一种广域电力系统负荷模型的自适应识别方法技术方案

本发明专利技术提供了一种广域电力系统负荷模型的自适应识别方法，步骤包括：负荷时变分类阈值的计算、负荷模型的重置启动判别、基于系统主导振荡模式识别观测对象来判断负荷模型的有效性、广域电力系统负荷的空间分类以及系统各类负荷的统一识别。该自适应识别方法持续监测负荷特征变化，如有负荷出现大幅度的特征变化，则按用电性质构成比例特征对负荷分类进行统一识别，并用识别结果重置仿真系统负荷模型，提高负荷模型的准确性和工程实用价值，从而提高系统安全性和经济性。

【技术实现步骤摘要】

本专利技术涉及一种负荷模型识别方法，尤其是一种用于广域电力系统负荷模型的自适应识别方法。
技术介绍
电力系统仿真结果的准确与否直接影响系统规划、设计和运行的可靠性。系统模型的不准确是导致仿真结果异于系统实际运行状况的关键因素。通过RTU的信息采集和冗余分析，可获得较为准确的电力系统网络拓扑模型；在正常的频率运行范围内，线路、变压器、电容器等静态元件的模型参数较为可靠；通过大量的厂家测试、独立建模与定期跟踪检验，发电机及其控制器的模型已较为成熟。然而，作为电力系统重要元件之一的负荷，在仿真系统中一般是由负荷、变压器、电源、补偿装置等聚合等效得到，广域电力系统中等效负荷数目繁多、接入分散，且负荷自身具有时变性，所以负荷很难逐一、准确建模，负荷模型较系统的其它元件更加不可靠。若能跟踪负荷的实际变化，兼顾负荷的空间分散特性，根据现场测量信息及时识别并自动更新负荷模型，则可建立更为准确的自适应负荷模型，为电力系统的规划、设计和运行提供更为准确的参照，提高系统设计和运行安排的安全性和经济性，具有重大的工程使用价值。电力系统涵盖的负荷节点较多，若对每个负荷节点都采用不同的模型参数，则不管是建模还是计算，都十分困难。但如果对所有节点都采用相同的模型参数，虽然简单，却不符合实际。以往按行政区域或电气距离对负荷分类，各类负荷采用相同模型参数，进行全系统负荷的统一参数识别，并固定为负荷的全时段模型。在此种方法中，将所属同一行政区域或彼此间电气距离较小的负荷归为一类，并设定它们具有相同的特征，忽略了各空间负荷的特征差异，识别结果将密切依赖于扰动场景，适用性较差。并且在此种方法中没有考虑负荷的时变性，没有随负荷自身的变化调整模型，识别得到的模型无法反映全时段的负荷特征。因此，以往的广域系统负荷模型识别方法并不具有足够高的工程实用价值。
技术实现思路
本专利技术要解决的技术问题是现有技术中没有考虑负荷的时变性，没有随负荷自身的变化调整模型，识别得到的模型无法反映全时段的负荷特征。为了解决上述技术问题，本专利技术提供了一种广域电力系统负荷模型的自适应识别方法，包括以下步骤：步骤1，负荷时变分类阈值的计算，具体步骤为：步骤1.1，设定负荷特征采集的样本周期Ts和样本周期内的采样次数Ns，设系统有n个负荷节点，前一个样本周期内第s(s＝1,2,…,Ns)次采样中，得到第i(i＝1,2,…,n)个负荷节点的负荷用电性质构成比例为Xi,s；步骤1.2，设定样本周期内系统负荷模型重置次数的上限为NMSC、第k次分类阈值为εk(k＝0,1,2,......)以及分类阈值优化步长为Δε，导入前一样本周期内各负荷节点的历史数据，再以历史数据中负荷用电性质构成比例为分类特征对第i个负荷节点的Ns个采样点进行分类，得到第i个负荷节点在样本周期内的分类个数Cki以及负荷分类变化时点集合tki；步骤1.3，遍历系统中的所有n个负荷节点，获得各负荷分类变化时点集合的并集，即为整个系统的负荷分类变化时点集合tks，集合tks中元素的个数Nk即为上一样本周期内系统负荷模型所需重置的次数，如果Nk>NMSC，则k值增加1，增大分类阈值εk＝εk-1+Δε，重新依据负荷用电性质构成比例对每个负荷的Ns个采样点进行分类，同时重新计算系统负荷模型的重置次数Nk，如果此时Nk≤NMSC，则负荷时变分类阈值ε＝εk；步骤2，负荷模型的重置启动判别，具体步骤为：步骤2.1，在当前样本周期内，持续监测系统各负荷节点的负荷用电性质构成比例；步骤2.2，判断所有负荷节点的用电性质构成比例连续两次采样值的差距是否小于负荷时变分类阈值ε，若小于，则系统负荷模型保持不变，返回步骤2.1，若某个负荷节点的用电性质构成比例连续两次采样值的差距大于负荷时变分类阈值ε，则进入步骤3；步骤3，基于系统主导振荡模式识别观测对象来判断负荷模型的有效性，具体步骤为：步骤3.1，根据预设的对象选择方法来选择观测对象，设定误差阈值εJ，确立实际系统与仿真系统观测对象的电压均方误差函数J作为广域系统负荷模型有效性判别依据： J = 1 N Σ j = 1 N ( V m ( j ) - V s ( j ) V m ( j ) ) 2 - - - ( 1 ) ]]>式(1)中，N表示动态响应采样点数，Vm(j)表示观测对象的第j个电压实测值，Vs(j)表示仿真系统中观测对象的第j个电压响应；步骤3.2，判断J与误差阈值εJ的大小关系，若J＞误差阈值εJ，则表明当前负荷模型无效并进入步骤4进行广域电力系统负荷的空间分类，若J≤误差阈值εJ，则表明当前模型有效并进一步判断当前样本周期是否结束，若没有结束，则进入步骤2，若已经结束，则进入下一样本周期并返回步骤1重新计算负荷时变分类阈值；步骤4，广域电力系统负荷的空间分类，在当前样本周期的第s次采样中，第i(i＝1,2,…,
n)个负荷节点的负荷用电性质构成比例为Xi,s，以负荷用电性质构成比例为分类特征，利用模糊C均值聚类算法对n个负荷节点进行分类，得到系统总的负荷分类数目为C，第fi(fi＝1,2,…,C)类负荷其中fin为属于第fi类的负荷个数，为第fi类负荷中的第fin个负荷；步骤5，系统各类负荷的统一识别，具体步骤为：步骤5.1，设第fi类负荷需识别个参数，则系统所需识别的总参数为本文档来自技高网...

