CN101789598A

CN101789598A - 一种电力系统负荷的建模方法

Info

Publication number: CN101789598A
Application number: CN201010119632A
Authority: CN
Inventors: 周友斌; 忻俊慧; 孙元章; 雷庆生; 徐箭; 董航; 彭晓涛; 方华亮; 杨军; 李蕊
Original assignee: HUBEI PROV POWER TEST INST; Wuhan University WHU
Current assignee: State Grid Corp of China SGCC; Wuhan University WHU; Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd
Priority date: 2010-03-05
Filing date: 2010-03-05
Publication date: 2010-07-28
Anticipated expiration: 2030-03-05
Also published as: CN101789598B

Abstract

本发明公开了一种电力系统负荷的建模方法，其步骤是：A、基于日有功负荷曲线的负荷分类；B、基于统计综合法的负荷建模；C、基于仿真分析的负荷模型参数灵敏度分析及范围分析；D、基于遗传算法的负荷模型参数节点辨识，以拟合本地扰动数据为目标，固定低灵敏度参数值为统计综合法调研参数值，采用遗传算法，进行节点辨识，得到符合多组负荷模型参数；E、基于WAMS的负荷模型参数广域校核，以节点辨识的多组解作为初值，以对系统广域动态特征的精确拟合为目标，校核负荷模型参数，得到准确反映系统在遭受扰动时的广域动态特性的唯一解。本发明从负荷点分类、负荷模型参数聚合，解决了总体测辩法可辨识性及多解的问题，具有推广应用价值。

Description

一种电力系统负荷的建模方法

技术领域

本发明涉及电力系统负荷建模技术领域，更具体涉及一种电力系统负荷的建模方法，适用于以220kV变电站所供负荷为对象，以考虑配电网络的综合负荷模型为目标的负荷建模及参数辨识问题的研究。

背景技术

目前，数字仿真已成为电力系统规划、设计、运行的主要工具，数字仿真结果的准确度直接影响运行和规划中决策的正确性，是电力系统设计、规划、运行的基础。电力系统仿真计算与实际情况的吻合程度取决于所采用的模型的准确性。与发电机建模相比，负荷建模有其特别的困难。高压母线上的综合负荷由众动态用电设备和静态用电设备以及输配电网络和并联补偿电容等构成，这些设备散在一定的区域内，与高压母线的电气距离各不相同，其特性和运行状态各异，且负荷的构成和运行状态随时间气候等因素变化而变化，不同地区的负荷也有很大差异，这些因素使建模非常困难。

国外负荷模型一般采用IEEE推荐的由静态模型和动态模型构成的标准负荷模型，该模型结构统一，参数固定，不能很好结合各地特点；目前，国内负荷模型的研究走在了世界前列，负荷模型的研究方法主要分为统计综合法和总体测辩法两大类。统计综合法主要对少数负荷点进行统计调研，通过聚合方法得到负荷模型参数，对于负荷参数的准确性无法验证，且缺乏推广应用的理论依据。总体测辨法的基本思想是将负荷群看成一个整体，通过现场采集负荷所在母线的电压、频率、有功、无功数据，采取系统辨识理论确定负荷模型参数。由于模型参数的辨识方法具有多解性，因此如何辨识出模型结构和参数的真解，还未见报道。

发明内容

本发明针对现有统计综合法建模与总体测辩法建模存在的上述不足，本发明的目的是在于提供了一种电力系统负荷的建模方法，该方法易行，操作简便，以电网中的220kV变电站所供负荷区域内所有负荷总特性为对象进行负荷模型参数研究，以统计综合法确定的负荷模型参数作为初值，采用总体测辩法进行负荷模型参数的辨识和校核，充分利用了现有软、硬件设施，便于在线实施，克服了统计综合法参数准确性无法验证和推广应用的不足，解决了总体测辩法可辨识性以及多解的问题，具有良好的推广应用价值和前景。

一种电力系统负荷的建模方法，其步骤如下：

A、基于日有功负荷曲线的负荷分类，选定日负荷的三个时间段作为对象，7:00至8:00，9:00至19:00，20:00至22:00，分别定义为日负荷低谷区、平坦区、高峰区时段，在选用静态指标参数的基础上，根据不同类型变电站日负荷曲线呈现的分区时段上的变化不同，定义了反映典型类型负荷的相对动态变化趋势的指标，与其它参数一起构成6维特征量数据空间：[x1，x2，x3，x4，x5，x6]，利用模糊c聚类方法进行聚类，

