基于类噪声信号的动态负荷主导模型参数辨识方法及系统技术方案

本发明专利技术涉及一种基于类噪声信号的动态负荷主导模型参数辨识方法及系统，其包括：获取电网实时运行的负荷量测数据，将所述负荷量测数据进行同步预处理，剔除异常量测数据，将剔除异常量测数据后的量测数据对齐；基于同步预处理后对齐的所述量测数据，进行瞬时值与同步相量的转换计算，得到实时相量数据；将所述实时相量数据进行数据类噪声信号状态判别，提取满足类噪声状态的时间窗数据，计算获取有效参数；连续计算所述有效参数，将所述有效参数聚类后形成分时的典型模型参数。本发明专利技术能满足电网动态变化特征的负荷参数辨识应用，跟踪负荷的动态变化，实现了电网实时量测数据的在线负荷模型参数计算；能在电力系统负荷模型参数辨识技术领域中应用。识技术领域中应用。识技术领域中应用。

【技术实现步骤摘要】
基于类噪声信号的动态负荷主导模型参数辨识方法及系统


[0001]本专利技术涉及一种电力系统负荷模型参数辨识
，特别是关于一种基于类噪声信号的动态负荷主导模型参数辨识方法及系统。

技术介绍

[0002]电力系统模型对电力系统运行仿真分析计算至关重要，其负荷参数的建模在电力系统模型的应用中起着关键性作用。选择不同的负荷模型与参数，对电力系统仿真分析中的动态响应结果存在着差异，甚至影响电力系统稳定性的判别。分析不同的电力系统稳定问题，对负荷模型的要求也是不同的，必须根据负荷模型的应用目的以及相应问题对负荷模型具体要求，来建立符合实际负荷位置、成分、结构等条件的不同负荷模型，以保证仿真分析的准确性。
[0003]对于负荷辨识方法主要采用统计综合法、故障拟合法、总体测辨法，其中统计综合法是通过人工汇总负荷成分信息后综合计算负荷比例参数，不能跟踪负荷实时变化特征进行模型参数计算；故障拟合法通过电网实际故障数据，进行模型参数拟合，需要依赖大扰动故障特征时刻数据进行计算。