【技术保护点】
一种广域电力系统负荷模型的自适应识别方法，其特征在于，包括以下步骤：步骤1，负荷时变分类阈值的计算，具体步骤为：步骤1.1，设定负荷特征采集的样本周期Ts和样本周期内的采样次数Ns，设系统有n个负荷节点，前一个样本周期内第s(s＝1,2,…,Ns)次采样中，得到第i(i＝1,2,…,n)个负荷节点的负荷用电性质构成比例为Xi,s；步骤1.2，设定样本周期内系统负荷模型重置次数的上限为NMSC、第k次分类阈值为εk(k＝0,1,2,……)以及分类阈值优化步长为Δε，导入前一样本周期内各负荷节点的历史数据，再以历史数据中负荷用电性质构成比例为分类特征对第i个负荷节点的Ns个采样点进行分类，得到第i个负荷节点在样本周期内的分类个数Cki以及负荷分类变化时点集合tki；步骤1.3，遍历系统中的所有n个负荷节点，获得各负荷分类变化时点集合的并集，即为整个系统的负荷分类变化时点集合tks，集合tks中元素的个数Nk即为上一样本周期内系统负荷模型所需重置的次数，如果Nk>NMSC，则k值增加1，增大分类阈值εk＝εk‑1+Δε，重新依据负荷用电性质构成比例对每个负荷的Ns个采样点进行分类，同时重新计算系统负荷模型的重置次数Nk，如果此时Nk≤NMSC，则负荷时变分类阈值ε＝εk；步骤2，负荷模型的重置启动判别，具体步骤为：步骤2.1，在当前样本周期内，持续监测系统各负荷节点的负荷用电性质构成比例；步骤2.2，判断所有负荷节点的用电性质构成比例连续两次采样值的差距是否小于负荷时变分类阈值ε，若小于，则系统负荷模型保持不变，返回步骤2.1，若某个负荷节点的用电性质构成比例连续两次采样值的差距大于负荷时变分类阈值ε，则进入步骤3；步骤3，基于系统主导振荡模式识别观测对象来判断负荷模型的有效性，具体步骤为：步骤3.1，根据预设的对象选择方法来选择观测对象，设定误差阈值εJ，确立实际系统与仿真系统观测对象的电压均方误差函数J作为广域系统负荷模型有效性判别依据：J=1NΣi=1N(Vm(j)-Vs(j)Vm(j))2---(1)]]>式(1)中，N表示动态响应采样点数，Vm(j)表示观测对象的第j个电压实测值，Vs(j)表示仿真系统中观测对象的第j个电压响应；步骤3.2，判断J与误差阈值εJ的大小关系，若J＞误差阈值εJ，则表明当前负荷模型无效并进入步骤4进行广域电力系统负荷的空间分类，若J≤误差阈值εJ，则表明当前模型有效并进一步判断当前样本周期是否结束，若没有结束，则进入步骤2，若已经结束，则进入下一样本周期并返回步骤1重新计算负荷时变分类阈值；步骤4，广域电力系统负荷的空间分类，在当前样本周期的第s次采样中，第i(i＝1,2,…,n)个负荷节点的负荷用电性质构成比例为Xi,s，以负荷用电性质构成比例为分类特征，利用模糊C均值聚类算法对n个负荷节点进行分类，得到系统总的负荷分类数目为C，第fi(fi＝1,2,…,C)类负荷其中fin为属于第fi类的负荷个数，为第fi类负荷中的第fin个负荷；步骤5，系统各类负荷的统一识别，具体步骤为：步骤5.1，设第fi类负荷需识别个参数，则系统所需识别的总参数为再将系统内同一类负荷均设为相同的模型参数，将式(1)作为负荷模型参数识别的目标函数，设定负荷的初始值，利用梯度下降法计算min(J)时对应的模型参数，并将该模型参数作为负荷模型的识别结果赋值到仿真系统负荷模型中；步骤5.2，判断当前样本周期是否结束，若没有结束，则进入步骤2，若已经结束，则进入下一样本周期并返回步骤1重新计算负荷时变分类阈值。...

