面向智能电网的建模研究展望

分析了智能电网对建模的新需求,包括可再生能源新电源、电动汽车等新负荷、网络自愈等新结构几个方面。在此基础上,提出了未来电力系统建模的新思路,从元件建模向元件加整体建模的方向发展,从离线建模向在线建模发展,从集中建模向分层次建模发展,从全系统建模向分区域建模发展,从机理模型向机理加非机理的混合模型发展,从确定性模型向随机模型发展。针对可再生能源发电建模、微电网建模以及包含主动负荷的混合负荷建模这几个重点对象,讨论了建模研究的具体内容。     

基于元件与量测相结合的负荷特性数据库系统

以电网综合负荷特性的调查统计数据和在变电站现场采集的负荷特性数据为基础,采用VisualBasic6.0开发工具和SQLServer2000数据库平台,开发了一个电力系统综合负荷特性数据库系统,并成功地应用于基于元件和基于量测两种途径的综合负荷建模。阐述了综合负荷特性数据的来源和特点以及数据库的基本结构和功能设计,着重描述了数据库的具体设计方法和技术。实际运行表明,该数据库系统具有结构完整、界面友好、操作方便、运行可靠、扩展性好等特点,为电力系统综合负荷建模及负荷特性研究提供了技术支持。     

基于RTDS的负荷模型验证及分类研究

实测负荷建模法因其自身的优点而被广泛应用,但是实测数据的来源成为了制约实测建模研究的主要因素,RTDS的出现一定程度上弥补了这个缺点,以四川攀枝花电网的RTDS数据为依托,对实测负荷建模中TVA模型的有效性、泛化能力以及负荷的时变性进行了研究,结果表明TVA负荷模型不但能够在较大范围内很好拟合各种扰动强度的数据,而且具有较强的泛化能力.在解决负荷时变性的过程中应用了聚类分析的方法对数据进行分类,最后在总结分类结果的基础上提出了一种简单的分类方法,为消除负荷时变性对建模的影响提供了借鉴.     

综合负荷建模的故障录波数据预处理方法

总体测辨法是综合负荷建模的主要方法,但仍面临着实测数据来源少的难题,把电力故障录波数据应用于总体测辨法负荷建模将具有重要的现实工程意义.针对目前基于IEEE COMTRADE标准的故障录波数据文件难以直接应用于总体测辨法建模的现状,提出了一套对COMTRADE标准数据源文件进行预处理的方法.此方法由四个子模块组成,对源...     

基于减法聚类的模糊神经网络负荷建模

负荷模型是决定电力系统仿真结果可信度的关键因素之一,本文从非机理模型的角度,提出一种基于减法聚类的模糊神经网络的负荷建模新方法.首先对建模样本输入输出数据进行特征分析,建立其山峰密度函数,应用减法聚类自适应的调整建模数据的聚类数和聚类中心,以确定负荷模型的模糊规则数和隶属度函数个数.在此基础上建立综合负荷模型的模糊初始结构.通过神经网络对推理数据进行学习,获取模糊推理规则,同时调整隶属函数的参数,用反向传播算法来修正网络的连接权重,辨识模糊模型的隶属函数的参数,完成综合负荷的非机理建模.通过对实测综合负荷的有功和无功建模实例,证明了该方法具有很高的拟合精度和收敛速度,对负荷建模具有重要的指导意义.     

电动汽车充电负荷时空分布建模研究综述

随着电动汽车(EV)市场投入规模不断扩大,具有时空随机性和不确定性的EV充电负荷将严重影响配电网规划与运行,而EV充电负荷时空分布建模是研究EV充电负荷对配电网影响的基础。为此,本文综述了电动汽车充电负荷时空分布建模方面的近年研究现状。首先,从外部影响因素和内部影响因素两个方面,总结分析影响EV充电负荷时空分布的因素;然后,从基于数据驱动和模型驱动两个方面,对EV充电负荷的时空分布建模方法进行综述;最后,对现有研究方法存在的不足进行分析,对未来的研究方向进行展望。#$NL关键词：电动汽车; 影响因素; 时空分布; 负荷建模; 综述#$NL中图分类号：TM73     

