CN111585285A - 基于电压监测系统的负荷建模方法及装置 - Google Patents

基于电压监测系统的负荷建模方法及装置 Download PDF

Info

Publication number
CN111585285A
CN111585285A CN202010429008.5A CN202010429008A CN111585285A CN 111585285 A CN111585285 A CN 111585285A CN 202010429008 A CN202010429008 A CN 202010429008A CN 111585285 A CN111585285 A CN 111585285A
Authority
CN
China
Prior art keywords
load model
load
voltage
model parameters
parameters
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010429008.5A
Other languages
English (en)
Inventor
和鹏
郭成
孟贤
何廷一
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of Yunnan Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Yunnan Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of Yunnan Power Grid Co Ltd filed Critical Electric Power Research Institute of Yunnan Power Grid Co Ltd
Priority to CN202010429008.5A priority Critical patent/CN111585285A/zh
Publication of CN111585285A publication Critical patent/CN111585285A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Power Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Geometry (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开一种基于电压监测系统的负荷建模方法及装置，该方法通过获取负荷变电站的负荷模型参数，所述负荷模型参数通过电压监测系统辨识得到，对所述负荷模型参数进行灵敏度分析，计算所述负荷模型参数的灵敏度值，根据所述灵敏度值的大小，确定所述负荷模型参数中需要修正的目标参数，基于粒子群算法对所述负荷模型参数中需要修正的目标参数进行修正，对于负荷模型同时考虑电压特性和频率特性，能够更真实的反映负荷的动态特性，采用粒子群算法对负荷模型进行修正，使仿真模型更加准确，仿真结果更加可信，为电力系统的科学规划和安全稳定运行提供了重要保障。

Description

基于电压监测系统的负荷建模方法及装置
技术领域
本发明涉及电力技术领域，尤其涉及一种基于电压监测系统的负荷建模方法及装置。
背景技术
长期以来，人们对于电力系统四大模型中的发电机、调速系统、励磁系统在行为机理和现场实测方面进行了深入研究，提出了适应不同仿真精度要求的数学模型。
对于作为电力系统中重要组成之一的负荷模型，目前业内的研究力度不够，在目前电力系统仿真计算中，使用的负荷模型也比较粗糙。负荷模型的精确度已经成为了整个电力系统仿真计算中提高精度的瓶颈，使得其它元件模型的精确性难以发挥其应有的作用，从而降低了系统仿真分析的可信程度，并且会造成过于悲观或乐观的分析结果，给电力的生产与发展带来巨大的损失。负荷模型对系统暂态稳定、动态稳定、电压稳定、频率稳定等具有明显的影响。目前负荷模型较多使用固定的经验参数，难以真实反映负荷的动态特性，导致仿真结果不准确。