技术实现思路

[0004]针对上述问题，本专利技术的目的是提供一种基于类噪声信号的动态负荷主导模型参数辨识方法及系统，其能满足于电网动态变化特征的负荷参数辨识应用，跟踪负荷的动态变化，实现了电网实时量测数据的在线负荷模型参数计算。
[0005]为实现上述目的，本专利技术采取以下技术方案：一种基于类噪声信号的动态负荷主导模型参数辨识方法，其包括：获取电网实时运行的负荷量测数据，将所述负荷量测数据进行同步预处理，剔除异常量测数据，并将剔除异常量测数据后的量测数据对齐；基于同步预处理后对齐的所述量测数据，进行瞬时值与同步相量的转换计算，得到实时相量数据；将所述实时相量数据进行数据类噪声信号状态判别，提取满足类噪声状态的时间窗数据，计算获取有效参数；连续计算所述有效参数，将所述有效参数聚类后形成分时的典型模型参数。
[0006]进一步，所述将所述负荷量测数据进行同步预处理，剔除异常量测数据，并将剔除异常量测数据后的量测数据对齐，包括：
[0007]对所述负荷量测数据时标对比等间隔的数据时间，对识别异常的量测数据进行判别，以获取同步等间隔的对齐量测数据。
[0008]进一步，所述对识别异常的量测数据进行判别，包括：
[0009]针对连续多断面不变的异常量测数据，不满足预先设定的计算条件则去除；
[0010]对量测值波动数据段长度设置的数量及滑动间隔的窗口进行判别，对于每个数据窗，根据定义数据不同取值个数或数据变化量，若不为零个数小于预先设定阈值的数据窗则为异常数据。
[0011]进一步，所述基于同步预处理后对齐的所述量测数据，进行瞬时值与同步相量的
转换计算，得到实时相量数据，包括：
[0012]根据量测数据的余弦信号的瞬时值波形得到对应的相量表达式；
[0013]每隔T0时间观察一次余弦信号，则得到与观察时刻对应的一系列相量作为相量序列；该相量序列作为实时相量数据。
[0014]进一步，所述将所述实时相量数据进行数据类噪声信号状态判别，提取满足类噪声状态的时间窗数据，计算获取有效参数，包括：
[0015]提取满足类噪声状态的时间窗数据为实测类噪声数据；
[0016]根据确定的模型结构和待计算参数，通过所述实测类噪声数据和待计算参数，计算当前和下一时刻的状态变量；
[0017]将当前和下一时刻的状态变量分别代入待辨识参数当前数值的输出方程，计算出输出变量的预测值，通过计算下一时刻的预测值与实测值之间的偏差，得到目标函数的数值；
[0018]通过对目标函数进行优化，并进行参数拟合，得到输出变量的预测值与实测值趋势相同或满足预先设定拟合比例的数值参数，作为有效参数。
[0019]进一步，所述连续计算所述有效参数，将所述有效参数聚类后形成分时的典型模型参数中，聚类方法包括：
[0020]按照小时进行聚类，以当前一小时内负荷功率平均值近似的一组数据作为当前一小时的聚类参数，以此类推得到每天24小时聚类参数。
[0021]进一步，所述将所述有效参数聚类后形成分时的典型模型参数的方法包括：
[0022]将每天早8点到晚8点定义为工作时段，其他为非工作时段，分别聚类得到所述工作时段和所述非工作时段的聚类参数，进而形成分时的典型模型参数。
[0023]一种基于类噪声信号的动态负荷主导模型参数辨识系统，其包括：第一处理模块，获取电网实时运行的负荷量测数据，将所述负荷量测数据进行同步预处理，剔除异常量测数据，并将剔除异常量测数据后的量测数据对齐；第二处理模块，基于同步预处理后对齐的所述量测数据，进行瞬时值与同步相量的转换计算，得到实时相量数据；第三处理模块，将所述实时相量数据进行数据类噪声信号状态判别，提取满足类噪声状态的时间窗数据，计算获取有效参数；参数形成模块，连续计算所述有效参数，将所述有效参数聚类后形成分时的典型模型参数。
[0024]一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行上述方法中的任一方法。
[0025]一种计算设备，其包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行上述方法中的任一方法的指令。
[0026]本专利技术由于采取以上技术方案，其具有以下优点：
[0027]1、本专利技术能够根据电网实时运行的负荷量测数据，通过类噪声信号识别，进行动态负荷主导模型参数的在线计算，避免了传统方法通过离线计算或依赖大扰动故障数据进行模型参数技术的情况，通过跟踪负荷动态特性，并通过拟合与聚类的参数计算，进一步提升了负荷模型参数的准确度。
[0028]2、本专利技术通过电网实际量测数据，在线辨识负荷模型数据，形成分类负荷的模型
参数，并通过多时间尺度的模型参数进行典型模型参数的聚类，构建了分类负荷的典型模型参数。通过实测数据在线应用计算的分类负荷模型参数，满足于电网动态变化特征的负荷参数辨识应用，跟踪负荷的动态变化，实现了电网实时量测数据的在线负荷模型参数计算。
附图说明
[0029]图1是本专利技术一实施例中基于类噪声信号的动态负荷主导模型参数辨识方法整体流程图；
[0030]图2是本专利技术一实施例中基于类噪声信号的动态负荷主导模型参数辨识方法详细流程图。
具体实施方式
[0031]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例的附图，对本专利技术实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于所描述的本专利技术的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本专利技术保护的范围。
[0032]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于类噪声信号的动态负荷主导模型参数辨识方法，其特征在于，包括：获取电网实时运行的负荷量测数据，将所述负荷量测数据进行同步预处理，剔除异常量测数据，并将剔除异常量测数据后的量测数据对齐；基于同步预处理后对齐的所述量测数据，进行瞬时值与同步相量的转换计算，得到实时相量数据；将所述实时相量数据进行数据类噪声信号状态判别，提取满足类噪声状态的时间窗数据，计算获取有效参数；连续计算所述有效参数，将所述有效参数聚类后形成分时的典型模型参数。2.如权利要求1所述基于类噪声信号的动态负荷主导模型参数辨识方法，其特征在于，所述将所述负荷量测数据进行同步预处理，剔除异常量测数据，并将剔除异常量测数据后的量测数据对齐，包括：对所述负荷量测数据时标对比等间隔的数据时间，对识别异常的量测数据进行判别，以获取同步等间隔的对齐量测数据。3.如权利要求2所述基于类噪声信号的动态负荷主导模型参数辨识方法，其特征在于，所述对识别异常的量测数据进行判别，包括：针对连续多断面不变的异常量测数据，不满足预先设定的计算条件则去除；对量测值波动数据段长度设置的数量及滑动间隔的窗口进行判别，对于每个数据窗，根据定义数据不同取值个数或数据变化量，若不为零个数小于预先设定阈值的数据窗则为异常数据。4.如权利要求1所述基于类噪声信号的动态负荷主导模型参数辨识方法，其特征在于，所述基于同步预处理后对齐的所述量测数据，进行瞬时值与同步相量的转换计算，得到实时相量数据，包括：根据量测数据的余弦信号的瞬时值波形得到对应的相量表达式；每隔T0时间观察一次余弦信号，则得到与观察时刻对应的一系列相量作为相量序列；该相量序列作为实时相量数据。5.如权利要求1所述基于类噪声信号的动态负荷主导模型参数辨识方法，其特征在于，所述将所述实时相量数据进行数据类噪声信号状态判别，提取满足类噪声状态的时间窗数据，计算获取有效参数，包括：提取满足类噪声状态的时间窗数据为实测类噪声数据；根据确定的模型结构和待计算参数，通过所述实测类噪声数据和待计算参数，计算当前和下一时刻的状态变量；将当前和下...

【专利技术属性】
技术研发人员：熊春晖，吴京涛，
申请(专利权)人：北京清大智新科技有限公司，
类型：发明
国别省市：