B、基于统计综合法的负荷建模，结合负荷分布和负荷分类，每类负荷选取一个变电站开展基于统计综合法的负荷调研，其中，以各电压等级变电站为点，调查、收集各级网络参数和支路潮流以及无功补偿情况；以直接供给终端负荷的10kV馈线为主线，调查、收集各终端负荷不同季节下的负荷构成和负荷特性资料，根据220kV变电站的负荷特性调查结果，以配电网络的综合负荷模型结构为建模的目标：

上述各等值元件模型中，确定的参数为：

(1)等值电动机参数R_s，X_s，X_m，R_r，X_r，H，A，C；R_s，X_s为定子电阻和电抗；R_r，X_r为转子电阻和电抗；X_m为励磁电抗；H为惯性时间常数的一半；A，C为机械转矩系数；

(2)静态负荷参数P_Z，P_I，Q_Z，Q_I；P_Z，P_I为恒阻抗、恒电流负荷占总的有功负荷的比例；Q_Z，Q_I为恒阻抗、恒电流负荷占总的无功负荷的比例；

(3)无功补偿参数Q_C；为并联电容器补偿容量；

(4)配网阻抗参数R_D，X_D；

(5)等值发电机参数x_d，x_d′，x_d″，x_q，x_q′，x_q″，R_a，T_d0′，T_d0″，T_q0′，T_q0″，T_J，D；x_d，x_d′，x_d″分别为等值发电机的纵轴同步电抗、暂态电抗、次暂态电抗；x_q，x_q′，x_q″分别为等值发电机的横轴同步电抗、暂态电抗、次暂态电抗；R_a为等值发电机定子电阻；T_d0′为纵轴励磁绕组定子开路时的时间常数；T_d0″为纵轴阻尼绕组D定子开路时的时间常数；T_q0′为横轴阻尼绕组g定子开路时的时间常数；T_q0″为横轴阻尼Q绕组时间常数；T_J为惯性时间常数；D为等值发电机阻尼系数；

C、基于仿真分析的负荷模型参数灵敏度分析及范围分析，改变负荷模型参数大小进行仿真计算，得到负荷模型各参数对电力系统暂态特性影响的灵敏度，以改变负荷模型参数后暂态稳定特性响应曲线能否回到初始运行点为依据，确定各参数的范围，负荷模型各参数中，选定一个参数变化，在负荷点附近施加一个扰动，计算参数变化前后负荷点的有功、无功、电压曲线变化的均方差值，参数变化小时，负荷点响应特性变化大，按照同样的参数变化率下负荷点响应特性变化的大小排序，确定负荷模型参数的灵敏度，采用该分析方法，改变负荷参数大小，施加同样的扰动，直至负荷响应特性不能回到原来的平衡点，确定负荷参数的变化范围，对H电网的负荷模型参数分析，结果表明，励磁电抗(X_m)、惯性时间常数(2H)、转子电抗(X_r)，定子电阻(R_s)、电动机机械阻尼矩系数(A，B)、静态负荷系数(P_Z，P_I，Q_Z，Q_I)和配电网络等值电阻(R_D)参数对电力系统的暂态稳定性影响小的灵敏特性，定子电抗(X_s)、配网电抗(X_D)、感应电动机负荷比例(K_pm)、初始有功负荷率(M_lf)参数则对系统的暂态稳定特性影响表现出大的灵敏特性；

D、基于遗传算法的负荷模型参数节点辨识，以变电站的负荷参数作为初值，以灵敏度分析确定的模型参数范围为基础，以拟合本地扰动数据为目标，固定低灵敏度参数值为统计综合法调研参数值，采用遗传算法，进行高灵敏度参数的节点辨识，得到符合本地扰动信息的多组负荷模型参数，利用相量测量单元测量的本地扰动数据进行节点参数辨识，将负荷群看成一个整体，通过在现场采集负荷所在母线的PMU电压、有功、无功数据，根据系统辨识确定负荷模型结构和参数，获得的模型参数是以模型响应地拟合所观测到本地的负荷响应数据为目标，得到分布范围较广的参数，具体步骤如下：

