負荷建模中的負荷特性分類及參數(shù)辨識研究.pdf

1、電力系統(tǒng)建模是電力系統(tǒng)分析、規(guī)劃設(shè)計、運行和控制等領(lǐng)域的共性科學(xué)問題和關(guān)鍵技術(shù)，而負荷建模則是電力系統(tǒng)建模中亟待解決的難題。建立能夠反映負荷特性的準確負荷模型對電力系統(tǒng)仿真和安全穩(wěn)定運行至關(guān)重要。為此，本文從負荷特性分類和參數(shù)辨識兩個方面進行深入地研究。具體包括以下幾個方面的工作:
　　(1)對變電站負荷特性分類與綜合進行深入研究。采用SOM神經(jīng)網(wǎng)絡(luò)對變電站負荷構(gòu)成特征向量進行分類并根據(jù)分類結(jié)果選取典型變電站。在此基礎(chǔ)上，對新增變

2、電站的分類進行深入的研究，并對SOM神經(jīng)網(wǎng)絡(luò)分類的正確性、精確性分別進行了仿真分析和驗證。
　　(2)對負荷動特性分類進行研究。在對目前常用的負荷動特性特征向量進行分析的基礎(chǔ)上，提出了基于提升小波包變換的負荷動特性特征提取方法。采用提升小波包變換對負荷實測擾動響應(yīng)數(shù)據(jù)進行分解與重構(gòu)，提取小波重構(gòu)系數(shù)并構(gòu)造能夠反映負荷動特性的能量矩特征向量。通過對仿真數(shù)據(jù)和實測數(shù)據(jù)進行特征提取和分類測試，驗證了提升小波包變換用于負荷動特性特征提取的

3、有效性和合理性。通過與傳統(tǒng)小波包變換的對比表明，提升小波包變換在計算速度和計算精度上的優(yōu)勢，提高了負荷動特性分類的準確性。
　　(3)考慮到量子粒子群算法的全局搜索能力和混沌優(yōu)化算法的局部搜索能力，將兩種算法相結(jié)合用于負荷模型參數(shù)辨識。利用現(xiàn)場實測的故障錄波數(shù)據(jù)，選取冪函數(shù)+差分方程負荷模型進行參數(shù)辨識，驗證了所采用方法的有效性。通過與PSO算法和量子粒子群算法進行對比，驗證了混沌量子粒子群算法具有收斂速度快、收斂精度高的優(yōu)點。<