電力系統(tǒng)負荷模型結(jié)構(gòu)與參數(shù)辨識的研究.pdf

1、該論文研究總體測辨法負荷建模中有關(guān)電力負荷動態(tài)特性的聚類與綜合、負荷模型的參數(shù)分散性以及電力系統(tǒng)非線性變結(jié)構(gòu)負荷建模等關(guān)鍵性問題.該研究對解決電力負荷的時變性、變結(jié)構(gòu)性等給總體測辨法負荷建模工作造成的困難具有重要意義.論文的主要內(nèi)容如下:1.針對總體測辨法負荷建模中存在的模型參數(shù)分散性問題,該文首次進行了較為深入、細致的研究,結(jié)果表明:不管是靜態(tài)負荷模型,還是差分方程負荷模型,模型結(jié)構(gòu)選擇不正確,不真實以及負荷噪聲的存在是導(dǎo)致負荷模型參

2、數(shù)分散的根本原因.該文提出了一種有效的解決負荷模型參數(shù)分散性的方法——負荷特性綜合.動模實驗和現(xiàn)場實測數(shù)據(jù)的建模實例驗證了該方法的有效性和可行性.2.電力負荷動態(tài)特性的聚類與綜合的實現(xiàn)是負荷建模走向?qū)嵱没闹匾獦酥局?這是由電力負荷本身特點和電力負荷建模原則所決定的.該文首次提出使用Kohonen神經(jīng)網(wǎng)絡(luò)解決電力負荷動態(tài)特性的聚類問題,給出了采用Kohonen神經(jīng)網(wǎng)絡(luò)進行負荷動態(tài)特性聚類的具體算法.3.針對感應(yīng)電動機負荷模型參數(shù)辨識實

3、踐中存在有些參數(shù)容易辨識,而有些參數(shù)相對難以辨識的問題,該文首次進行了感應(yīng)電動機負荷模型參數(shù)解析靈敏度分析及可辨識性研究,研究結(jié)果表明:靈敏度大的參數(shù)易辨識、且辨識結(jié)果穩(wěn)定,而靈敏度小的參數(shù)相對難以辨識,并且各參數(shù)都有隨激勵增強而逐漸容易辨識的趨勢.根據(jù)這些特點,該文首次提出了一種全新的感應(yīng)電動機負荷模型綜合策略,并通過實測數(shù)據(jù)建模驗證了該策略的有效性和可行性.4.當(dāng)電力負荷面臨較大跨度的電壓、頻率擾動時,其非線性、變結(jié)構(gòu)特征表現(xiàn)相當(dāng)明