发明内容
本发明提供一种基于电压监测系统的负荷建模方法及装置，以解决目前负荷模型较多使用固定的经验参数，难以真实反映负荷的动态特性，导致仿真结果不准确的问题。
第一方面，本发明提供一种基于电压监测系统的负荷建模方法，所述方法包括：
获取负荷变电站的负荷模型参数，所述负荷模型参数通过电压监测系统辨识得到；
对所述负荷模型参数进行灵敏度分析，计算所述负荷模型参数的灵敏度值；
根据所述灵敏度值的大小，确定所述负荷模型参数中需要修正的目标参数；
基于粒子群算法对所述负荷模型参数中需要修正的目标参数进行修正。
可选的，获取负荷变电站的负荷模型参数包括：
获取负荷变电站发生故障或者电压扰动时的三相电压、电流及功率瞬时值；
对所述三相电压、电流及功率瞬时值进行平滑滤波预处理；
将预处理后的静止坐标系下的三相电压和电流瞬时值，变换为同步旋转坐标系下的空间矢量值，空间矢量包括电压、频率、有功功率和无功功率；
将所述电压和频率作为负荷模型的输入数据，将所述有功功率和无功功率作为负荷模型的实际输出数据，建立待辨识的负荷模型，并进行负荷模型参数辨识。
可选的，将预处理后的静止坐标系下的三相电压和电流瞬时值，变换为同步旋转坐标系下的空间矢量值的步骤中，采用正序基波空间旋转矢量坐标变换方法，将预处理后的静止坐标系下的三相电压和电流瞬时值。
可选的，对所述负荷模型参数进行灵敏度分析，计算所述负荷模型参数的灵敏度值包括：
对所述负荷模型参数进行改变，施加电网扰动事件；
根据所述负荷模型参数改变前后的功角、电压、频率变化，计算所述负荷模型参数的灵敏度值。
可选的，基于粒子群算法对所述负荷模型参数中需要修正的目标参数进行修正包括：
以系统功角稳定、频率稳定及电压稳定为目标，设定目标函数：
Min|error|＝n1×min|errormax|+n2×min|errorall|，n1+n2＝1，其中，error为功角、频率、电压的PMU实测波形与仿真波形误差，errormax为最大误差，errorall为整体误差，n1和n2为权重；
由PMU记录电网实际动态过程场景，并基于实际场景建立相应的仿真算例；
给定所述负荷模型参数中需要修正的目标参数的范围；
在参数合理范围内，根据所述目标函数，采用粒子群算法对所述需要修正的目标参数进行优化，直至收敛结束。
第二方面，本发明提供一种基于电压监测系统的负荷建模装置，所述装置包括：
获取单元，用于获取负荷变电站的负荷模型参数，所述负荷模型参数通过电压监测系统辨识得到；
计算单元，用于对所述负荷模型参数进行灵敏度分析，计算所述负荷模型参数的灵敏度值；
确定单元，用于根据所述灵敏度值的大小，确定所述负荷模型参数中需要修正的目标参数；
修正单元，用于基于粒子群算法对所述负荷模型参数中需要修正的目标参数进行修正。
可选的，所述获取单元包括：
获取子单元，用于获取负荷变电站发生故障或者电压扰动时的三相电压、电流及功率瞬时值；
预处理子单元，用于对所述三相电压、电流及功率瞬时值进行平滑滤波预处理；
变换子单元，用于将预处理后的静止坐标系下的三相电压和电流瞬时值，变换为同步旋转坐标系下的空间矢量值，空间矢量包括电压、频率、有功功率和无功功率；
第一建立子单元，用于将所述电压和频率作为负荷模型的输入数据，将所述有功功率和无功功率作为负荷模型的实际输出数据，建立待辨识的负荷模型，并进行负荷模型参数辨识。
可选的，所述变换子单元，用于采用正序基波空间旋转矢量坐标变换方法，将预处理后的静止坐标系下的三相电压和电流瞬时值。
可选的，所述计算子单元包括：
扰动子单元，用于对所述负荷模型参数进行改变，施加电网扰动事件；
计算子单元，用于根据所述负荷模型参数改变前后的功角、电压、频率变化，计算所述负荷模型参数的灵敏度值。
可选的，所述修正单元包括：
设定子单元，用于以系统功角稳定、频率稳定及电压稳定为目标，设定目标函数：
