静态负荷模型参数分散性研究

大量现场实测负荷数据和动模数据的辨识结果表明,同一负荷成分不同扰动情况下的负荷特性数据辨识结果不稳定,有时甚至相差十几倍到百倍,即模型参数存在较大分散性.该文深入研究了负荷模型结构和负荷噪声对静态负荷模型参数分散性的影响.通过大量仿真建模实例说明了影响静态负荷模型参数分散性的原因,结果表明负荷模型结构不正确、不真实以及负荷噪声是导致静态负荷模型参数分散性的根源.     

基于暂态录波数据的负荷建模方法研究

文章提出了一种基于暂态录波数据的负荷建模方法,首先导入故障录波器录到的录波文件,分析录波文件的数据有效性,然后对有效的录波文件进行负荷建模,辨识负荷模型参数。负荷建模系统能够对五种负荷模型进行参数辨识,得到最优负荷模型,并通过动模实验验证了负荷建模方法的正确性。最后简单的介绍了负荷建模软件,软件采用QT编程,功能完善,包括基本信息配置、模型辨识、曲线拟合、模型验证和数据导出等功能,并提供与电力系统仿真软件BPA的数据接口。     

电力负荷动特性分类方法研究

负荷特性的分类与综合是负荷模型实用化的关键,是解决负荷建模中负荷特性随机时变性问题和区域分散性问题的有效途径。文中深入分析了负荷动特性分类方法,系统阐述了负荷动特性分类特征向量的种类和基本要求。明确指出:以实测响应空间作为特征向量空间必须对实测响应进行时间坐标的标准化;以模型参数空间作为特征向量空间必须选择参数稳定性好的辨识算法;以标准电压激励下的模型响应空间作为特征向量空间必须选择具有好的内插外推能力的模型结构。最后,通过一个含有20个现场实测样本的分类实例比较和分析了3种特征向量空间的分类结果,并推荐使用实测响应空间作为负荷动特性分类的特征向量空间。     

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。     

电力负荷动特性分类方法研究

负荷特性的分类与综合是负荷模型实用化的关键，是解决负荷建模中负荷特性随机时变性问题和区域分散性问题的有效途径。文中深入分析了负荷动特性分类方法，系统阐述了负荷动特性分类特征向量的种类和基本要求。明确指出：以实测响应空间作为特征向量空间必须对实测响应进行时间坐标的标准化；以模型参数空间作为特征向量空间必须选择参数稳定性好的辨识算法；以标准电压激励下的模型响应空间作为特征向量空间必须选择具有好的内插外推能力的模型结构。最后，通过一个含有20个现场实测样本的分类实例比较和分析了3种特征向量空间的分类结果，并推荐使用实测响应空间作为负荷动特性分类的特征向量空间。     

基于聚类算法和类噪声数据辨识的负荷模型特征参数提取

基于类噪声数据的负荷模型参数辨识方法可以实现负荷模型参数的实时辨识,为跟踪电力负荷的时变性和分散性提供了新的思路和可能。考虑到基于类噪声数据辨识所得大量负荷模型参数和电力系统仿真对模型参数简便性的要求,本文实现基于聚类算法的负荷模型特征参数提取,为系统仿真提供参数指导和建议,基于北京电网实测数据的负荷模型辨识参数聚类结果验证了本文聚类算法的有效性。     

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.     

线性连续系统动态负荷模型的参数辨识与应用

目前在电力负荷建模中非机理负荷模型较多地采用离散系统模型或差分方程形式的模型,而电力系统数字仿真中更需要连续系统的模型。研究了作用函数不含导数项和含有导数项两种情况下的线性连续系统微分方程形式的负荷建模方法,介绍了模型参数辨识的直接优化算法,该模型对于描述线性动态负荷或小扰动下的非线性动态负荷的行为,具有一定程度的普适性。介绍了该动态负荷模型与电力系统分析综合程序PSASP的自定义连接方法。通过动模实验数据建模和仿真计算,验证了模型参数辨识算法以及模型与电力系统分析综合程序接口的有效性。     

基于神经网络的电力系统负荷特性辨识

负荷建模在电力系统分析中起着十分重要的作用。参数辨识是负荷建模的关键,好的辨识方法能够在最短的时间内找出最优的辨识结果,提高建模的效率。首先介绍了静态负荷模型和动态负荷模型,其次介绍了神经网络,最后基于神经网络对电力系统负荷特性辨识。应用线性BP（LBP）网络的参数辨识方法,分别对静态负荷模型（幂函数模型、多项式模型）和动态负荷模型（差分方程模型）的参数进行辨识。通过现场的实测数据辨识了模型的参数,并验证了模型的有效性。     

