基于综合广域信息的负荷参数辨识方法

提出一种基于综合广域信息的负荷参数辨识方法,以发电机相对功角作为广域信息,综合分析多种运行及故障条件下发电机功角对负荷参数的轨迹灵敏度。根据灵敏度分析结果,可以确定参与负荷参数辨识的发电机功角以及各负荷参数的易辨识性,也可以选择有利于参数辨识的扰动地点。由负荷参数估计值得到的发电机功角响应曲线,与发电机功角曲线实际值的最小二乘拟合,使得目标函数极小化,即完成了负荷参数的广域辨识。对10机39节点系统的仿真分析结果表明:负荷参数辨识的广域信号应选择30号发电机功角,节点19为扰动地点,负荷参数中电动机负荷比例系数以及定转子阻抗等灵敏度较高,更易于辨识。在多种运行及故障条件下,广域辨识的负荷参数均能够比较准确地反映系统实际的动态特性。

基于暂态特征的广义电力负荷参数辨识方法研究

电力负荷的模型对电力系统电路仿真结果有着非常重要的作用和影响。本文在对电力系统负荷建模与电力系统负荷模型基础理论、基本模型的求取基础上,为更好的表征负荷模型的特性,提出广义电力负荷实用模型。利用3机10节点系统的PSASP仿真,方案验证表明提出的模型可以较好的反应动态参数,而且参数求取也比较方便,通用性相对于一些其他的模型要强。

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。

基于特征提取的负荷模型参数相关性规则挖掘

负荷建模对电力系统仿真和分析非常重要,其中负荷模型参数辨识是负荷建模的关键环节,因而大量的研究工作集中在负荷模型参数辨识方面,但针对辨识所得负荷模型参数的分析研究却很少。为了进一步挖掘辨识所得大量负荷模型参数潜在的规律性,提出采用支持向量聚类(support vector clustering,SVC)和决策树分类(decision tree classification,DTC)的方法。首先,通过Matlab电力系统仿真分析工具箱PSAT(power system analysis toolbox,PSAT)得到仿真数据,然后利用仿真所得动态数据辨识得到相应的负荷模型参数。在得到不同场景下的负荷模型参数后,采用支持向量聚类算法为每一个样本添加类别标签。随后,通过决策树来展现负荷特性类别标签与不同条件属性之间的相关性规则。最后,WSCC 3-机、9-节点系统的仿真结果表明了所提算法对负荷模型参数校验和预测的有效性。