Min|error|＝n1×min|errormax|+n2×min|errorall|，n1+n2＝1，其中，error为功角、频率、电压的PMU实测波形与仿真波形误差，errormax为最大误差，errorall为整体误差，n1和n2为权重；
第二建立子单元，用于由PMU记录电网实际动态过程场景，并基于实际场景建立相应的仿真算例；
给定子单元，用于给定所述负荷模型参数中需要修正的目标参数的范围；
优化子单元，用于在参数合理范围内，根据所述目标函数，采用粒子群算法对所述需要修正的目标参数进行优化，直至收敛结束。
本发明的有益效果如下：本发明提供的一种基于电压监测系统的负荷建模方法及装置，通过获取负荷变电站的负荷模型参数，所述负荷模型参数通过电压监测系统辨识得到，对所述负荷模型参数进行灵敏度分析，计算所述负荷模型参数的灵敏度值，根据所述灵敏度值的大小，确定所述负荷模型参数中需要修正的目标参数，基于粒子群算法对所述负荷模型参数中需要修正的目标参数进行修正，对于负荷模型同时考虑电压特性和频率特性，能够更真实的反映负荷的动态特性，采用粒子群算法对负荷模型进行修正，使仿真模型更加准确，仿真结果更加可信，为电力系统的科学规划和安全稳定运行提供了重要保障。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于电压监测系统的负荷建模方法的流程图。
图2为综合负荷模型电路图。
图3为负荷模型参数获得过程的流程图。
图4为计算负荷模型参数灵敏度的流程图。
图5为通过粒子群优化算法进行参数辨识的流程图。
图6为本发明实施例提供的一种基于电压监测系统的负荷建模装置的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。以下结合附图，详细说明本发明各实施例提供的技术方案。
请参阅图1，为本发明实施例提供的一种基于电压监测系统的负荷建模方法，所述方法包括：
步骤S101，获取负荷变电站的负荷模型参数，所述负荷模型参数通过电压监测系统辨识得到。
具体地，如图3所示，获取负荷变电站的负荷模型参数包括：
步骤S201，获取负荷变电站发生故障或者电压扰动时的三相电压、电流及功率瞬时值。
步骤S202，对所述三相电压、电流及功率瞬时值进行平滑滤波预处理。
步骤S203，将预处理后的静止坐标系下的三相电压和电流瞬时值，变换为同步旋转坐标系下的空间矢量值，空间矢量包括电压、频率、有功功率和无功功率。其中，采用正序基波空间旋转矢量坐标变换方法，将预处理后的静止坐标系下的三相电压和电流瞬时值。
步骤S204，将所述电压和频率作为负荷模型的输入数据，将所述有功功率和无功功率作为负荷模型的实际输出数据，建立待辨识的负荷模型，并进行负荷模型参数辨识。负荷模型采用图2所示的综合负荷模型，负荷模型如下：负荷模型采用三阶感应电动机并联负荷静特性的模型，共包含16个等值参数，分别为Rs、Xs、Rr、Xr、Xm、H、A、B、Pz、Pp、Qz、Qp、LDP、LDQ、Kpm、Mlf，其中Rs为定子电阻，Xs为定子漏抗，Rr为转子电阻，Xr为转子漏抗，Xm为电动机激磁电抗，H为转子惯性时间常数的一半，A、B为机械转矩系数，Pz为负荷有功功率中恒阻抗组成比例，Pp为负荷有功功率中恒功率组成比例，Qz为负荷无功功率中恒阻抗组成比例，Qp为负荷无功功率中恒功率组成比例，LDP为频率变化1％引起的有功变化百分数，LDQ为频率变化1％引起的无功变化百分数，Kpm为等值电动机负荷在总负荷中所占的比例，Mlf为初始负荷率系数。
负荷模型采用三阶感应电动机并联负荷静特性的模型，含频率特性的静态负荷模型：
Figure BDA0002499811040000051
式中，PZ+PI+PP＝1，QZ+QI+QP＝1。U和U0分别为母线实际电压与母线额定电压；Ps和Qs分别为静态有功和无功功率，PZ、PI、PP分别为负荷有功功率中与电压平方成关系、与电压成线性关系以及与电压无关的恒阻抗、恒电流以及恒功率的组成比例；QZ、QI、QP与之类同；LDP为频率变化1％引起的有功变化百分数，LDQ与之类同。
含频率特性的三阶感应电动机模型如下：