模糊神经网络负荷模型的内插外推能力

为了分析综合负荷模型的实用性,研究了综合负荷模型的内差外推能力。通过分析模糊神经网络综合负荷模型建模数据的特征,确定模糊模型的初始结构;通过模糊神经网络对建模数据的学习,获取模糊推理规则并调整隶属度函数的参数,进而辨识出模糊模型并调整隶属度函数;将电压、有功和无功作为模糊神经网络的广义模型输入,对综合负荷进行解耦建模。在综合负荷构成成分相同的3组数据中,用其中1组建模数据训练得出模糊模型的结构和参数去拟合其它2组建模实测数据,获得良好的拟合效果,从而验证了模糊神经网络综合负荷模型的良好的内插外推能力和收敛性。该特性对于综合负荷模型的实用化具有重要的指导意义。     

感应电动机的参数加权平均综合建模

针对电力系统仿真计算中广泛采用感应电动机作为综合负荷模型的实际情况,提出一种基于单一现场实测负荷记录的感应电动机参数加权平均综合建模的方法。该方法首先根据各单个负荷记录用总体辨识法获得相应的模型参数,然后将各个不同记录下获得的模型参数按照一定准则进行加权平均,并以此作为综合负荷的模型。基于现场实测负荷记录的建模实践表明,该建模方法简单、有效、省时,使用灵活方便,它对实际负荷的描述能力甚至优于综合辨识建模,在电力系统综合负荷建模中具有广泛的推广应用价值。     

综合负荷特性的分类综合方法及其应用

针对当前负荷建模研究和工程应用中存在的问题,研究了动态负荷特性分类和综合的问题。分析了感应电动机综合负荷模型参数灵敏度,提出了基于模糊c均值聚类的负荷特性分类方法,其中提出了多种特征量,采用直接综合和加权平均综合两种综合方法对分类结果进行综合建模。现场实测数据建模实例证明了方法的有效性。     

基于数据驱动方法的疫情阶段电力用户负荷特性画像模型

电力用户负荷画像建模是一种面向用户的、通过挖掘用电数据中的负荷特性建立差异化画像标签的重要方法,现有研究方法多侧重于画像方法的研究,而缺乏完善的负荷特性标签体系。文章提出了一种基于数据驱动的负荷特性分析通用方法,从调度部门最关注的用电规律性、平顺度、负荷调控能力以及疫情影响度四方面构建负荷特性标签体系。首先,采用模糊C均值聚类算法从海量实际负荷数据中提取行业典型负荷曲线,综合考虑各行业用电特性,从4个方面构建完善的负荷特性标签体系,并建立考虑疫情影响的多类型用户负荷特性画像模型。其次,细化负荷特性标签,给出相应指标定义和计算方法,并采用模糊聚类算法判定指标分界,采用熵权法对用电平顺度进行综合评分。最后,通过算例对各行业典型用户的用电数据进行分析,并给出普适的指标分界,为各行业电力用户负荷建模提供了一种新思路。     

广域电力系统负荷整体建模方法

针对广域电力系统中负荷节点面广量大的特点,明确了广域电力系统负荷建模的思路,即充分利用广域测量信息来建立系统化评价指标,探索广域多点同步确定负荷模型参数的方法,对节点分类,对参数分级。提出了广域电力系统负荷建模的方法,即确定负荷节点分类的特征变量,进行负荷节点分类,建立系统化指标,辨识负荷参数。通过仿真算例,验证了多负荷节点同步建模的可能性和所提出的方法的有效性。最后对广域电力系统负荷建模进一步研究的内容提出了建议。     

Load modeling for wide area power system

The electrical loads have significant impacts on the dynamic performances of the wide area power system, and the dynamic behaviors of the power system can not be reproduced by the simulation system, unless the electrical load was modeled accurately. In the previous load modeling, the dynamics of the electrical load itself is of concern. Using such load models, the satisfied dynamic behaviors of the wide area power system can not be obtained by simulation. In this paper, a system-wide load modeling strategy is proposed. The electrical loads are firstly classified into a few categories using the component based load modeling method. According to the problems studied, the output variables of the power system are selected, and the objective function is constructed using the data from Wide Area Measurement System (WAMS). The trajectory sensitivities of the load model parameters with respect to the output variables are analyzed. Based on which, the key parameters playing important roles on dynamics of the power system are identified and included in further parameter estimation. The load models for the wide area power system are built simultaneously, and the system-wide load modeling method is implemented on the IEEE 39-bus system to evaluate its effectiveness.     