【技术特征摘要】
1.一种广域电力系统负荷模型的自适应识别方法，其特征在于，包括以下步骤：步骤1，负荷时变分类阈值的计算，具体步骤为：步骤1.1，设定负荷特征采集的样本周期Ts和样本周期内的采样次数Ns，设系统有n个负荷节点，前一个样本周期内第s(s＝1,2,…,Ns)次采样中，得到第i(i＝1,2,…,n)个负荷节点的负荷用电性质构成比例为Xi,s；步骤1.2，设定样本周期内系统负荷模型重置次数的上限为NMSC、第k次分类阈值为εk(k＝0,1,2,……)以及分类阈值优化步长为Δε，导入前一样本周期内各负荷节点的历史数据，再以历史数据中负荷用电性质构成比例为分类特征对第i个负荷节点的Ns个采样点进行分类，得到第i个负荷节点在样本周期内的分类个数Cki以及负荷分类变化时点集合tki；步骤1.3，遍历系统中的所有n个负荷节点，获得各负荷分类变化时点集合的并集，即为整个系统的负荷分类变化时点集合tks，集合tks中元素的个数Nk即为上一样本周期内系统负荷模型所需重置的次数，如果Nk>NMSC，则k值增加1，增大分类阈值εk＝εk-1+Δε，重新依据负荷用电性质构成比例对每个负荷的Ns个采样点进行分类，同时重新计算系统负荷模型的重置次数Nk，如果此时Nk≤NMSC，则负荷时变分类阈值ε＝εk；步骤2，负荷模型的重置启动判别，具体步骤为：步骤2.1，在当前样本周期内，持续监测系统各负荷节点的负荷用电性质构成比例；步骤2.2，判断所有负荷节点的用电性质构成比例连续两次采样值的差距是否小于负荷时变分类阈值ε，若小于，则系统负荷模型保持不变，返回步骤2.1，若某个负荷节点的用电性质构成比例连续两次采样值的差距大于负荷时变分类阈值ε，则进入步骤3；步骤3，基于系统主导振荡模式识别观测对象来判断负荷模型的有效性，具体步骤为：步骤3.1，根据预设的对象选择方法来选择观测对象，设定误差阈值εJ，确立实际系统与仿真系统观测对象的电压均方误差函数J作为广域系统负荷模型有效性判别依据： J = 1 N Σ i = 1 N ( V m ( j ) - V s ( j ) V m ( j ) ...

【专利技术属性】
技术研发人员：郝丽丽，戴嘉祺，郝培华，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：江苏;32