Figure BDA0002499811040000052
Figure BDA0002499811040000053
其中，Rs、Xs、Rr、Xr、Xm分别是等值电动机的定子电阻、定子漏抗、转子电阻、转子漏抗和电动机激磁电抗，ω为转子的转速，H为转子的惯性时间常数，Ed＇和Eq＇分别为为电动机d轴和q轴的暂态电动势，Id和Iq分别为定子d轴和q轴的电流，A、B、C为机械转矩系数。为了使模型参数的基准容量能够动态的跟踪负荷初始功率的变化进而消除因负荷幅值变化引起的负荷时变性对建模的影响，特别定义了两个参数Kpm为和Mlf，Kpm为等值电动机负荷在总负荷中所占的比例，Kpm＝P0′/P0，P＇0为等值感应电动机负荷所消耗的初始有功，P为负荷总的初始有功功率，Mlf为初始负荷率系数，
Figure BDA0002499811040000061
SMB为感应电动机的额定容量，UB是负荷基准电压，U0是负荷母线电压初始值。
对于处理过的电压监测系统数据，进行负荷参数辨识过程如下：
首先根据110kV母线上电压监测系统的测量电压、有功、无功和配电网的等值阻抗等数据，计算出虚拟负荷母线上的电压
Figure BDA0002499811040000062
和纯负荷功率PL+jQL。
对异步电动机进行初始化计算，得出初始功率PM0+jQM0，从而计算出静态负荷的初始功率PS0+jQS0。
根据描述异步电动机机电暂态特性的微分方程组，以电压
Figure BDA0002499811040000063
作为输入量，暂态电势
Figure BDA0002499811040000064
和转子角速度ωr作为状态变量，消耗的功率PMC+jQMC作为输出量，用数值解法(龙格-库塔法)来求解此微分方程组，计算出每一个迭代点(测量点)的功率PMC+jQMC。
将静态负荷近似用恒阻抗来表示，并将无功补偿并入静态负荷，根据电压
Figure BDA0002499811040000065
的变化求取每一个测点的静态负荷功率PC+jQC，计算公式如下：
Figure BDA0002499811040000066
Figure BDA0002499811040000067
其中，PC和QC为测点功率，PC0和QC0为初始功率，VL为母线电压，VL0为初始母线电压。
确定目标函数。目标函数取有功功率和无功功率模型计算结果与测量结果的误差平方和：
Figure BDA0002499811040000068
其中，N为测点数，E为误差平方和，PL和QL为计算功率，PC和QC为测量功率。
用粒子群优化算法进行参数辨识，直到满足收敛条件。如图5所示，粒子群算法步骤如下：
步骤S401，初始化粒。设定算法中涉及的各类参数：搜索空间的下限Ld和Ud，学习因子c1，c2，算法最大迭代次数Tmax，粒子速度范围[-vmax，vmax]；随机初始化搜索点的位置xi及其速度vi，设当前位置即每个粒子的pbesti，从个体极值找出全体极值，记录该最好值的粒子序号g及其位置gbest。
步骤S402，计算粒子的适应值(目标函数值)，如果好于该粒子当前的个体极值，则将pbesti设置为该粒子的位置，且更新个体极值。如果所有粒子的个体极值中最好的好于当前的全局极值，则将gbest设置为该粒子的位置，更新全局极值及其序号g。
步骤S403，更新个体历史最优值。
步骤S404，更新全局最优值。
步骤S405，更新粒子速度和位置，形成新种群。
其中，粒子的状态更新，用速度和位置公式对每一个粒子的速度和位置进行更新。当当vid>vmax时，令vid＝vmax，相反，当vid<vmax时，令vid＝-vmax。
步骤S406，判断是否达到迭代次数。检验是否符合结束条件，如果当前的迭代次数达到了预先设定的最大次数Tmax，则停止迭代，输出最优解，否则转到步骤S402。
粒子群算法的基本思想是随机初始化蚁群没有体积没有质量的粒子，将每个粒子视为优化问题的一个可行解，粒子的好坏由设定的目标函数确定，每个粒子将在可行解空间中运动，并由一个速度变量决定其方向和距离，在每一代中，粒子将跟踪两个极值：一个是粒子本身迄今为止找到的最优解，另一个是整个群体迄今为止找到的最优解。
