基于全局灵敏度分析的负荷模型简化辨识方法技术

本发明专利技术公开了一种基于全局灵敏度分析的负荷模型简化辨识方法，包括：获取负荷模型的待辨识参数；根据基于方差分析的全局灵敏度分析，对所述待辨识参数进行灵敏度分析，以得到所述待辨识参数的一阶灵敏度系数和总灵敏度系数；将总灵敏度系数绝对值小于预设值的所述待辨识参数标记为第一参数，并将剩余的所述待辨识参数标记为第二参数；固定所述第一参数，根据所述第二参数采用遗传算法对所述负荷模型进行参数辨识以得到简化负荷模型；本发明专利技术提出的基于全局灵敏度分析的负荷模型简化辨识方法，能够对负荷模型的辨识参数进行简化，降低负荷模型的辨识复杂程度，提高了辨识效率，且能够保证负荷模型的准确度。

【技术实现步骤摘要】
基于全局灵敏度分析的负荷模型简化辨识方法
本专利技术涉及电力负荷分解
，具体涉及一种基于全局灵敏度分析的负荷模型简化辨识方法。
技术介绍
负荷模型在电力系统仿真和控制中是最重要的一环之一。虽然负荷建模在动态系统中的重要性广为人知，其研究成果颇丰，但随着工业发展，负荷成分的不断复杂化使得它仍然是一个极具挑战的问题；随着研究的不断深入负荷模型以及建模方法不断完善，精度不断提高。灵敏度分析能够表征负荷模型的输入参数对输出结果的影响程度，由于灵敏度分析具备预测性和诊断性，通常将其作为建模及模型分析的首要条件。但现有技术中在对电力负荷模型进行灵敏度分析时，仅考虑了单个参数在小扰动时对负荷模型输出的影响，忽略了负荷模型参数之间可能存在的相互作用；而现有的负荷模型多是非线性系统，不确定的模型输入参数较多，输入参数之间可能相互影响，采用现有的灵敏度分析方法对负荷模型进行输入参数分析后，在进行参数辨识时，辨识参数多，辨识过程复杂，且辨识效率低下。
技术实现思路
本专利技术的主要目的是提供一种基于全局灵敏度分析的负荷模型简化辨识方法，旨在解决现有的灵敏度分析方法对负荷模型进行输入参数分析后，在进行参数辨识时，辨识效率低下的问题。本专利技术提出的技术方案为：一种基于全局灵敏度分析的负荷模型简化辨识方法，包括：获取负荷模型的待辨识参数；根据基于方差分析的全局灵敏度分析，对所述待辨识参数进行灵敏度分析，以得到所述待辨识参数的一阶灵敏度系数和总灵敏度系数；将总灵敏度系数的绝对值小于预设值的所述待辨识参数标记为第一参数，并将剩余的所述待辨识参数标记为第二参数；固定所述第一参数；根据所述第二参数采用遗传算法对所述负荷模型进行参数辨识以得到简化负荷模型。优选的，所述获取负荷模型的待辨识参数，包括：建立π综合负荷模型；获取所述π综合负荷模型的所述待辨识参数。优选的，所述建立所述π综合负荷模型，包括：建立包括π型等效电路模型、ZIP模型和负荷侧三阶感应电动机模型的π综合负荷模型；其中，所述ZIP模型由无功补偿模型与静态负荷模型并联组成，所述负荷侧三阶感应电动机模型的表达式为：其中，e′d为所述感应电动机的d轴暂态电势、e′q为所述感应电动机的q轴暂态电势，Id为所述感应电动机的d轴电流，Iq为所述感应电动机q轴电流，ωb为所述感应电动机同步角速度，且T′d0＝(Xr+Xm)/Rr，X＝Xs+Xm，X'＝Xm*Xr/(Xm+Xr)，Xs为所述感应电动机定子电抗，Rr为所述感应电动机转子电阻，Xr为所述感应电动机转子电抗，Xm为所述感应电动机励磁电抗，s为转差率，A表示与速度的平方成比例的扭矩系数，B表示与速度的平方成比例的扭矩系数，C表示与速度无关的恒定扭矩系数，且满足A+B+C＝1，H为惯性时间常数，T0为时间常数，所述静态负荷模型的表达式为：其中，Ap+Bp+Cp＝1，Aq+Bq+Cq＝1，Ap、Bp、Cp和Aq、Bq、Cq为各类有功、无功负荷所占的百分比，Pzip为所述ZIP模型吸收的有功功率，Qzip为所述ZIP模型吸收的无功功率，Pzip0为初始电压时所述ZIP模型吸收的有功功率，Qzip0为初始电压时所述ZIP模型吸收的无功功率，UL为负荷母线的实际电压，UL0为负荷母线的基准值电压。