一种负荷模型参数辨识方法、系统、设备和介质技术方案

本发明专利技术公开了一种负荷模型参数辨识方法、系统、设备和介质，通过响应接收到的负荷节点数据和负荷模型对应的待辨识负荷模型参数集，通过负荷模型对负荷节点数据进行数据仿真，得到对应的节点仿真数据。基于节点仿真数据、待辨识负荷模型参数集和粒子群算法，得到负荷模型对应的初始模型参数辨识集。基于初始模型参数辨识集和负荷节点数据，得到负荷模型对应的中间模型参数辨识集。通过预设的参数测辨模型对中间模型参数辨识集进行校正，得到负荷模型对应的目标模型参数辨识集。通过采用粒子群算法在有限时间内，初步辨识负荷模型参数，基于初步辨结果，通过参数测辨模型进行快速校正，从而达到负荷模型参数测辨在计算时间和计算准确性方面的均衡。准确性方面的均衡。准确性方面的均衡。

【技术实现步骤摘要】
一种负荷模型参数辨识方法、系统、设备和介质


[0001]本专利技术涉及负荷模型参数
，尤其涉及一种负荷模型参数辨识方法、系统、设备和介质。

技术介绍

[0002]随着分布式电源、柔性负荷控制等电力新设备、新技术在负荷侧的应用，电力负荷的时变性增强，亟需针对电力负荷模型的参数在线辨识技术，提高电力系统负荷模型参数与实际电力系统运行场景的适应性。
[0003]现有的负荷模型参数辨识方法，主要包括统计综合法、综合测辨法，以及人工智能方法。其中，统计综合法通过对负荷运行状态进行调研统计，对负荷模型的参数进行估算，工作量大。综合测辨法主要通过对系统中负荷的响应情况进行监测，通过优化算法辨识负荷模型参数，该方法实用性高。人工智能方法主要通过对采集电网运行中的电气量特征，利用历史数据训练生成人工智能参数辨识模型，实现负荷模型参数的辨识，该方法计算速度快，准确性高。因此，常用综合测辨法或人工智能方法进行负荷模型参数辨识。
[0004]但现有的负荷模型参数辨识技术采用综合测辨法进行辨识时容易因为模型复杂，导致参数辨识的过程往往较长，难以达到在线测辨的需求，而采用人工智能方法得到的负荷模型参数辨识效果，往往受到历史数据量以及量测数据误差的影响，导致其参数测辨性能提升困难。