a、按照参数辨识方法，给定一组待辨识参数的初值；

b、根据测量所得负荷母线电压、功率以及(a)中的负荷模型参数初值，确定虚拟负荷母线的电压；

c、根据虚拟母线电压计算纯负荷功率；

d、根据虚拟母线负荷功率，反过来计算负荷母线功率，并计算与实测功率的误差；

e、在参数合理范围内，采用遗传算法不断优化辨识参数，回到(a)，直至收敛结束；

E、基于WAMS的负荷模型参数广域校核，以节点辨识的多组解作为初值，以对系统广域动态特征的精确拟合为目标，校核负荷模型参数，得到反映系统在遭受扰动时的广域动态特性的唯一解，根据负荷点与广域数据点的位置，采用分别在负荷点i的远端、近端、出线处设置三相接地短路扰动的方法获得三种情况下的发电机功角、重要联络线路输送功率动态数据作为广域测量数据，改变负荷点i的负荷模型类型及参数，记录发电机功角、联络线路输送功率动态数据作为相关度指标计算数据源，定义均方差相关度来描述负荷点与广域数据点之间的相关度，以负荷点与发电机节点之间的相关度进行说明：

负荷点i的负荷特性改变前后，第j台发电机的两条功角曲线的均方差相关度为：

其中，δ_i，j(k)(或)为负荷点i的负荷特性变化前，第j台发电机功角曲线的第k个采样值；

(或

)为负荷点i的负荷特性变化前，第j台发电机功角曲线全部N个采样值的算术平均值；N为发电机功角曲线的采样点数；负荷参数广域校核的思想是根据已知的发电机方程、网络方程、由WAMS量测得到的发电机功角曲线、区域联络线的功率振荡曲线等变量来校核负荷参数，备选负荷模型参数组确定后，广域校核的是求解数值问题，广域校核的求解就是利用相关度大的广域数据点信息建立一量化指标，在备选参数组中挑选出一组参数使建立的量化指标，利用发电机功角摇摆曲线和联络线功率建立量化指标如下：

Δ d_{δ} = \sqrt{Σ_{i = 1}^{N} {(δ_{i}^{*} - δ_{i}^{0})}^{2} / N}

Δ d_{p} = \sqrt{Σ_{i = 1}^{N} {(P_{i}^{*} - P_{i}^{0})}^{2} / N}

Δ d_{Q} = \sqrt{Σ_{i = 1}^{N} {(Q_{i}^{*} - Q_{i}^{0})}^{2} / N}

Δ \overset{&OverBar;}{d} = Σ_{i = 1}^{m} σ_{δ_{i}} Δ d_{δ_{i}} + Σ_{i = 1}^{t} σ_{l_{i}} Δ d_{P_{i}} + Σ_{i = 1}^{t} σ_{l_{i}} Δ d_{Q_{i}}

上式中，δ_i ^*为负荷点模型采用负荷模型参数时通过仿真计算得到的发电机功角，δ_i ⁰为现场PMU装置所测得的发电机功角，P_i ^*为负荷点模型采用备选负荷模型参数时通过仿真计算得到的联络线有功功率，P_i ⁰为现场PMU装置所测得的联络线有功功率，Q_i ^*为负荷点模型采用备选负荷模型参数时通过仿真计算得到的联络线无功功率，Q_i ⁰为现场PMU装置所测得的联络线无功功率，N为采样点个数，Δd_δ为发电厂PMU测量的功角曲线与仿真程序计算所得的发电机功角曲线之间的偏差，Δd_p为联络线PMU测量的有功功率与仿真程序计算所得的联络线有功功率之间的偏差，Δd_Q为联络线PMU测量的无功功率与仿真程序计算所得的联络线无功功率之间的偏差，m为与所校核负荷点相关度较大的发电厂个数，t为与所校核负荷点相关度的联络线个数，

反映第i台发电厂与所校核负荷点之间的相关度大小，

反映第i条联络线与所校核负荷点之间的相关度大小，作为最终判断负荷模型参数是的量化指标，建立了以上量化指标，再运用数值优化算法，求出使量化指标达到的负荷模型参数。

本发明与现有技术相比，具有以下优点和效果：

本发明从负荷点分类、负荷模型参数聚合、基于本地扰动数据的负荷模型参数辨识以及基于WAMS信息的负荷模型参数广域校核来研究负荷建模问题，克服了统计综合法参数准确性无法验证和推广应用的不足，解决了总体测辩法可辨识性以及多解的问题，具有良好的推广应用价值和前景。

