交直流电力系统多时间尺度全过程仿真和建模研究新进展

综述了以电力系统分析软件为基础的交直流电力系统多时间尺度全过程仿真和建模研究的新成果。在仿真方面的新成果有电力系统机电暂态-电磁暂态混合仿真、机电暂态-中长期动态全过程仿真、大规模电力系统小扰动稳定性计算、短路电流计算、静态电压稳定计算、最优潮流计算等;在建模方面的新成果有发电厂电力系统模型、发电机励磁和调速系统新模型、风力发电、直流输电系统模型、FACTS装置模型、负荷模型、保护与控制系统模型等。这些研究成果丰富和完善了交直流电力系统仿真能力,进一步提高了我国电力系统仿真与建模的技术水平。     

感应电动机及电力综合负荷模型结构的研究

感应电动机模型是电力系统运行与控制理论研究和工程仿真计算中最常用的负荷模型 ,其运行特性对电力系统的运行行为有重要影响 .深入研究了感应电动机模型结构与其行为模式之间的关系 :阐述并提出了既能描述负荷的功率恢复特性 ,又能描述负荷的低电压失稳特性的综合负荷模型结构应当满足的必要条件 ;提出适合于电压稳定分析的综合负荷模型的基本结构形式 .对电力系统综合负荷建模具有理论和实际指导意义     

我国电力负荷建模工作的若干建议

从我国电力负荷建模实际出发,指出电力负荷建模的可用性、实用性和针对性原则,建议将现阶段的目标定位在为电力系统机电暂态计算建立重要负荷的分区、分时、分类的模型和参数范围.探讨了电力负荷模型结构的选择,建议采用感应电动机加ZIP模型.对几种电力负荷参数的获取方法进行了比较,提出了综合化的建议.最后,对电力负荷建模工作的实施提出建议.     

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。     

考虑配电网结构的电力系统综合负荷建模

电力系统综合负荷模型结构是负荷建模领域中最为基础和关键的问题之一。在电力系统仿真计算中,负荷模型直接与变电站高压母线连接,而负荷一般通过高压配电网接入电网,这在现有的综合负荷模型未能体现。文中提出了一种适用于负荷建模的高压配电网建模方法,基于不复杂化综合负荷模型,将高压配电网等效模型集成至负荷模型中,从而构建了一种考虑配电网结构的综合负荷模型。通过仿真分析可知,所提综合负荷模型在模型描述能力、电压适应范围等方面相较于已有的综合负荷模型有显著的提高,其2种结构形式在模型综合性能方面相近,在参数稳定性和维持负荷电压稳定方面差异不显著。     

负荷建模研究现状综述

对电力系统负荷建模研究的现状进行了总结和评述，并介绍了作者对负荷建模进一步研究的一些初步思路，内容包括基本概念，负荷建模研究的重要性，模型结构选择和参数辨识，负荷特性的时变性和进一步研究的思考。     

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。     

负荷建模技术的研究现状与未来发展方向

分析了负荷模型对电力系统计算结果的影响,对国内外负荷模型的研究动态进行了综述。详细介绍了目前用于电力系统负荷建模的2个主要方法——统计综合法和总体测辨法,分析了其特点并总结了其应用情况。最后结合最新研究进展指出了下一步需要研究解决的问题。     

电力系统的负荷建模及其有效性评定方法研究

负荷模型的精确度对电力系统的潮流计算、电压稳定、频率稳定及长期动态过程的分析等都有很大的影响,在临界情况下,还有可能从根本上改变定性的结论。详细介绍了目前用于电力系统负荷建模的两个主要方法———统计综合法和总体测辨法,在对常用的负荷模型做概述的基础上,提出了定性和定量两类负荷模型的有效性评定方法,供负荷建模的准确性评定提供借鉴和参考。     

混沌神经网络理论在负荷建模中的应用

针对现代电力系统条件下系统稳定性对负荷建模的新要求,分析了电力系统中的混沌现象和传统建模方法的不足,将混沌神经网络理论引入到负荷建模的研究中,提出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。     

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。     

电力系统负荷模型研究综述

负荷模型研究的主要目的是为电力系统稳定计算提供精确的负荷模型。采用乐观或保守的负荷模型将会对电网安全或经济运行造成不利影响。随着系统规模的不断扩大和新型用电设备不断出现,负荷的动态特性也变得越来越复杂。早期的简单负荷模型已经不能满足当前互联电网稳定计算的需要。综述了负荷模型的发展历史、负荷建模的常用方法、常用负荷模型及对系统稳定的影响,结合最新研究进展,提出了应该建立区域电网负荷模型动态数据库,并指出了下一步需要研究解决的问题。     

基于总体测辨法的电力负荷建模系统

介绍了基于总体测辨法的电力负荷建模系统的功能和界面,其功能主要包括静态负荷建模和动态负荷建模。软件采用MDI(multiple document interface)风格,功能比较完善,使用起来方便可靠。其中所有文件的建立、保存以及动态曲线的绘制可自动完成,并且软件操作与Windows操作系统完全兼容。     

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.     

BP算法在功率耦合负荷建模中的应用

负荷模型的准确性对于电力系统仿真分析至关重要。针对目前负荷模型无功方面的研究较为薄弱的问题，提出一种功率耦合型的人工神经元网络负荷建模方法，首先利用传统方法建模，构造样本空间，即以恒阻抗模型和一阶电动机模型构成的综合负荷作为负荷模型，其时域仿真潮流解作为训练样本，然后以BP算法训练神经网络，利用训练好的网络来仿真负荷功率。结果显示，当网络输出为负荷有功功率和负荷无功功率共同构成的二维向量时，可使负荷模型无功方面的精度有较大的提高。     

GRNN算法在电力系统负荷建模中的应用

针对传统负荷模型不能有效地克服负荷建模中的非线性和不连续性等问题,提出了一种基于广义回归神经网络的负荷建模方法.利用广义回归神经网络具有的全局逼近和最佳逼近能力及网络稳健、快速收敛的优点,建立了新的电力系统综合负荷模型.并与两种改进的反向传播网路模型进行了比较,仿真实例证明了该模型对电力系统负荷模型辨识的有效性和准确性.