论文部分内容阅读
动态负荷建模是电力系统中公认的难题之一。本文从动态负荷模型结构的对比与选择、动态负荷模型辨识算法的比较入手对电力系统动态负荷建模工作进行了探讨。指出差分方程模型易辨识但物理意义不明确，感应电动机模型物理意义明确，但辨识相对复杂。非线性最小二乘法算法成熟，但只具有局部收敛性；遗传算法具有全局收敛性，但工程化还有待考验。并在动模试验基础上，利用编制的电力系统负荷建模软件进行了负荷建模实践。结果表明机理动态模型可以有效的对实测负荷进行建模，但参数辨识结果分散性较大。
通过分析机理动态负荷模型各参数对波形变化的影响，讨论了负荷模型参数辨识多值性的产生原因。辨识结果的多值性使简化参数辨识成为可能。选取典型电动机参数，即固定部分参数，辨识其余参数。辨识结果表明，固定6个参数，只辨识一个参数是可以达到较好的拟合效果，即简化参数辨识是可行的；对于实际的复杂负荷，调整一个参数如果效果不好，就要考虑调整两个以至更多的参数，则参数的调整顺序需要进一步研究；初始模型的选取对于简化参数辨识的效果有很大的影响，与单台电动机相比，实测负荷的情况要复杂得多，则需要更多的典型电动机模型作为初始模型。
动静负荷组成比例是计算暂态稳定中的关键数字。不同的比例会产生不同的计算结果，严重时会影响稳定计算的结论。本文提出了基于ADALINE人工神经网络的负荷动静组成比例辨识方法，并利用典型模型的仿真数据仿真数据，验证了方法的有效性。讨论了ADALINE提取负荷动静比例时各种因素对计算效果的影响：电压扰动越大对ADALINE提取负荷动静比例越有利；噪声越强，ADALINE提取负荷动静比例越困难一些；过小的学习率可能会使ADALINE跟踪不上负荷的变化，从而不能及时反映负荷系统动静比例的变化，过大的学习率则可能使ADALINE学习过度，失去跟踪负荷变化的能力，仿真结果表明学习率取在10附近对ADALINE提取负荷动静比例比较适合。
上海作为负荷中心电压稳定问题显得日益重要，而负荷特性尤其是负荷动态特性在电压稳定分析中起到关键作用。通过分析两种常用的故障录波器，指出了扩展故障录波器功能使之支持负荷建模所遇到的问题并提出改造方案。开发了基于Matlab Runtime Server的电力系统负荷建模软件。针对上海地区的负荷特点，初步选取了作为试验地点的典型变电站，确定了上海地区负荷建模流程，为今后上海地区负荷建模范围的扩大提供有效的参考经验。