延时上限，τl为延时下限。
4.根据权利要求1所述的基于差分进化算法的传播矩阵模量优化拟合方法，其特征在于，所述基于所述极点数目的范围确定极点数目编码向量最大值具体采用以下公式：
δnmax＝nr-nl，其中，nr为极点数目上限，nl为极点数目下限。
5.根据权利要求1所述的基于差分进化算法的传播矩阵模量优化拟合方法，其特征在于，所述计算机初始化迭代过程中的相关参数具体包括：
s701：设定阈值∈，变异算子α，交叉概率β；
s702：生成n个初始解xi，1≤i≤n：
对第i个初始解xi在0到9之间生成6 z个随机整数，并按照先后顺序组成一个向量；所述向量的前六个元素作为延时编码向量后z午元素作为极点数目编码向量δni；其中，z表示极点数目编码向量最大值δnmax的有效数字个数；
采用下式恢复延时的真实数值：
其中，表示将向量转换为数字；
判断τi是否大于τr，若是，则采用下式重新计算其中，符号[]-1表示将数字转换为向量；
采用下式恢复极点数目的真实数值：
ni＝nl [δni]，其中，[δni]表示将向量δni转换为数字；
判断ni是否大于nr，若是，则采用下式重新计算δni，δni＝[δnmax]-1，其中，符号[]-1表示将数字转换为向量；
s703：对每个解xi确定ni个拟合所需的极点：
在频率范围内按对数间隔采样得到ni个频率点，则解xi的第u个极点pu由下式给出：
imu＝2πfu
pu＝reu jimu
其中，fu为第u个频率点，imu为第u个极点的虚部，reu为第u个极点的实部；
s704：计算机按照每个解当前对应的拟合所需极点数目与延时大小以及步骤s703得到的极点，使用矢量拟合技术，对传播函数矩阵的模量进行拟合，计算拟合误差并与步骤s1中所设目标拟合精度tol比较；
第i个解对应模型的拟合误差ei与目标拟合精度tol的差距值由下式得到：
δi＝|ei-tol|
确定ei≤tol的解，并标记为潜在最优解xj，其中，1≤j≤n*，n*为潜在最优解的个数，n*≤n；
判断n*是否等于0，若等于0，则返回所述步骤s701。
6.根据权利要求5所述的基于差分进化算法的传播矩阵模量优化拟合方法，其特征在于，所述基于所述相关参数执行迭代计算具体包括：
s801：从潜在最优解中，找出拥有最小δ的解x*，若δ≤∈，则停止迭代计算，转到步骤s9，否则继续执行步骤s802；
s802：对于每一潜在最优解xj，从所有解中任意选取两个解，并做差得到差向量d，通过下式产生新的解，x′i＝xj αd；
s803：对每一x′i的编码向量逐个数位进行如下检查：
生成一个0到1之间的随机数r，若r＞β，将x′i编码向量中的当前数位上的值替换为s801中拥有最小δ的解x*编码向量中相应数位上的值；替换后的x′i仍记作x′i；
s804：执行s702和s703各一次，得到新的极点；
s805：按照每个新解x′i当前对应的拟合所需极点数目与延时大小以及步骤804得到的极点，使用矢量拟合技术，对传播函数进行拟合，计算拟合误差并与步骤s1中所设目标拟合精度tol比较；
第i个新解对应模型的拟合误差ei与标拟合精度tol的差距值δi由下式得到：δ′i＝|e′i-tol|；若δ′i＜δi且e′i≤tol，则用x′i替换xi，xi全部被替换后，依然被记作x′i；
重复s801-s805直到完成预设迭代次数。
7.根据权利要求6所述的的基于差分进化算法的传播矩阵模量优化拟合方法，其特征在于，所述预设迭代次数为50次。
8.根据权利要求5所述的的基于差分进化算法的传播矩阵模量优化拟合方法，其特征在于，α＝0.5，β＝0.1。
9.一种基于差分进化算法的传播矩阵模量优化拟合系统，其特征在于，所述优化拟合系统包括：
目标拟合精度及拟合频率范围确定模块，用于确定目标拟合精度tol及拟合频率范围；
极点数目范围确定模块，用于确定极点数目范围；
延时范围确定模块，用于确定延时τ的范围；
延时编码向量最大值确定模块，用于基于所述延时τ的范围确定延时编码向量最大值；
编码向量最大值确定模块，用于基于所述极点数目的范围确定极点数目编码向量最大值；
解的数目确定模块，用于确定解的数目为n，n≥100；
初始化模块，用于初始化迭代过程中的相关参数；
迭代计算模块，用于基于所述相关参数执行迭代计算；
新的极点确定模块，用于读取群体中的拥有最小δ的解x*，得到其包含的极点数目与延时，并执行初始化模块，得到新的极点。
输出模块，用于根据步骤新的极点确定模块得到的极点数目、延时以及新的极点，使用矢量拟合技术，对传播函数矩阵的模量进行拟合，计算拟合误差，并输出拟合结果与拟合误差。
10.根据权利要求9所述的基于差分进化算法的传播矩阵模量优化拟合系统，其特征在于，所述确定延时τ的范围具体采用以下公式：
其中，τr为延时上限，τl为延时下限，l为传输线长度，β为传输线在最高频率fr下的相位常数，c为光速。
技术总结本发明涉及一种基于差分进化算法的传播矩阵模量优化拟合方法及系统，包括：确定目标拟合精度tol及拟合频率范围；确定极点数目范围；确定延时τ的范围；基于延时τ的范围确定延时编码向量最大值；基于极点数目的范围确定极点数目编码向量最大值；确定解的数目为N；初始化迭代过程中的相关参数；基于所述相关参数执行迭代计算；读取群体中的拥有最小δ的解x*，得到其包含的极点数目与延时，并执行上述步骤，得到新的极点；根据上述步骤得到的极点数目、延时以及新的极点，使用矢量拟合技术，对传播函数矩阵的模量进行拟合，计算拟合误差，并输出拟合结果与拟合误差。本发明中的上述方法引入了差分进化算法，能够对此非线性优化问题很好地求解，且提高了效率。
技术研发人员：葛青宇;焦重庆
受保护的技术使用者：华北电力大学
技术研发日：2020.02.20
技术公布日：2020.06.09