优选的，所述获取所述π综合负荷模型的所述待辨识参数中，所述待辨识参数为：RD、XD、Km、Kb、Rs、Xs、Rr、Xr、Xm、H、A、B、C、Ap、Bp、Aq、Bq，其中Km＝Pim0/PL0，即为所述感应电动机负荷占总负荷初始值比例，Pim0为所述感应电动机负荷初始值，PL0为传统综合负荷模型的有功初始值，Kb为感应电动机的基准值与系统基准值的比例，Rs为所述感应电动机定子电阻。优选的，RD/XD＝15。优选的，所述根据基于方差分析的全局灵敏度分析，对所述待辨识参数进行灵敏度分析，以得到所述待辨识参数的一阶灵敏度系数和总灵敏度系数，包括：在空间RM上定义一个有m个随机变量[X1,X2,..Xk.,Xm]的函数；Y＝f(X)＝(X1,X2,..Xk.,Xm)，其中，设静态负荷功率因数Cosδ＝0.85，Xk表示第k个随机变量，同时，这里的Xk与所述待辨识参数一一对应，即每个Xk代表着不同的待辨识参数，即m和所述待辨识参数的个数一致，X在各自对应的支持上存在概率密度函数ωx(X1,X2,.Xk.,Xm)和有限的方差；根据方差分析得到Xk的输出方差Var[f(Xk)]；对Xk求取期望，以得到Xk对输出方差的影响的期望E(Var[f(X)|Xk])；根据总方差定理，得到Xk的无条件方差：Var[f(X)]＝E[Var(f(X)|Xk)]+Var[E(f(X)|Xk)]，其中，Var[f(X)]为Xk的无条件方差，E(Var[f(X)|Xk＝X′k])为条件方差的期望，Var(Er[f(X)|Xk＝X′k])为条件期望的方差，即Var(Er[f(X)|Xk＝X′k])的最大值表示Xk是所有随机变量单独作用时，对模型输出影响最大的变量；根据总方差定理，得到Xk的一阶灵敏度系数：其中，Sk表示Xk的一阶灵敏度系数，一阶灵敏度系数表示每个Xk对输出方差的贡献，Sk越大，参数单独作用时，对模型输出的影响越大。优选的，所述根据总方差定理，得到Xk的一阶灵敏度系数，之后还包括：根据总方差定理，将函数f(X)的无条件方差Var[f(X)]分解：Var[f(X)]＝E[Var(f(X)|X～k)]+Var[E(f(X)|X～k)]，根据总方差定理，得到Xk的总灵敏度系数：其中，STk表示Xk的总灵敏度系数。优选的，所述将总灵敏度系数的绝对值小于预设值的所述待辨识参数标记为第一参数，并将剩余的所述待辨识参数标记为第二参数，包括：针对Xk，判断|STk|＜0.1是否成立；若是，将Xk对应的所述待辨识参数标记为第一参数；若否，将Xk对应的所述待辨识参数标记为第二参数。优选的，所述根据所述第二参数采用遗传算法对所述负荷模型进行参数辨识以得到简化负荷模型，包括：获取所述负荷模型的所述第二参数的数据样本；根据所述数据样板采用改进的遗传算法对所述负荷模型进行参数辨识，其中，对于每个解的适应度fi，其函数为误差函数的倒数，误差函数为：其中，L为数据长度，Psk为负荷的实测有功功率、Qsk为负荷的实测无功功率，Pmk为负荷的模型响应有功功率，Qmk为负荷的模型响应无功功率；以fi最大的一组数据作为正态分布的数学期望uk，则并假设各参数正态分布的方差的平方为辨识范围的10％，以此作为各参数的正态分布函数，其中，各模型参数服从正态分布。优选的，所述固定所述第一参数，包括：将所述第一参数取相应的标准值，其中，Xm为6.704，A为0.6本文档来自技高网...