附图说明

图1为一种电力系统负荷的建模方法方框图

图2为考虑配电网络的综合负荷模型结构图

图3为H电网220kV变电站负荷参数广域校核示意图

图4为工业为主类负荷广域相关点PMU实测曲线与仿真曲线对比图，其中A图为FHSB-凤咸1线PMU实测有功曲线，B图为FHSB-凤咸1线校核参数仿真有功曲线、C图为FHSB-凤咸1线PMU实测无功曲线、D图为FHSB-凤咸1线校核参数仿真无功曲线。

图5为商业为主类负荷广域相关点PMU实测曲线与仿真曲线对比图，其中A图为OXGB-孝狮1线PMU实测有功曲线、B图为OXGB-孝狮1线校核参数仿真有功曲线、C图为OXGB-孝狮1线PMU实测无功曲线、D图为OXGB-孝狮1线校核参数仿真无功曲线。

图6为农业(居民)为主类负荷广域相关点PMU实测曲线与仿真曲线对比图，其中A图为OTJB-O塘汪线PMU实测有功曲线、B图为0TJB-0塘汪线校核参数仿真有功曲线、C图为OTJB-O塘汪线PMU实测无功曲线、D图为OTJB-O塘汪线校核参数仿真无功曲线。

图7为含小电源类负荷广域相关点PMU实测曲线与仿真曲线对比图，其中A图为GJGB-郭肖1线PMU实测有功曲线、B图为GJGB-郭肖1线校核参数仿真有功曲线、C图为GJGB-郭肖1线PMU实测无功曲线、D图为GJGB-郭肖1线校核参数仿真无功曲线。

图中，WAMS——Wide Area Measurement System，PMU——Phase Measurement Unit

具体实施方式

一种电力系统负荷的建模方法，其步骤如下：

第一步：基于日有功负荷曲线的负荷分类1，基于日负荷有功曲线进行220kV变电站的负荷分类。

选定日负荷的三个时间段作为研究对象，即7:00至8:00，9:00至19:00，20:00至22:00，分别定义为日负荷低谷区、平坦区、高峰区时段。

在选用部分常规的静态指标参数的基础上，根据不同类型变电站日负荷曲线呈现的分区时段上的变化不同的特点，定义了能反映典型类型负荷的相对动态变化趋势的指标，与其它参数一起构成6维特征量数据空间：[x1，x2，x3，x4，x5，x6]，利用模糊c聚类方法进行聚类。其中：x1＝日平均负荷/日最大负荷，称为日负荷率；x2＝日最小负荷/日最大负荷，称为日最小负荷率；x3＝(日最大负荷-日最小负荷)/日最大负荷，称为日峰谷差率；x4＝(日负荷平坦区均值-低谷区均值)/日负荷高峰期均值，为平低区相对变化率；x5＝(日负荷高峰区均值-平坦区均值)/日负荷高峰期均值，为高平区相对变化率；x6＝(日负荷高峰区均值-低谷区均值)/日负荷高峰期均值，为高低区相对变化率。

以某省电网(以下简称为H电网)2007年度夏季大负荷方式下所有220kV变电站负荷为研究对象，共86座。采用上述方法进行负荷特性分类，分类结果显示，该电网220kV变电站可以分为四类，分别为工业为主负荷类(28座)、商业为主类(19座)、农业(居民)为主类(26座)、含小电源负荷类(13座)。

第二步：基于统计综合法的负荷建模2，每一类负荷中挑选典型变电站进行基于统计综合法的负荷特性调研，通过聚合得到典型变电站的负荷模型参数。

结合负荷分布和经济发展特点及负荷分类情况，每类负荷选取一个典型变电站开展基于统计综合法的负荷调研工作。其中，以各电压等级变电站为点，调查、收集各级网络参数和支路潮流以及无功补偿情况；以直接供给终端负荷的10kV馈线为主线，调查、收集各终端负荷不同季节下的负荷构成和负荷特性详细资料。

根据典型220kV变电站的负荷特性调查结果，以考虑配电网络的综合负荷模型结构(Synthesis Load Model，SLM)为建模的目标，该模型结构如下图2所示。

上述各等值元件模型中，需要确定的参数为：

(1)等值电动机参数R_s，X_s，X_m，R_r，X_r，H，A，C；R_s，X_s为定子电阻和电抗；R_r，X_r为转子电阻和电抗；X_m为励磁电抗；H为惯性时间常数的一半；A，C为机械转矩系数。