技术实现思路

[0005]本专利技术提供了一种负荷模型参数辨识方法、系统、设备和介质，解决了现有的负荷模型参数辨识技术采用综合测辨法进行辨识时容易因为模型复杂，导致参数辨识的过程往往较长，难以达到在线测辨的需求，而采用人工智能方法得到的负荷模型参数辨识效果，往往受到历史数据量以及量测数据误差的影响，导致其参数测辨性能提升困难的技术问题。
[0006]本专利技术提供的一种负荷模型参数辨识方法，包括：响应接收到的负荷节点数据和负荷模型对应的待辨识负荷模型参数集，通过所述负荷模型对所述负荷节点数据进行数据仿真，得到对应的节点仿真数据；根据所述节点仿真数据、所述待辨识负荷模型参数集和粒子群算法，得到所述负荷模型对应的初始模型参数辨识集；根据所述初始模型参数辨识集和所述负荷节点数据，得到所述负荷模型对应的中间模型参数辨识集；通过预设的参数测辨模型对所述中间模型参数辨识集进行校正，得到负荷模型对应的目标模型参数辨识集。
[0007]可选地，所述根据所述节点仿真数据、所述待辨识负荷模型参数集和粒子群算法，得到所述负荷模型对应的初始模型参数辨识集的步骤，包括：在预设的赋值区间内，基于预设赋值次数和所述待辨识负荷模型参数集，确定初
始粒子种群；基于所述负荷节点数据和所述节点仿真数据，确定所述初始粒子种群内各初始粒子对应的粒子适应度并实时统计进化次数；根据所述粒子适应度、所述进化次数和预设的最大进化次数，得到所述负荷模型对应的初始模型参数辨识集。
[0008]可选地，所述负荷节点数据包括电压、电流、频率和功率；所述节点仿真数据包括仿真电压、仿真电流、仿真频率和仿真功率；所述基于所述负荷节点数据和所述节点仿真数据，确定所述初始粒子种群内各初始粒子对应的粒子适应度并实时统计进化次数的步骤，包括：分别获取各所述初始粒子对应的电压、电流、频率和功率；分别获取各所述初始粒子对应的仿真电压、仿真电流、仿真频率和仿真功率；分别计算所述电压、所述电流、所述频率和所述功率对应的曲线欧式距离值；分别计算所述仿真电压、所述仿真电流、所述仿真频率和所述仿真功率对应的曲线导数欧式距离值；计算全部所述曲线欧式距离值与全部所述曲线导数欧式距离值的和值，得到所述初始粒子对应的粒子适应度；当获取所述初始粒子种群对应的全部所述粒子适应度时，实时统计进化次数。
[0009]可选地，所述根据所述粒子适应度、所述进化次数和预设的最大进化次数，得到所述负荷模型对应的初始模型参数辨识集的步骤，包括：基于所述进化次数，分别选取所述初始粒子对应的粒子适应度最小值作为个体极值点；采用全部所述个体极值点作为所述初始粒子种群对应的种群极值点；根据所述个体极值点、所述种群极值点和所述初始粒子，确定对应的目标粒子；判断所述进化次数是否等于预设的最大进化次数；若是，则所述种群极值点对应的种群位置向量作为初始模型参数辨识集；若否，则将所述目标粒子作为所述初始粒子，跳转执行所述基于所述负荷节点数据和所述节点仿真数据，确定所述初始粒子种群内各初始粒子对应的粒子适应度并实时统计进化次数的步骤，直至所述进化次数等于预设的最大进化次数。
[0010]可选地，所述根据所述个体极值点、所述种群极值点和所述初始粒子，确定对应的目标粒子的步骤，包括：分别获取各所述初始粒子对应的所述个体极值点对应的个体位置向量和所述种群极值点对应的种群位置向量；采用所述个体位置向量和所述种群位置向量，计算所述初始粒子对应的目标速度向量；计算公式如下：；其中，为目标速度向量，为当前时刻第i个粒子的初始速度向量，为加权系数，取值为0.1~0.9，和为加速因子，和为0~1之间的随机数，t代表当
前时刻，为当前时刻第i个粒子对应的个体位置向量，为当前时刻第i个粒子对应的位置向量，为当前时刻初始粒子种群对应的种群位置向量；采用所述目标速度向量更新对应的所述初始粒子，得到对应的目标粒子。
[0011]可选地，所述根据所述初始模型参数辨识集和所述负荷节点数据，得到所述负荷模型对应的中间模型参数辨识集的步骤，包括：将所述初始模型参数辨识集进行数据仿真，得到辨识集仿真数据；计算所述辨识集仿真数据与所述负荷节点数据对应的实际负荷量测数据的差值，得到对应的辨识集差值数据；采用所述初始模型参数辨识集和所述辨识集差值数据，构建所述负荷模型对应的中间模型参数辨识集。
