綜合負(fù)荷模型參數(shù)辨識及負(fù)荷特性分類綜合方法研究.pdf

1、電力系統(tǒng)數(shù)字仿真已成為電力系統(tǒng)規(guī)劃、運行、控制和決策的主要手段,負(fù)荷模型則是影響仿真結(jié)果精度和可信度最為重要的因素之一。由于負(fù)荷自身的隨機(jī)時變性、多樣性、地域分散性和非線性等特點,負(fù)荷建模仍然是國內(nèi)外電力系統(tǒng)界公認(rèn)的難題。
　　 電力系統(tǒng)負(fù)荷建模研究中,負(fù)荷模型結(jié)構(gòu)一直是倍受關(guān)注的最基本和最關(guān)鍵的問題之一。電力系統(tǒng)綜合負(fù)荷成分復(fù)雜,單純采用靜態(tài)或動態(tài)負(fù)荷模型難以精確描述其復(fù)雜特性,采用靜態(tài)模型與動態(tài)模型相結(jié)合的綜合負(fù)荷模型已成為

2、趨勢。針對現(xiàn)有機(jī)理綜合負(fù)荷模型結(jié)構(gòu)復(fù)雜、參數(shù)不容易辨識等問題,本文采用改進(jìn)ZIP/冪函數(shù)+差分方程模型來描述綜合負(fù)荷的動態(tài)特性。其中,ZIP/冪函數(shù)描述負(fù)綜合荷中的靜態(tài)負(fù)荷成分,差分方程描述綜合負(fù)荷中的動態(tài)負(fù)荷成分。將動模試驗中獲得的故障錄波數(shù)據(jù)作為建模數(shù)據(jù),基于模型回響辨識原則建立模型參數(shù)辨識所對應(yīng)的優(yōu)化目標(biāo)函數(shù),采用粒子群算法求解優(yōu)化問題,實現(xiàn)了模型參數(shù)的辨識。建模結(jié)果表明該模型結(jié)構(gòu)簡單,參數(shù)易辨識,能夠較好的描述綜合負(fù)荷的動態(tài)特性

3、。該模型可以作為綜合負(fù)荷建模時模型結(jié)構(gòu)的一種選擇。
　　 大區(qū)電網(wǎng)中的負(fù)荷節(jié)點數(shù)目眾多,對每一個負(fù)荷節(jié)點均進(jìn)行測量建模比較困難,有效的辦法是將眾多負(fù)荷節(jié)點進(jìn)行分類,從每類中挑選出典型節(jié)點建模。本文提出一種基于SOM神經(jīng)網(wǎng)絡(luò)的變電站負(fù)荷特性分類與綜合方法。SOM神經(jīng)網(wǎng)絡(luò)能夠?qū)斎肽Ｊ竭M(jìn)行自動聚類,已建立的SOM神經(jīng)網(wǎng)絡(luò)能夠?qū)π碌妮斎肽Ｊ竭M(jìn)行判別。以變電站各行業(yè)的構(gòu)成比例作為分類特征向量,利用SOM神經(jīng)網(wǎng)絡(luò)對某電網(wǎng)48個變電站負(fù)荷特