【技术保护点】
1.一种基于全局灵敏度分析的负荷模型简化辨识方法，其特征在于，包括：/n获取负荷模型的待辨识参数；/n根据基于方差分析的全局灵敏度分析，对所述待辨识参数进行灵敏度分析，以得到所述待辨识参数的一阶灵敏度系数和总灵敏度系数；/n将总灵敏度系数的绝对值小于预设值的所述待辨识参数标记为第一参数，并将剩余的所述待辨识参数标记为第二参数；/n固定所述第一参数；/n根据所述第二参数采用遗传算法对所述负荷模型进行参数辨识以得到简化负荷模型。/n

【技术特征摘要】
1.一种基于全局灵敏度分析的负荷模型简化辨识方法，其特征在于，包括：
获取负荷模型的待辨识参数；
根据基于方差分析的全局灵敏度分析，对所述待辨识参数进行灵敏度分析，以得到所述待辨识参数的一阶灵敏度系数和总灵敏度系数；
将总灵敏度系数的绝对值小于预设值的所述待辨识参数标记为第一参数，并将剩余的所述待辨识参数标记为第二参数；
固定所述第一参数；
根据所述第二参数采用遗传算法对所述负荷模型进行参数辨识以得到简化负荷模型。


2.根据权利要求1所述的一种基于全局灵敏度分析的负荷模型简化辨识方法，其特征在于，所述获取负荷模型的待辨识参数，包括：
建立π综合负荷模型；
获取所述π综合负荷模型的所述待辨识参数。


3.根据权利要求2所述的一种基于全局灵敏度分析的负荷模型简化辨识方法，其特征在于，所述建立所述π综合负荷模型，包括：
建立包括π型等效电路模型、ZIP模型和负荷侧三阶感应电动机模型的π综合负荷模型；其中，所述ZIP模型由无功补偿模型与静态负荷模型并联组成，所述负荷侧三阶感应电动机模型的表达式为：



其中，e′d为所述感应电动机的d轴暂态电势、e′q为所述感应电动机的q轴暂态电势，Id为所述感应电动机的d轴电流，Iq为所述感应电动机q轴电流，ωb为所述感应电动机同步角速度，且T′d0＝(Xr+Xm)/Rr，X＝Xs+Xm，X'＝Xm*Xr/(Xm+Xr)，Xs为所述感应电动机定子电抗，Rr为所述感应电动机转子电阻，Xr为所述感应电动机转子电抗，Xm为所述感应电动机励磁电抗，s为转差率，A表示与速度的平方成比例的扭矩系数，B表示与速度的平方成比例的扭矩系数，C表示与速度无关的恒定扭矩系数，且满足A+B+C＝1，H为惯性时间常数，T0为时间常数，
所述静态负荷模型的表达式为：



其中，Ap+Bp+Cp＝1，Aq+Bq+Cq＝1，Ap、Bp、Cp和Aq、Bq、Cq为各类有功、无功负荷所占的百分比，Pzip为所述ZIP模型吸收的有功功率，Qzip为所述ZIP模型吸收的无功功率，Pzip0为初始电压时所述ZIP模型吸收的有功功率，Qzip0为初始电压时所述ZIP模型吸收的无功功率，UL为负荷母线的实际电压，UL0为负荷母线的基准值电压。


4.根据权利要求3所述的一种基于全局灵敏度分析的负荷模型简化辨识方法，其特征在于，所述获取所述π综合负荷模型的所述待辨识参数中，所述待辨识参数为：RD、XD、Km、Kb、Rs、Xs、Rr、Xr、Xm、H、A、B、C、Ap、Bp、Aq、Bq，其中Km＝Pim0/PL0，即为所述感应电动机负荷占总负荷初始值比例，Pim0为所述感应电动机负荷初始值，PL0为传统综合负荷模型的有功初始值，Kb为感应电动机的基准值与系统基准值的比例，Rs为所述感应电动机定子电阻。


5.根据权利要求4所述的一种基于全局灵敏度分析的负荷模型简化辨识方法，其特征在于，RD/XD＝15。


6.根据权利要求5所述的一种基于全局灵敏度分析的负荷模型简化辨识方法，其特征在于，所述根据基于方差分析的全局灵敏度分析，对所述待辨识参数进行灵敏度分析，以得到所述待辨识参数的一阶灵敏度系数和总灵敏度系数，包括：
在空间RM上定义一个有m个随机变量[X1,X2,.....

【专利技术属性】
技术研发人员：杨斌，鉴庆之，李文升，罗姝晨，曹相阳，魏佳，张家宁，王丰，贺声涛，汪湲，张杰，薄其滨，张栋梁，汪鑫，王宪，刘冬，牟颖，张玉跃，袁振华，孙毅，黎灿兵，程佩芬，李勃，
申请(专利权)人：国网山东省电力公司经济技术研究院，国家电网有限公司，湖南大学，
类型：发明
国别省市：山东;37