(3)无功补偿参数Q_C；为并联电容器补偿容量；

(4)配网阻抗参数R_D，X_D；

(5)等值发电机参数x_d，x_d′，x_d″，x_q，x_q′，x_q″，R_a，T_d0′，T_d0″，T_q0′，T_q0″，T_J，D；x_d，x_d′，x_d″分别为等值发电机的纵轴同步电抗、暂态电抗、次暂态电抗；x_q，x_q′，x_q″分别为等值发电机的横轴同步电抗、暂态电抗、次暂态电抗；R_a为等值发电机定子电阻；T_d0′为纵轴励磁绕组定子开路时的时间常数；T_d0″为纵轴阻尼绕组D定子开路时的时间常数；T_q0′为横轴阻尼绕组g定子开路时的时间常数；T_q0″为横轴阻尼Q绕组时间常数；T_J为惯性时间常数；D为等值发电机阻尼系数。

此外，为了能够更好反映负荷动态特性，定义如下两个参量：

\{\begin{matrix} K_{pm} = \frac{P_{0}^{'}}{P_{0}} \\ M_{lf} = \frac{P_{0}^{'}}{S_{MB}} / \frac{U_{0}}{U_{B}} \end{matrix}

其中，P₀为负荷总的初始有功功率，P₀′为等值电动机初始有功功率；S_MB为等值电动机额定容量。由定义可知，K_pm表示初始负荷中等值电动机所占比例，根据不同地点负荷的差异；M_lf表示额定初始负荷率系数，即额定电压下等值电动机负荷消耗的功率与其额定

采用统计综合法建立各类负荷的SLM各等值元件参数。H电网不同类型负荷典型参数如容量的比值。下表1所示。

表1 不同类型负荷典型参数

第三步：基于仿真分析的负荷模型参数灵敏度分析及范围分析3，改变负荷模型参数大小进行仿真计算，得到负荷模型各参数对电力系统暂态特性影响的灵敏度，以改变负荷模型参数后暂态稳定特性响应曲线能否回到初始运行点为依据，确定各参数的合理范围。

负荷模型各参数中，选定一个参数变化，然后在负荷点附近施加一个扰动，计算参数变化前后负荷点的有功、无功、电压曲线变化的均方差值，若某参数变化较小时，负荷点响应特性变化较大，则证明该参数对于系统的暂态稳定性具有灵敏性，按照同样的参数变化率下负荷点响应特性变化的大小排序，确定负荷模型参数的灵敏度。

采用该分析方法，改变负荷参数大小，施加同样的扰动，直至负荷响应特性不能回到原来的平衡点，如出现电压崩溃等，从而确定负荷参数的可能的变化范围。

对H电网的负荷模型参数分析，结果表明，励磁电抗(X_m)、惯性时间常数(2H)、转子电抗(X_r)，定子电阻(R_s)、电动机机械阻尼矩系数(A，B)、静态负荷系数(P_Z，P_I，Q_Z，Q_I)和配电网络等值电阻(R_D)等参数对电力系统的暂态稳定性影响具有较小的灵敏特性。定子电抗(X_s)、配网电抗(X_D)、感应电动机负荷比例(K_pm)、初始有功负荷率(M_lf)等参数则对系统的暂态稳定特性影响表现出较大的灵敏特性。

灵敏度大的几个参数的合理范围如下表2所示：

表2 电网负荷模型参数合理范围

参数名称	X_s	X_D	M_lf	K_pm
参数名称	X_s	X_D	M_lf	K_pm	上限	0.2	0.12	0.4	0.8
下限	0	0	0.2	0	上限	0.2	0.12	0.4	0.8

第四步：基于遗传算法的负荷模型参数节点辨识4，以典型变电站的负荷参数作为初值，以灵敏度分析确定的模型参数范围为基础，以拟合本地扰动数据为目标，固定低灵敏度参数值为统计综合法调研参数值，采用遗传算法，进行高灵敏度参数的节点辨识，由于最优搜索算法的多解性，得到符合本地扰动信息的多组负荷模型参数。

利用相量测量单元(Phase Measurement Unit，PMU)测量的本地扰动数据进行节点参数辨识，其基本思想是将负荷群看成一个整体，通过在现场采集负荷所在母线的PMU电压、有功、无功数据，然后根据系统辨识理论确定负荷模型结构和参数。该方法的优点是不必详细知道负荷内部的复杂构成。获得的模型参数是以模型响应能最好地拟合所观测到本地的负荷响应数据为目标，所以负荷模型具有符合实际的特点，可得到多组且分布范围较广的参数。具体步骤如下：

