电力负荷特性的在线测辨——模型转换及静特性参数

文献［1］中提出了负荷特性在线测辨的新思路：先根据在线采集的数据辨识得到动态模型，然后再由动态模型获取静态特性参数。文［1］中辨识得到的是离散的动态模型，而电力系统实际应用中可能需要其它形式的模型。本文将给出各种形式模型之间的转换关系，并给出由负荷的动态模型获取静态特性系数的很简单的公式。文中给出了算例，验证了上述思路和方法的可行性。     

电力系统综合负荷模型简化方案及辨识参数集选取

负荷是电力系统的重要组成部分,建立合理的负荷模型对电力系统安全稳定分析和实时监控具有重要意义。目前综合负荷模型被广泛采用,但完整描述其动态特性需要十余个参数,在线辨识全部参数几乎不可能。文中从综合负荷模型状态方程入手,在保证暂态响应近似相等的准则下提出一种综合负荷模型简化方法,并在此基础上分析不同的参数对负荷动态特性的影响以及参数之间的相关关系,最终选取了感应电动机比例、电动机暂态电抗、电动机稳态滑差以及电动机转子时间常数组成辨识参数集,并通过仿真验证了相关结论。     

基于判别分析的负荷动特性综合方法

负荷动特性的分类与综合是解决负荷建模中时变性问题的有效途径.以基于实测响应空间的负荷动特性分类方法为基础,提出了一种负荷动特性直接综合方法.首先求得每类负荷特性中所有样本的重心作为相应类的聚类中心;再通过对各个聚类中心等效样本进行参数辨识以得到相应类的综合模型参数;然后运用判别分析法确定新实测样本的所属负荷特性类别并形成修正后的新的聚类中心等效样本;最后对加入新样本后的聚类中心等效样本进行参数辨识以得到相应类的修正综合模型参数.通过对某一变电站采集的动态负荷特性数据的综合实践,验证了此方法的简便、准确、有效.     

负荷动态模型集结

对电力系统动态负荷模型的集结进行了探讨和总结。考虑到噪声的未知特性,用辅助变量法对实测的负荷数据进行参数估计。并提出了用于三种情况下的基于参数辨识的模型集结方法：同一母线负荷模型集结,考虑线路阻抗的负荷模型集结和利用典型负荷模型参数集结。     

电力负荷特性在线测辨——实验室及现场试验

利用变电站可测到的波动信息在线辨识负荷特性是一种可取的办法。该文根据文献［1，2 ］提出的负荷特性在线测辨理论和方法，利用自行研制的测辨装置［3］，分别在实 验室和变电站进行了电力负荷特性参数在线辨识试验，其结果是令人满意的。     

基于测功法甩负荷试验的汽轮发电机组主要动态特性参数的辨识

结合汽轮发电机组系统模型的已有成果，分析了汽轮发电机组主要动态特性参数，提出利用测功法甩负荷试验提供的关键测量数据辨识汽轮发电机组主要动态特性参数，并对这些参数进行了可分离辨识的讨论。将遗传算法应用于参数辨识，效果良好。辨识得到的汽轮发电机组动态特性参数可用于转速飞升过程等动态特性分析，对提高测功法甩负荷试验的技术水平和经济效益具有实际意义。     

配电网综合负荷机理模型闭环辨识研究

电力系统具有天然闭环特性,在激励信号注入位置与辨识用信号量测位置不同时,负荷模型参数辨识可能具有较为明显的闭环特征。文章以台区模型辨识场景为例,研究了闭环条件下负荷机理模型参数辨识问题。通过对比分析常见的闭环辨识方法,总结了实现机理模型闭环辨识需满足的基本条件,并依据该条件选择了无需反馈通道模型先验知识且可直接辨识原系统模型的两阶段辨识法。对台区负荷动态机理模型进行线性化处理和模型转换,并将其嵌入两阶段辨识的第二阶段,可以实现机理模型参数的在线闭环辨识。通过仿真分析,验证了负荷辨识的闭环特性以及所提两阶段辨识方法的有效性。     

