随着大规模新能源发电和一系列相关电力电子设备的引入,我国电网的规模日益扩大且复杂程度越来越高。为了更加合理地对电网进行规划设计和电力调度,促进电力系统安全稳定运行,建立与实际电网相符的负荷模型具有重要意义。总体测辨法是负荷建模领域中常用的方法,具有简便、高效和实用性好的优点,但在辨识结果的可靠性也会受到负荷模型与优化算法的影响。因此,本文主要对负荷建模中的优化算法、模型参数灵敏度分析、模型参数辨识进行重点研究。负荷建模研究重点为模型结构、辨识算法的选择,本文介绍了电力系统仿真计算中常用负荷模型的分类与结构,阐述了负荷模型参数辨识的原理与方法,指出模拟进化法对与提升辨识精度与效率具有重要意义;根据CLM模型数学描述,详细推导了其初始稳态以及动态过程的求解,为负荷模型参数辨识提供理论基础。灰狼算法（GWO）存在迭代后期容易陷入局部最优的缺陷,为了提高GWO算法的收敛速度和全局寻优能力,提出了引入动态权值因子与混合DE算法的改进策略;通过4个测试函数验证了改进GWO算法的有效性。根据CLM负荷模型结构,给出其独立待辨识的最小参数集以及参数辨识的适应值函数,提出了基于改进GWO算法的CLM模型递推辨识策略,为负荷模型参数辨识提供了算法支撑。为了提高负荷建模的效率,推进CLM负荷模型的实用性,通过摄动法研究在2种不同故障下参数的有功、无功灵敏度,进而确定CLM负荷模型的主导参数。提出了部分参数辨识与全参数辨识2个方案,通过算例验证了等值电动机主导参数kpm和KL的有效性,为负荷建模中只辨识灵敏度参数,而其余参数选用典型值提供了依据。为验证改进GWO算法可以提高负荷模型参数辨识的准确性,在PSD-BPA平台搭建3机9节点算例系统进行电力系统暂态仿真,根据该系统中的2种故障数据并基于3种优化算法对CLM模型中灵敏度参数集进行辨识,验证了改进GWO算法的优势;接着利用傅里叶变换、对称分量法和功率计算对故障录波装置采集到的220k V朝阳变110k V朝勐线的暂态数据进行预处理,并以此实测数据进行负荷建模,进一步验证了改进GWO算法对于负荷模型参数辨识的有效性,具有一定的工程意义。