(1)按照参数辨识方法，给定一组待辨识参数的初值(为典型变电站调研得到的负荷模型参数)；

(2)根据测量所得负荷母线电压、功率以及(1)中的负荷模型参数初值，确定虚拟负荷母线的电压；

(3)根据虚拟母线电压计算纯负荷功率；

(4)根据虚拟母线负荷功率，反过来计算负荷母线功率，并计算与实测功率的误差；

(5)在参数合理范围内，采用遗传算法不断优化辨识参数，回到(1)。直至收敛结束。

以H电网某次事故PMU采集到的扰动数据为依据，基于上述节点辨识算法，得到不同类型变电站负荷模型参数辨识的六组参数，如下表3所示。

表3 不同类型变电站负荷模型参数辨识结果

第五步：基于WAMS的负荷模型参数广域校核5，基于电力系统现有的WAMS(Wide Area Measurement System)系统以及EMS(Energy ManagementSystem)系统，以节点辨识的多组解作为初值，以对系统广域动态特征的精确拟合为目标，校核负荷模型参数，得到能够比较准确的反映系统在遭受扰动时的广域动态特性的唯一解。

基于本地扰动数据进行节点参数辨识存在多解问题，判断哪一组解才是真解还需要进行广域数据的校核。电力系统中负荷点覆盖面广、数量众多，如何确定用哪些广域数据来对某个节点的参数进行校核，需要计算负荷点与广域数据点之间的相关度。

根据负荷点与广域数据点的位置关系，采用分别在负荷点i的远端、近端、出线处设置三相接地短路扰动的方法获得三种情况下的发电机功角、重要联络线路输送功率动态数据作为广域测量数据。改变负荷点i的负荷模型类型及参数，记录发电机功角、联络线路输送功率动态数据作为相关度指标计算数据源。

定义均方差相关度来描述负荷点与广域数据点之间的相关度。以负荷点与发电机节点之间的相关度为例进行说明。

其中，δ_i，j(k)(或

)为负荷点i的负荷特性变化前(或后)，第j台发电机功角曲线的第k个采样值；

(或

)为负荷点i的负荷特性变化前(或后)，第j台发电机功角曲线全部N个采样值的算术平均值；N为发电机功角曲线的采样点数。

r_i，j越大，说明在负荷i的负荷特性变化前后，对应的第j台发电机的两条功角曲线越相似，即改变负荷点i的负荷特性对第j台发电机的功角曲线影响很小，即负荷点i与发电机j的相关度越小。

负荷点与广域数据点的相关度能够对广域系统中的众多广域数据点加以区分，利用相关度大的广域数据点的信息对负荷点参数进行校核更具有可行性，解决了系统中负荷点与广域数据点众多，不易统一校核的问题。

负荷参数广域校核的思想是根据已知的发电机方程、网络方程、由WAMS量测得到的发电机功角曲线、区域联络线的功率振荡曲线等变量来校核负荷参数。备选负荷模型参数组确定后(节点辨识的结果)，广域校核的实质就是求解数值优化问题。广域校核的求解就是利用相关度大的广域数据点信息建立一量化指标，在备选参数组中挑选出一组参数使建立的量化指标达到最优。利用发电机功角摇摆曲线和联络线功率建立量化指标如下：

Δ d_{δ} = \sqrt{Σ_{i = 1}^{N} {(δ_{i}^{*} - δ_{i}^{0})}^{2} / N}

Δ d_{p} = \sqrt{Σ_{i = 1}^{N} {(P_{i}^{*} - P_{i}^{0})}^{2} / N}

Δ d_{Q} = \sqrt{Σ_{i = 1}^{N} {(Q_{i}^{*} - Q_{i}^{0})}^{2} / N}

Δ \overset{&OverBar;}{d} = Σ_{i = 1}^{m} σ_{δ_{i}} Δ d_{δ_{i}} + Σ_{i = 1}^{t} σ_{l_{i}} Δ d_{P_{i}} + Σ_{i = 1}^{t} σ_{l_{i}} Δ d_{Q_{i}}