基于可信区间的模糊线性回归动态负荷参数预测

负荷模型准确度对电力系统稳定仿真分析与控制至关重要。由于负荷特性一直在变化,在历史数据上辨识出的负荷模型参数只在有限范围内有效。目前主要采用分类综合法、多曲线辨识法和主导参数在线辨识法解决负荷参数时变性,但它们一定程度上降低了模型拟合准确度;系统的运行情况和负荷的动态特性一直在变化之中,有限分类很难获得较好的分界面、分类间还可能存在交集。在分析负荷模型参数影响因素后,利用基于可信区间的模糊线性回归提出一种动态负荷参数预测法,在负荷模型参数历史数据库中循环滚动地搜索与系统实时运行状态相匹配的动态负荷参数。这样,随着负荷模型参数数据库的增大,选择出的负荷模型参数会更加符合实际负荷动态特性。通过某大城市两个220k V变电站实测数据验证了所提算法的有效性和准确性。     

动态负荷模型多曲线拟合参数辨识

针对负荷的时变性问题，提出了应用动态负荷模型的多曲线拟合参数辨识方法，讨论了多曲线拟合参数辨识成立的前提条件，解决了负荷模型结构上的主要困难，并结合遗传算法和单纯形算法提出了一种综合参数辨识算法。多曲线拟合参数辨识方法实现了负荷建模从特定模型到一般模型的突破，同时，该方法还能够给出建立的负荷模型表征误差的估计值。文中给出了该算法在工程中的实际应用情况，并以一个具体应用实例说明了该方法的有效性。     

数据驱动的变频空调负荷模型参数在线辨识方法

准确辨识空调负荷模型的参数是挖掘其节能及需求响应潜力的重要基础,当前研究大多采用精度较差的离线辨识方法。为此,基于数据驱动思想,提出一种变频空调模型参数在线辨识方法。首先,建立了数据驱动的空调负荷模型参数在线辨识架构。然后,基于空调负荷模型提出数据驱动的在线辨识机制和方法。其中,数据驱动的在线辨识机制设计为基于参数显著变化事件驱动的参数更新判别机制和基于历史参数波动范围的参数动态阈值设定机制,在该机制下通过粒子群优化算法建立了快速在线辨识方法。最后,通过实测环境,验证了所提在线辨识方法的有效性,与离线辨识方法相比,所提方法极大地提高了计算速度及准确度,可满足在线应用需要。     

基于自适应卡尔曼滤波的负荷参数在线辨识方法

传统负荷模型参数辨识方法在数据获取、辨识精度和在线辨识上受到限制,且基于传统卡尔曼滤波的参数辨识算法易受噪声干扰,辨识结果不稳定.为此提出一种基于自适应卡尔曼滤波的负荷参数在线辨识算法.首先建立线性化的负荷模型,基于广域测量系统(WAMS)同步相量测量单元(PMU)测得的实时在线数据,运用预报误差法的思路,使用改进的S...     

综合负荷模型参数的简化辨识策略

研究了ZIP负荷模型与感应电动机相并联的综合负荷模型参数的简化辨识策略。基于对负荷模型参数的灵敏度分析并结合我国配电网的实际特点,提出了固定负荷模型的大部分参数、仅辨识灵敏度最大参数的简化辨识策略。对负荷实测曲线的分析表明,基于该策略建立的负荷模型对负荷动态特性具有较强的解释能力。文末指出,进一步进行简化综合负荷模型参数研究的重点在于负荷模型的不唯一性对模型外推特性的影响以及从系统仿真的角度研究多值负荷模型之间的等价性。     

基于实测响应空间的负荷动特性直接综合方法

明确指出了负荷动特性的分类与综合在面向实用化过程中所必须解决的3个层次问题。以基于实测响应空间的负荷动特性分类方法为基础,提出了一种负荷动特性直接综合方法:采用重心法原理确定各类负荷特性的聚类中心作为其等效实测响应样本;通过对各个聚类中心等效样本进行参数辨识以得到相应类的综合模型参数;运用判别分析法确定新实测样本的所属负荷特性类别并形成修正后的新的聚类中心等效样本;对加入新样本后的聚类中心等效样本进行参数辨识以得到相应类的修正综合模型参数。以某一变电站采集的负荷特性数据为例,验证了提出的方法简便、准确、有效。总结了考虑负荷时变性的总体测辨法建立某一综合负荷点的模型的大体步骤。     