[0012]可选地，还包括：获取多个负荷模型待辨识参数和对应的负荷模型实际参数；采用所述粒子群算法分别计算所述负荷模型待辨识参数对应的负荷模型初步辨识参数；将所述负荷模型初步辨识参数分别进行仿真，得到所述负荷模型初步辨识参数对应的负荷模型仿真数据；分别计算所述负荷模型仿真数据与所述负荷模型实际参数对应的实际模型量测数据的差值，得到对应的量测差值；采用全部所述负荷模型初步辨识参数和所述量测差值，构建模型输入特征；采用极限学习算法和所述模型输入特征训练预设的初始参数测辨模型，得到目标参数测辨模型；将所述目标参数测辨模型作为所述参数测辨模型。
[0013]本专利技术还提供了一种负荷模型参数辨识系统，包括：节点仿真数据得到模块，用于响应接收到的负荷模型对应的负荷节点数据和待辨识负荷模型参数集，采用所述负荷节点数据进行数据仿真，得到对应的节点仿真数据；初始模型参数辨识集得到模块，用于根据所述节点仿真数据、所述待辨识负荷模型参数集和粒子群算法，得到所述负荷模型对应的初始模型参数辨识集；中间模型参数辨识集得到模块，用于根据所述初始模型参数辨识集和所述负荷节点数据，得到所述负荷模型对应的中间模型参数辨识集；目标模型参数辨识集得到模块，用于通过预设的参数测辨模型对所述中间模型参数辨识集进行校正，得到负荷模型对应的目标模型参数辨识集。
[0014]本专利技术还提供了一种电子设备，包括存储器及处理器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种负荷模型参数辨识方法，其特征在于，包括：响应接收到的负荷节点数据和负荷模型对应的待辨识负荷模型参数集，通过所述负荷模型对所述负荷节点数据进行数据仿真，得到对应的节点仿真数据；根据所述节点仿真数据、所述待辨识负荷模型参数集和粒子群算法，得到所述负荷模型对应的初始模型参数辨识集；根据所述初始模型参数辨识集和所述负荷节点数据，得到所述负荷模型对应的中间模型参数辨识集；通过预设的参数测辨模型对所述中间模型参数辨识集进行校正，得到负荷模型对应的目标模型参数辨识集。2.根据权利要求1所述的负荷模型参数辨识方法，其特征在于，所述根据所述节点仿真数据、所述待辨识负荷模型参数集和粒子群算法，得到所述负荷模型对应的初始模型参数辨识集的步骤，包括：在预设的赋值区间内，基于预设赋值次数和所述待辨识负荷模型参数集，确定初始粒子种群；基于所述负荷节点数据和所述节点仿真数据，确定所述初始粒子种群内各初始粒子对应的粒子适应度并实时统计进化次数；根据所述粒子适应度、所述进化次数和预设的最大进化次数，得到所述负荷模型对应的初始模型参数辨识集。3.根据权利要求2所述的负荷模型参数辨识方法，其特征在于，所述负荷节点数据包括电压、电流、频率和功率；所述节点仿真数据包括仿真电压、仿真电流、仿真频率和仿真功率；所述基于所述负荷节点数据和所述节点仿真数据，确定所述初始粒子种群内各初始粒子对应的粒子适应度并实时统计进化次数的步骤，包括：分别获取各所述初始粒子对应的电压、电流、频率和功率；分别获取各所述初始粒子对应的仿真电压、仿真电流、仿真频率和仿真功率；分别计算所述电压、所述电流、所述频率和所述功率对应的曲线欧式距离值；分别计算所述仿真电压、所述仿真电流、所述仿真频率和所述仿真功率对应的曲线导数欧式距离值；计算全部所述曲线欧式距离值与全部所述曲线导数欧式距离值的和值，得到所述初始粒子对应的粒子适应度；当获取所述初始粒子种群对应的全部所述粒子适应度时，实时统计进化次数。4.根据权利要求2所述的负荷模型参数辨识方法，其特征在于，所述根据所述粒子适应度、所述进化次数和预设的最大进化次数，得到所述负荷模型对应的初始模型参数辨识集的步骤，包括：基于所述进化次数，分别选取所述初始粒子对应的粒子适应度最小值作为个体极值点；采用全部所述个体极值点作为所述初始粒子种群对应的种群极值点；根据所述个体极值点、所述种群极值点和所述初始粒子，确定对应的目标粒子；判断所述进化次数是否等于预设的最大进化次数；若是，则所述种群极值点对应的种群位置向量作为初始模型参数辨识集；
若否，则将所述目标粒子作为所述初始粒子，跳转执行所述基于所述负荷节点数据和所述节点仿真数据，确定所述初始粒子种群内各初始粒子对应的粒子适应度并实时统计进化次数的步骤，直至所述进化次数等于预设的最大进化次数。5.根据权利要求4所述的负荷模型参数辨识方法，其特征在于，所述根据所述个体极值点、所述种群极值点和所述初始粒子，确定对应的目标粒子的步骤...

【专利技术属性】
技术研发人员：尹雁和，徐宝军，周桂，李宾，阮志杰，余俊杰，李国号，叶建国，刘国民，钟毅，
申请(专利权)人：广东电网有限责任公司中山供电局，
类型：发明
国别省市：