上式中，δ_i ^*为负荷点模型采用备选负荷模型参数时通过仿真计算得到的发电机功角，而δ_i ⁰为现场PMU装置所测得的发电机功角，P_i ^*为负荷点模型采用备选负荷模型参数时通过仿真计算得到的联络线有功功率，而P_i ⁰为现场PMU装置所测得的联络线有功功率，Q_i ^*为负荷点模型采用备选负荷模型参数时通过仿真计算得到的联络线无功功率，而Q_i ⁰为现场PMU装置所测得的联络线无功功率，N为采样点个数，Δd_δ为某一发电厂PMU测量的功角曲线与仿真程序计算所得的发电机功角曲线之间的偏差，Δd_p为某一联络线PMU测量的有功功率与仿真程序计算所得的联络线有功功率之间的偏差，Δd_Q为某一联络线PMU测量的无功功率与仿真程序计算所得的联络线无功功率之间的偏差，m为与所校核负荷点相关度较大的发电厂个数，t为与所校核负荷点相关度较大的联络线个数，反映第i台发电厂与所校核负荷点之间的相关度大小，

反映第i条联络线与所校核负荷点之间的相关度大小，

作为最终判断负荷模型参数是否最优的量化指标。建立了以上量化指标，再运用数值优化算法，即可求出使量化指标达到最优的负荷模型参数。

以H电网某次事故PMU采集到的扰动数据为依据，对节点参数辨识中得到的不同类型变电站负荷模型的六组参数进行广域校核，图3为广域校核示意图，表4为采用这些广域数据点进行校核后最终确定的各类型变电站负荷模型参数。

利用H电网调度中心提供的运行数据，在PSASP中建立事故时的运行方式，将校核后得到的不同类型负荷主要参数以及调研确定的其他典型参数值带入到同一类的其他变电站负荷模型中，根据记录的故障方式设置仿真的作业，进行仿真计算，得到各广域信息处的仿真曲线，并与PMU记录的仿真曲线做对比，如图4～7所示。

表4 广域校核后的各变电站负荷模型参数

	X_D	X_s	M_lf	K_pm
	X_D	X_s	M_lf	K_pm	工业为主负荷类	0.092	0.085	0.314	68.075
商业为主负荷类	0.054	0.084	0.354	42.654	工业为主负荷类	0.092	0.085	0.314	68.075
商业为主负荷类	0.054	0.084	0.354	42.654	农业(居民)为主负荷类	0.061	0.077	0.276	77.102
含小电源类	0.085	0.095	0.389	32.051	农业(居民)为主负荷类	0.061	0.077	0.276	77.102

分析图4～7的结果，可知：

(1)由于事故当天的运行方式无法获取，采用的是H电网调度中心提供的运行数据进行仿真计算，使得潮流的初始值与事故当天的值对不上，故图中显示的有功大小不相等，采用归一化后的有功功率值进行对比分析。

(2)采用广域校核后的负荷参数及其负荷分类结果，进行仿真得到的广域数据点的有功功率曲线与PMU实测的有功功率具有非常相似的变化趋势。

(3)采用广域校核后的负荷参数及其负荷分类结果，进行仿真得到的广域数据点的无功功率曲线与PMU实测的无功功率有一定的差别，主要表现在仿真曲线中有一个由于自动重合闸操作失败导致电压下降过程，而PMU实测曲线没有观测到这个现象。造成这种差别的原因可能是PMU采集无功信息不准导致的。

(4)上述结果也证明了提出的基于广域信息的负荷模型参数的合理性以及校核方法的有效性。

Claims

1.一种电力系统负荷的建模方法，其步骤是：

A、基于日有功负荷曲线的负荷分类(1)，选定日负荷的三个时间段作为对象，7:00至8:00，9:00至19:00，20:00至22:00，分别定义为日负荷低谷区、平坦区、高峰区时段，在选用静态指标参数的基础上，根据不同类型变电站日负荷曲线呈现的分区时段上的变化不同，定义了反映典型类型负荷的相对动态变化趋势的指标，与其它参数一起构成6维特征量数据空间：[x1，x2，x3，x4，x5，x6]，利用模糊c聚类方法进行聚类，

B、基于统计综合法的负荷建模(2)，结合负荷分布和负荷分类，每类负荷选取一个变电站开展基于统计综合法的负荷调研，其中，以各电压等级变电站为点，调查、收集各级网络参数和支路潮流以及无功补偿情况；以直接供给终端负荷的10kV馈线为主线，调查、收集各终端负荷不同季节下的负荷构成和负荷特性资料，根据220kV变电站的负荷特性调查结果，以配电网络的综合负荷模型结构为建模的目标：