电力系统综合负荷模型的辨识算法研究

研究了一种具有全电压范围适应性的动态负荷模型，提出了一种用于模型参数辨识的改进模式搜索算法，仿真结果表明了所提出的模型辨识算法的可行性和有效性。     

负荷特性记录的综合方法研究

随着负荷动态特性记录仪记录数据条数的增多,每次采用多曲线辨识方法进行辨识会增长辨识时间,而采用综合方法对所有负荷特性记录进行综合只需辨识新增加的负荷特性记录。本文首先分析了负荷特性综合的3种方法:静态负荷、电动机阻抗和电动机导纳等值方法,然后将负荷分为静态负荷和电动机负荷,分别进行等值。比较了5种权值,包括稳态功率、改进的稳态功率权值、灵敏度、对转差率较敏感的参数在权值选取时考虑转差率和负载率、综合权值后,分别采用这5种权值对参数进行综合,从而得出面向综合的负荷模型。经实例验证,采用综合权值的方法可以有效快速地建立综合负荷模型,且具有较强的泛化能力。     

简化前馈网络用于负荷模型参数辨识的研究

负荷的精确建模在电力系统分析中的重要性已被电力工作者所认识到。文中在对自适应的三层前馈网络(ABP)进行修改、简化后，得到简化(或线性)前馈网络(LBP)。并结合现场试验和仿真数据，对用线性前馈网络和辅助变量法对负荷建模的精度进行了比较。把线性前馈网络作为一种算法，对负荷动态模型即差分方程的参数进行了辨识。同时，应用LBP对负荷静态模型即幂函数和多项式模型的参数进行了辨识，还提出基于人工神经网络的负荷动静模型同时辨识法。     

基于实测数据跳变及稳态点的负荷模型参数快速辨识方法

传统总体测辨法存在暂态仿真计算量大、辨识所需时间长等问题,无法满足负荷特性记录装置在线实时辨识负荷模型参数的需求,为此,提出一种基于实测数据跳变及稳态点的负荷模型参数辨识方法。选取实测数据电压突变后1点、电压恢复前后2点以及最终稳态点作为计算点;根据感应电动机三阶微分方程,采用稳态计算法和大步长隐式梯形法计算4点的状态变量,进而得到4点的有功和无功功率;根据4点的实测功率,采用遗传粒子群混合优化算法对负荷模型重点参数进行寻优辨识。算例结果表明,所提方法辨识结果准确,所需计算量小,其计算时间不到传统总体测辨法的1/10。     

基于Bootstrap的实测负荷模型参数优选

负荷模型对电力系统的动态仿真及控制起着举足轻重的作用。为使建立的负荷模型具有较好的泛化能力,在Bootstrap原理的基础上,本文充分利用实测负荷数据,提出了负荷模型参数优选的策略:首先利用优化的方法(如遗传算法)辨识单条实测曲线的负荷模型参数,然后利用Bootstrap法估计型各参数的统计特性,最后根据统计特性选择相应的参数值。由于Bootstrap法可将小样本问题转化为大样本问题来估计未知参数的近似分布,因此该策略可充分利用现场实测的小样本数据,客观估计小样本空间下参数的统计特性,达到参数优选的目的。     

基于非侵入式用电数据分解的自适应特征库构建与负荷辨识

非侵入负荷监测是实现需求侧测量与能效优化的有效途径。文中提出了一种高频采集模式下的非侵入式负荷在线监测方法,使整个监测过程自动化、实时化。首先,根据负荷电流的可加性原理建立了负荷分离模型,得到独立负荷波形;并结合负荷的操作特性,无需预实验获取先验数据。然后,通过贝叶斯分类模型实现负荷种类判断,从而在运行过程中为每个独立用户构建动态的负荷特征库。最后,基于库中数据,通过构建寻优模型实现负荷辨识,从而持续、实时获取负荷用电状态,并通过实际采集的用电数据验证了方法的有效性。该研究可自适应地为独立用户构建负荷特征库,改善了提前建库不具有普适性的问题,同时,基于特征库的快速寻优保证了辨识的有效性与准确性。     

单一综合负荷模型等效负荷群的适用性

采用基于遗传算法的综合负荷模型主导参数辨识方法,分析辨识了放射状、弱互联以及其他几种特殊电网组合形态的主导负荷参数。通过对比原始负荷模型与辨识负荷模型的动态仿真曲线,分析了综合负荷模型对电网负荷群外特性的拟合度及适用范围。仿真表明,当负荷区域中没有发电机时单一综合负荷模型可以近似等效其外特性否则,拟合效果不理想。