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...     

利用故障录波数据对负荷模型进行校核的探讨

介绍了故障录波装置的特点,结合内蒙古自治区负荷特点,探讨了利用故障录波数据对负荷模型进行校核的方法。利用萨拉齐处故障录波数据进行负荷模型校验,结果表明,仿真得到的功率曲线与故障录波数据得到的功率曲线吻合得很好,说明所建立的负荷模型是合理的。     

基于故障录波数据同步技术的输电线路参数辨识方法

输电线路多源参数的差异性及其受外部环境影响的易变性使得常规离线测量结果不准确,利用故障录波信息进行在线参数辨识可以满足实际线路参数需及时更新的要求。该方法基于线路双端故障录波信息,考虑双端故障录波信息不同步时间,构建约束方程求解区内外故障时的线路双端数据的不同步时间。在此基础上利用双端同步的电压电流相量,进行线路参数辨识。通过IEEE9节点模型分析验证表明,该对齐方法的对时精度等级约为10-5 s,提高了利用故障录波信息进行输电线路参数辨识的有效性。     

基于出线的变电站综合负荷建模方法

针对目前统计综合法和总体测辨法等负荷建模方法存在数据需求量大,难以反映负荷时变性或辨识速度慢、精度低等缺点,提出了基于出线的变电站综合负荷建模方法。该方法从变电站出线入手,首先建立出线负荷模型,进而对变电站整体建模,得到含静态负荷、动态负荷、配电网及电容补偿的出线-综合负荷模型。仿真算例结果表明,该方法较总体测辨法,辨识速度和精度都有较大的提高,具有一定的可行性及工程实用性。     

基于故障录波数据的输电线路参数辨识

线路参数准确性与电网完全稳定运行密切相关,智能变电站的发展为利用故障录波数据进行线路参数辨识提供了必要条件.利用２起不同10kV 线路故障跳闸事故的故障录波数据,对110kV 线路参数开展辨识,将２次计算结果与理论参数、传统试验参数进行对比分析。     

负荷建模中实测数据选取研究

为确定用怎样的数据建立起的模型具有较强的泛化能力,对负荷建模中实测数据的选取进行了研究,对不同电压扰动强度的数据进行了辨识,对得到的参数进行了轨迹灵敏度分析,在分析灵敏度结果的基础上提出扰动强度大的数据辨识出的模型的泛化能力较强的观点,并通过小扰动条件下感应电动机的静态特征系数对此结论进行了解释,进一步总结了不同扰动强度数据的大致适用范围,为实测建模中数据的选取提供了借鉴.     

负荷建模中实测数据选取研究

为确定用怎样的数据建立起的模型具有较强的泛化能力,对负荷建模中实测数据的选取进行了研究,对不同电压扰动强度的数据进行了辨识,对得到的参数进行了轨迹灵敏度分析,在分析灵敏度结果的基础上提出扰动强度大的数据辨识出的模型的泛化能力较强的观点,并通过小扰动条件下感应电动机的静态特征系数对此结论进行了解释,进一步总结了不同扰动强度数据的大致适用范围,为实测建模中数据的选取提供了借鉴。     

动态负荷建模中的负荷时变性研究

负荷的时变性是指受人们生活习惯等因素的影响负荷特性随时间变化的性质。该文将负荷时变性分解为负荷组成成分的时变性和负荷幅值大小的时变性分别进行研究，以降低问题的复杂程度，并探讨了实施的方法。提出了基于改进综合负荷模型结构及分组算法和多曲线拟合参数辨识的建模方法。该文根据负荷的时变规律，在不同时间选择不同的负荷模型参数来表征负荷，从而提高了负荷模型的精度，并以在实际工程中的一个应用实例说明了该方法的有效性。     

电力负荷建模研究的发展趋势

针对目前电力系统负荷建模的现状,指出电力负荷建模研究的发展趋势.在地域规模方面,从节点负荷建模向广域负荷建模发展;在负荷内涵方面,从纯粹负荷建模向广义负荷建模发展;在适用范围方面,从小范围负荷建模向广谱负荷建模发展;在建模方法方面,从单个负荷建模方法向综合负荷建模方法发展;在数据来源方面,从单个数据来源向综合利用各种数据发展.给出了一些具体的负荷建模研究的思路和建议.     

基于灰狼优化算法的电解铝类冲击负荷建模方法

随着电网中工业类负荷比重逐渐提高,电解铝负荷的建模问题受到广泛的关注与研究.以云南电网为例,重点研究了电网中电解铝负荷特性,分析了与电解铝生产相关的电解槽模型、整流器模型和电解铝的阳极反应特性,搭建了电解铝负荷的简化物理模型;根据负荷的功率冲击特性,提出了一种新的考虑电解铝类冲击负荷特性的数学模型;为解决负荷参数的辨识...     