步骤S102，对所述负荷模型参数进行灵敏度分析，计算所述负荷模型参数的灵敏度值。
如图4所示，对所述负荷模型参数进行灵敏度分析，计算所述负荷模型参数的灵敏度值包括：
步骤S301，对所述负荷模型参数进行改变，施加电网扰动事件；
步骤S302，根据所述负荷模型参数改变前后的功角、电压、频率变化，计算所述负荷模型参数的灵敏度值。
具体地，改变负荷模型参数大小，通过仿真计算进行负荷模型参数的灵敏度分析。选择某一负荷参数变化，施加电网扰动事件，观察参数改变前后的功角、电压、频率变化趋势，并根据计算相应的均方差值进行灵敏度分析。
步骤S103，根据所述灵敏度值的大小，确定所述负荷模型参数中需要修正的目标参数。仿真结果表明，感应电动机参数H、A、Kpm、PZ、Pp、LDP等共计6个参数灵敏度较大，其余参数值灵敏度比较小，因此在参数调整的过程中优先考虑灵敏度高的参数进行修正。
步骤S104，基于粒子群算法对所述负荷模型参数中需要修正的目标参数进行修正。
具体地，以系统功角稳定、频率稳定及电压稳定为目标，设定目标函数：
Min|error|＝n1×min|errormax|+n2×min|errorall|，n1+n2＝1，其中，error为功角、频率、电压的PMU实测波形与仿真波形误差，errormax为最大误差，errorall为整体误差，n1和n2为权重。由PMU记录电网实际动态过程场景，并基于实际场景建立相应的仿真算例。给定所述负荷模型参数中需要修正的目标参数的范围；在参数合理范围内，根据所述目标函数，采用粒子群算法对所述需要修正的目标参数进行优化，直至收敛结束。
请参阅图6，本发明还提供一种基于电压监测系统的负荷建模装置，所述装置包括：
获取单元1，用于获取负荷变电站的负荷模型参数，所述负荷模型参数通过电压监测系统辨识得到；
计算单元2，用于对所述负荷模型参数进行灵敏度分析，计算所述负荷模型参数的灵敏度值；
确定单元3，用于根据所述灵敏度值的大小，确定所述负荷模型参数中需要修正的目标参数；
修正单元4，用于基于粒子群算法对所述负荷模型参数中需要修正的目标参数进行修正。
进一步地，所述获取单元1可以包括：
获取子单元，用于获取负荷变电站发生故障或者电压扰动时的三相电压、电流及功率瞬时值。
预处理子单元，用于对所述三相电压、电流及功率瞬时值进行平滑滤波预处理。
变换子单元，用于将预处理后的静止坐标系下的三相电压和电流瞬时值，变换为同步旋转坐标系下的空间矢量值，空间矢量包括电压、频率、有功功率和无功功率。
第一建立子单元，用于将所述电压和频率作为负荷模型的输入数据，将所述有功功率和无功功率作为负荷模型的实际输出数据，建立待辨识的负荷模型，并进行负荷模型参数辨识。
进一步地，所述变换子单元，用于采用正序基波空间旋转矢量坐标变换方法，将预处理后的静止坐标系下的三相电压和电流瞬时值。
进一步地，所述计算子单元包括：
扰动子单元，用于对所述负荷模型参数进行改变，施加电网扰动事件；
计算子单元，用于根据所述负荷模型参数改变前后的功角、电压、频率变化，计算所述负荷模型参数的灵敏度值。
进一步地，所述修正单元4可以包括：
设定子单元，用于以系统功角稳定、频率稳定及电压稳定为目标，设定目标函数：
Min|error|＝n1×min|errormax|+n2×min|errorall|，n1+n2＝1，其中，error为功角、频率、电压的PMU实测波形与仿真波形误差，errormax为最大误差，errorall为整体误差，n1和n2为权重；
第二建立子单元，用于由PMU记录电网实际动态过程场景，并基于实际场景建立相应的仿真算例；
给定子单元，用于给定所述负荷模型参数中需要修正的目标参数的范围；
优化子单元，用于在参数合理范围内，根据所述目标函数，采用粒子群算法对所述需要修正的目标参数进行优化，直至收敛结束。