上述各等值元件模型中，确定的参数为：

(3)无功补偿参数Q_C；为并联电容器补偿容量；

(4)配网阻抗参数R_D，X_D；

C、基于仿真分析的负荷模型参数灵敏度分析及范围分析(3)，改变负荷模型参数大小进行仿真计算，得到负荷模型各参数对电力系统暂态特性影响的灵敏度，以改变负荷模型参数后暂态稳定特性响应曲线能否回到初始运行点为依据，确定各参数的范围，负荷模型各参数中，选定一个参数变化，在负荷点附近施加一个扰动，计算参数变化前后负荷点的有功、无功、电压曲线变化的均方差值，参数变化小时，负荷点响应特性变化大，按照同样的参数变化率下负荷点响应特性变化的大小排序，确定负荷模型参数的灵敏度，采用该分析方法，改变负荷参数大小，施加同样的扰动，直至负荷响应特性不能回到原来的平衡点，确定负荷参数的变化范围，对H电网的负荷模型参数分析，结果表明，励磁电抗(X_m)、惯性时间常数(2H)、转子电抗(X_r)，定子电阻(R_s)、电动机机械阻尼矩系数(A，B)、静态负荷系数(P_Z，P_I，Q_Z，Q_I)和配电网络等值电阻(R_D)参数对电力系统的暂态稳定性影响小的灵敏特性，定子电抗(X_s)、配网电抗(X_D)、感应电动机负荷比例(K_pm)、初始有功负荷率(M_lf)参数则对系统的暂态稳定特性影响表现出大的灵敏特性；

D、基于遗传算法的负荷模型参数节点辨识(4)，以变电站的负荷参数作为初值，以灵敏度分析确定的模型参数范围为基础，以拟合本地扰动数据为目标，固定低灵敏度参数值为统计综合法调研参数值，采用遗传算法，进行高灵敏度参数的节点辨识，得到符合本地扰动信息的多组负荷模型参数，利用相量测量单元测量的本地扰动数据进行节点参数辨识，将负荷群看成一个整体，通过在现场采集负荷所在母线的PMU电压、有功、无功数据，根据系统辨识确定负荷模型结构和参数，获得的模型参数是以模型响应地拟合所观测到本地的负荷响应数据为目标，得到分布范围较广的参数，具体步骤如下：

(1)按照参数辨识方法，给定一组待辨识参数的初值；

(3)根据虚拟母线电压计算纯负荷功率；

(5)在参数合理范围内，采用遗传算法不断优化辨识参数，回到(1)，直至收敛结束；

E、基于WAMS的负荷模型参数广域校核(5)，以节点辨识的多组解作为初值，以对系统广域动态特征的精确拟合为目标，校核负荷模型参数，得到反映系统在遭受扰动时的广域动态特性的唯一解，根据负荷点与广域数据点的位置，采用分别在负荷点i的远端、近端、出线处设置三相接地短路扰动的方法获得三种情况下的发电机功角、重要联络线路输送功率动态数据作为广域测量数据，改变负荷点i的负荷模型类型及参数，记录发电机功角、联络线路输送功率动态数据作为相关度指标计算数据源，定义均方差相关度来描述负荷点与广域数据点之间的相关度，以负荷点与发电机节点之间的相关度进行说明：

其中，δ_i，j(k)(或

)为负荷点i的负荷特性变化前，第j台发电机功角曲线的第k个采样值；

(或

Δ d_{δ} = \sqrt{Σ_{i = 1}^{N} {(δ_{i}^{*} - δ_{i}^{0})}^{2} / N}

Δ d_{P} = \sqrt{Σ_{i = 1}^{N} {(P_{i}^{*} - P_{i}^{0})}^{2} / N}

Δ d_{Q} = \sqrt{Σ_{i = 1}^{N} {(Q_{i}^{*} - Q_{i}^{0})}^{2} / N}

Δ \overset{&OverBar;}{d} = Σ_{i = 1}^{m} σ_{δ_{i}} Δ d_{δ_{i}} + Σ_{i = 1}^{t} σ_{l_{i}} Δ d_{P_{i}} + Σ_{i = 1}^{t} σ_{l_{i}} Δ d_{Q_{i}}

反映第i台发电厂与所校核负荷点之间的相关度大小，反映第i条联络线与所校核负荷点之间的相关度大小，

作为最终判断负荷模型参数是的量化指标，建立了以上量化指标，再运用数值优化算法，求出使量化指标达到的负荷模型参数。