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。     

Reducing Identified Parameters of Measurement-Based Composite Load Model

A load model is one of the most important elements in power system simulation and control. Recently, the constant impedance, constant current, and constant power load in combination with the induction motor load have been widely used as the composite load model, whose parameters are all identified from the field measurements in measurement-based load modeling practices so far. However, there is virtually no research conducted on whether all these parameters could really be identified. This paper investigates the possibility on reducing the number of composite load model parameters to be identified from field measurements. This paper first shows that direct application of the IEEE load motor parameters in the composite load model may be inadequate on describing the load dynamics over different operating status. Then the perturbation method is used to derive the trajectory sensitivities of the equivalent motor parameters, based on which the reduction on the identified parameters of the composite load model is presented. Two cases of measurement-based load modeling in North China and Northeast China are studied to illustrate the validity of the reduction method. It is shown that the reduction does not lose the model's capability on describing the load dynamics. The reduction on the number of identified parameters not only provides a possible way to solve the multi-valued load model problem based on the current practices on measurement-based load modeling, but it also facilitates building of the load model with more components included in it. Meanwhile, reducing the identified parameters reduces the identification time; thus, the proposed strategy significantly enhances the efficiency of the load modeling work.     

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。     

混沌神经网络负荷建模的理论研究

负荷建模在电力系统稳定分析中起着十分重要的作用。在现代大电力系统条件下，系统稳定性对负荷建模提出了新的要求。该文介绍了电压稳定分析领域的静态负荷模型和动态负荷模型；在基于对电力系统中混沌现象的研究基础上，分析了传统建模方法的不足之处；阐述了将混沌理论引入神经网络算法后算法的特点并将其应用到负荷建模的研究中，建立了利用混沌神经网络理论进行负荷建模的研究中，建立了利用混沌神经网络理论进行负荷模型参数辨识的数学模型和算法，给出了利用该算法进行参数辨识的步骤。分析表明，混沌神经网络逄法可以大幅提高负荷建模的准确度。     

一种谐波负荷建模的新方法

精确的负荷谐波建模对于网络谐波分析具有重要意义.文中叙述了负荷谐波建模的研究现状,针对理论上通用的负荷谐波模型,根据函数最佳平方逼近的思想,提出了一种新的参数辨识方法,即利用模型中电压、电流之间的物理关系,通过对电流的最佳平方逼近辨识出相应参数.该算法简单易行,可对各种类型的负荷进行谐波建模.为检验算法的精确度,定义了误差分析函数.该算法与以往算法相比,具有更高的精度,验证了算法的有效性和可行性.最后,讨论了电压、电流的幅值和相角对辨识所得参数的影响.     

Novel approach of modeling load duration curve for generation expansion planning based on Hill's function

A novel approach of modeling the load duration curve (LDC) based on Hill's function is proposed in this article. On the contrary to traditional models, the proposed model is completely an analytical one which can be determined by historic load data. This method is effective in calculating efficiency as well as controlling errors and it is quite simple in application because the model has only a few parameters, each of which has a definite economic or fiscal meaning. Based on the historic model, this method is easy and accurate in estimating the LDC model for a future year by changing the parameters of Hill's function, where only the peak load and the total demand in each year may be given. Results on the load data from IEEE reliability test system (IEEE‐RTS), PJM and Beijing Electric Power Corporation (BEPC) are presented to demonstrate the effectiveness of the proposed model. Numerical examples show that the modeling errors in both peak load and total demand, which are key indices for generation expansion planning and reliability evaluation, are less than 1%. The LDC model for a future year is also accurately estimated in these examples. © 2011 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

An ANN-based load model for fast transient stability calculations

Load models play an important role in the simulation and calculation of power system performance. This paper presents a new load model which is based on a particular form of artificial neural networks we call adaptive back-propagation (ABP) network. ABP has can overcome some of short-comings of common back-propagation (BP) and ABP load models offer many advantages over traditional load models as they are non-structural and can be derived quickly. The application of the method in modeling loads is illustrated using actual field test data. The load models so obtained are shown to replicate the test measurements more closely than that based on traditional load models. Further extension of the method for the identification of the parameters of the traditional load models is proposed. It is based on linear back-propagation (LBP) network. The proposed LBP load model is incorporated in a transient stability program to show that the computational time is significantly reduced.     

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。     

电力负荷元件静态特征参数的研究

阐述了电力负荷元件的静态模型结构和参数辨识理论，利用系统辨识的基本原理，通过最小二乘的优化方法，对不同的电力负荷元件及其组合进行静态模拟实验，应用自主开发的负荷特性记录仪记录其电压和电流信号，辨识出静态负荷元件及其组合的多项式和幂函数模型的静态负荷特征参数．建模实践表明该方法的有效性和可行性，在负荷元件不断丰富的情况下，即可建立符合我国国情的静态特征参数库．并且通过其组合实验可以模拟实际综合负荷的运行特点．