含大规模风电的电力系统有功平衡问题研究综述

由于在资源分布、风电接入模式、电源构成、电网结构等方面的特异性,我国不能照搬欧美等风电发达国家的运行经验,必须构建符合自身特点的电力平衡优化技术体系。从分析大规模风电的基本特性出发,归纳了针对风电波动性与不确定性的风电主要建模方法。将我国风－火－水互济系统的有功平衡问题划分为中长期/短期机组组合计划、日内滚动计划和实时频率调节等若干子问题研究,分析了各子问题的研究现状与技术瓶颈,对研究、设计含大规模风电接入的电力系统多时间尺度的有功平衡技术体系有参考意义。     

面向主动需求响应的需求侧荷源二重性建模方法

以面向主动需求响应的荷源二重性建模方法为主题,从需求侧灵活性资源参与电网调度的视角分析了国内外在荷源二重性建模方面的研究成果,按照研究对象划分,负荷跟随电源（load-follows-generation, LFG）模型分为一般负荷、储能设备、分布式能源及其组合,对负荷响应建模、优化目标、约束条件、调度方法、控制方式等进行阐述,阐述了负荷跟随发电的模式能够实现主动需求响应,优化负荷曲线,缓解发电侧调度压力,促进可再生能源消纳。     

柔性负荷控制及模型研究综述

随着可再生能源的大规模接入和城市中心高峰负荷逐年增长,系统平衡资源需求激增。在常规电源被大规模替代,发电侧调节能力受限的同时,柔性负荷在电网中占据比例逐渐上升,其响应快、经济性高等运行特性增加了电网的调控手段,对系统的调峰调频、平衡新能源波动以及提供辅助服务等方面有重要作用。重点关注柔性负荷的建模方法,对近年来国内外在柔性负荷的物理模型、响应模型和聚合模型等方面的研究成果进行了综述。并结合国内柔性负荷发展和研究情况,对柔性负荷的控制提出几点设想。     

实时动态监测系统在东北电网负荷建模中的作用

东北–华北联网后的计算分析表明，选择不同的发电机和负荷模型对稳定计算结果的影响较大，东北电网负荷模型的建模或校核需要以大扰动试验数据为依据，分析了实时动态监测系统(wide area measurement system，WAMS)在东北电网基于大扰动事件的负荷建模过程中的作用，WAMS是大扰动试验风险可观测、试验出现异常情况可控制的基本保障，为基于大扰动事件负荷建模研究提供了电网动态测试数据，其实测的相量数据同时也是建立仿真计算运行方式的重要数据源。运行经验表明，开展东北电网负荷建模的可持续研究需要基于WAMS的扰动数据收集、处理和分析制度的保障。     

基于WAMS/SCADA混合量测和离散粒子群优化算法的PMU优化配置

当前应用于状态估计的量测数据由广域测量系统(wide area measurement system, WAMS)和数据监控及采集系统(supervisory control and data acquisition,SCADA)采集, WAMS向量测量单元(phasor measurement unit,PMU)的优化配置问题成为研究的重点。本文在分析WAMS/SCADA混合量测数据成分、时间断面、精度、刷新频率4个方面差异的基础上,实现了混合量测数据的有效兼容,提出了一种基于无迹卡尔曼滤波(unscented kalman filter, UKF)动态状态估计和离散粒子群优化(discrete particle swarm optimization, DPSO)算法的PMU优化配置方案。采用该方案下的混合量测数据进行UKF动态状态估计,很好地提高了状态估计精度。在IEEE39节点系统上模拟日负荷变化验证了该PMU配置方案的有效性。     

智能电网环境下基于大数据挖掘的居民负荷设备识别与负荷建模

利用数据挖掘技术对用户负荷大数据进行处理,既可以通过识别用电负荷设备来分析用户的用电行为习惯,又可以辅助进行负荷精确建模,实现精确而有目标性的需求侧管理或制定具有针对性的零售商售电策略。在此背景下,基于动态时间弯曲(dynamic time warping,DTW)的时间序列匹配方法,提出了一种低频负荷数据下的居民电器设备识别方法。首先,将负荷数据分割成单负荷设备运行和多负荷设备同时运行2种情况下的负荷子序列;然后,依据待识别子序列的时间长度,参照实测的电器设备耗电功率数据,生成与其时间长度一致的电器设备耗电功率参考序列,其中包含了从电器设备启动前一时刻至设备关闭后一时刻的功率变化情形;最后,以DTW距离作为相似性度量指标确定识别结果。对于由多负荷设备运行产生的负荷序列,提出了一种剔除已识别设备后将序列再次分割,如此交替进行的识别策略。在获得识别结果后,构建了居民负荷统计模型。借助于高效数据分析软件R语言平台,实现了所提出的算法,并使用500组负荷数据进行了数据实验。结果表明,在对负荷数据每min采样1次的情况下,所提出的负荷设备识别方法对单设备负荷序列识别的准确率超过93%,对多设备负荷序列识别的准确率接近83%。