基于随机模糊聚类的负荷建模与参数辨识

针对实际负荷的无功功率变化范围比有功功率大的特点以及电力负荷的时变性和变结构性,提出了一种新的负荷建模与参数辨识方法。首先,对linearized-GNLD模型的无功部分进行了改进,以刻画实际负荷的无功部分往往比有功部分具有更大变化范围的特点;进而将有效性函数引入随机模糊聚类中,获得了无需事先给定分类数就能同时获得最佳分类数及相应聚类隶属度的随机模糊聚类新方法;最后,把所提出的新方法与改进的linearized-GNLD模型以及先聚类后辨识策略相结合而获得了新的负荷建模与参数辨识方法。相对于其他方法而言,所建立的模型无需事先给定负荷模型个数而使得实际应用更为方便;同时,由于先聚类后辨识策略,使得每一类负荷模型均是基于类似负荷曲线(节点电压、有功功率、无功功率的负荷曲线组)而获得,相应地所获得的负荷模型也具有更高的辨识精度和更好的推广性。算例证明了所提方法的有效性及正确性。     

基于PMU实测小扰动数据的负荷参数辨识方法

提出一种新的基于相量测量单元(PMU)实测小扰动数据辨识广义负荷模型动态参数的方法。该方法首先根据实测电压、电流变化曲线的特征来选取适合参数辨识的数据时段;而后依据在已知实测电压下负荷模型计算出的电流值的允许波动范围,确定转子初始滑差和其他需要辨识的几个参数的初始值;最后以实测的有功曲线、无功曲线的中心线与计算出的有功曲线、无功曲线中心线的误差最小为目标函数优化参数。所述方法在很大程度上解决了现有各种算法中小扰动数据无法用来辨识模型动态参数的难题。通过华北电网多个变电站母线节点实测算例表明,该算法在无法获得大扰动数据的情况下,只需系统的随机小扰动数据即可较为精确地辨识出负荷的动态参数。     

基于轨迹灵敏度的负荷参数辨识范围调整方法

实践表明,参数辨识范围的选取对参数的辨识效果影响很大。在分析负荷模型参数对所吸收功率的轨迹灵敏度的基础上,提出了负荷模型参数辨识范围的调整方法。首先根据动态过程中轨迹灵敏度的大小选择要调整的参数对象,然后进一步依据动态轨迹灵敏度的变化特点调整参数的辨识范围,从而达到提高负荷辨识精度的目的。实际例子充分表明了这种方法的有效性。     

PMU数据处理及其在综合负荷建模中的应用

为将PMU数据应用于电力系统综合负荷建模,针对调度数据平台所获得的PMU数据量大和采样频率低的实际特点,提出了一套对PMU数据进行预处理的方法.预处理包括数据筛选、数据整合与数据插值3个关键环节,详细介绍了数据处理流程及其数据插值的实现原理与方法.取某省电网220 kV变电站PMU实测数据,将处理后数据应用于三阶感应电...     

基于微粒群辨识算法的电力负荷综合模型的建模与仿真

微粒群优化(PSO)算法具有全局性能好、搜索效率高等优点.应用该算法进行电力系统负荷模型的参数辨识,辩识结果表明PSO算法在计算时间、全局性方面均有比较明显的优势.辨识的模型具有较高精确性,最后通过工程实例进行仿真实验,实验结果验证了模型和算法的有效性.     

适用于低电压暂态稳定分析的负荷模型

为克服低电压暂态稳定分析过程中负荷模型无法描述掉负荷特性的缺点,在对实测数据和各种负荷的低电压特性进行研究的基础上对原有的动态负荷模型进行了改进.新模型通过增加临界电压、延迟时间和衰减系数使低电压发生时负荷按负指数形式衰减,这可以在保持负荷动态特性连续的基础上,最大限度地模拟暂态故障中因低电压掉负荷造成的负荷前后稳态不一致的现象.新模型不仅扩展了原来动态负荷模型的适用范围,而且大大提高了大扰动下暂态稳定分析的可信度.实测数据验证了模型的有效性.     

基于模型参数递推修正的电力负荷建模

随着负荷特性记录装置所记录数据的增加,使用基因优化算法进行负荷建模的工作量急剧增加。本文借鉴综合负荷建模的思想,提出将不同时段实测数据辨识得到的负荷模型进行综合,以充分利用之前的辨识结果,解决负荷实测记录数据样本数增多引起的辨识过程过长问题,并给出了详尽的TVA负荷模型综合公式。讨论了权重的选择原则,考虑到新的数据能更真实地反映负荷的特性,提出了按时段定性确定权重系数的方法。基于现场实测数据的建模实践表明,所提方法简单、有效、省时,能从很大程度上反映负荷的时变性。     

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。