综合负荷模型动静负荷比例的在线辨识

综合负荷模型是现代电力系统机电暂态仿真中常用的一种负荷模型,动静负荷比例的准确性将直接影响到仿真结果的正确性。在基于PMU量测的电力系统主导动态参数在线辨识方法的基础上,针对恒阻抗和感应电动机并联组成的综合负荷模型,采用Volterra级数模型和模式识别方法研究了动静负荷比例的在线快速辨识方法,并通过离线仿真给出感应电动机模型几个重要参数在典型值周围的合理变化范围。用该方法对两组不同典型参数下某省网系统进行仿真,验证了该方法的有效性;不同故障点和故障类型的仿真结果验证了该方法具有普遍适用性,同时给出了动静负荷比例辨识的正确率与动静负荷比例分档间隔的关系。

改进BP神经网络在负荷动静比例确定中的应用

指出了电力系统负荷动、静组成比例在实际电力系统分析、计算中的重要性,并应用一种改进的BP算法--Levenberg-Marpuardt 反向传播算法来对神经网络进行训练,进而利用人工神经网络(ANN)来确定电力系统综合负荷动、静组成比例为β=F[Y(t),Y(t-1),…,Y(t-n),U(t),U(t-1),…,U(t-n)].其中,β为动态负荷在综合负荷中所占的比例,Y=[P,Q]T,U=[V,f]T.该算法改进了BP神经网络学习速度慢的缺点.应用该方法对仿真数据、动模实验数据和现场实测数据进行了测算,得出了其相应的动、静组成比例.测算结果验证了在确定负荷动、静比例时可以忽略频率的变化,证明了BP神经网络用于确定负荷动、静组成比例的有效性.

基于自适应BP网络的广义负荷动静比例辨识

提出利用自适应前馈网络(ABP)拟合负荷动静比例β与区域联络线有功PL、无功QL、电压UL、频率fL、等值电源PG的关系,把经过训练后的ABP网络用于暂稳分析中辨识广义负荷动静比例的方法。该方法首先建立所研究区域电网的广义负荷等值模型,通过改变等值模型中负荷动静比例形成ABP网络的训练样本集,利用训练后的ABP网络在暂稳分析中辨识负荷动静比例。在CEPRI 36节点系统和青山局部电网上的仿真结果表明,利用ABP网络辨识广义负荷动静比例,可以获得较好的暂态辨识结果,且具有较高精度。