本发明实施例还提供一种存储介质，本发明实施例还提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现本发明提供的基于电压监测系统的负荷建模方法的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文：Read-OnlyMemory，简称：ROM)或随机存储记忆体(英文：RandomAccessMemory，简称：RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于基于电压监测系统的负荷建模装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例中的说明即可。
以上所述的本发明实施方式并不构成对本发明保护范围的限定。

Claims (10)

1.一种基于电压监测系统的负荷建模方法，其特征在于，所述方法包括：
获取负荷变电站的负荷模型参数，所述负荷模型参数通过电压监测系统辨识得到；
对所述负荷模型参数进行灵敏度分析，计算所述负荷模型参数的灵敏度值；
根据所述灵敏度值的大小，确定所述负荷模型参数中需要修正的目标参数；
基于粒子群算法对所述负荷模型参数中需要修正的目标参数进行修正。
2.如权利要求1所述的方法，其特征在于，获取负荷变电站的负荷模型参数包括：
获取负荷变电站发生故障或者电压扰动时的三相电压、电流及功率瞬时值；
对所述三相电压、电流及功率瞬时值进行平滑滤波预处理；
将预处理后的静止坐标系下的三相电压和电流瞬时值，变换为同步旋转坐标系下的空间矢量值，空间矢量包括电压、频率、有功功率和无功功率；
将所述电压和频率作为负荷模型的输入数据，将所述有功功率和无功功率作为负荷模型的实际输出数据，建立待辨识的负荷模型，并进行负荷模型参数辨识。
3.如权利要求2所述的方法，其特征在于，将预处理后的静止坐标系下的三相电压和电流瞬时值，变换为同步旋转坐标系下的空间矢量值的步骤中，采用正序基波空间旋转矢量坐标变换方法，将预处理后的静止坐标系下的三相电压和电流瞬时值。
4.如权利要求1所述的方法，其特征在于，对所述负荷模型参数进行灵敏度分析，计算所述负荷模型参数的灵敏度值包括：
对所述负荷模型参数进行改变，施加电网扰动事件；
根据所述负荷模型参数改变前后的功角、电压、频率变化，计算所述负荷模型参数的灵敏度值。
5.如权利要求1所述的方法，其特征在于，基于粒子群算法对所述负荷模型参数中需要修正的目标参数进行修正包括：
以系统功角稳定、频率稳定及电压稳定为目标，设定目标函数：
Min|error|＝n1×min|errormax|+n2×min|errorall|，n1+n2＝1，其中，error为功角、频率、电压的PMU实测波形与仿真波形误差，errormax为最大误差，errorall为整体误差，n1和n2为权重；
由PMU记录电网实际动态过程场景，并基于实际场景建立相应的仿真算例；
给定所述负荷模型参数中需要修正的目标参数的范围；
在参数合理范围内，根据所述目标函数，采用粒子群算法对所述需要修正的目标参数进行优化，直至收敛结束。
6.一种基于电压监测系统的负荷建模装置，其特征在于，所述装置包括：
获取单元，用于获取负荷变电站的负荷模型参数，所述负荷模型参数通过电压监测系统辨识得到；
计算单元，用于对所述负荷模型参数进行灵敏度分析，计算所述负荷模型参数的灵敏度值；
确定单元，用于根据所述灵敏度值的大小，确定所述负荷模型参数中需要修正的目标参数；
修正单元，用于基于粒子群算法对所述负荷模型参数中需要修正的目标参数进行修正。
7.如权利要求6所述的装置，其特征在于，所述获取单元包括：
获取子单元，用于获取负荷变电站发生故障或者电压扰动时的三相电压、电流及功率瞬时值；
预处理子单元，用于对所述三相电压、电流及功率瞬时值进行平滑滤波预处理；
变换子单元，用于将预处理后的静止坐标系下的三相电压和电流瞬时值，变换为同步旋转坐标系下的空间矢量值，空间矢量包括电压、频率、有功功率和无功功率；
第一建立子单元，用于将所述电压和频率作为负荷模型的输入数据，将所述有功功率和无功功率作为负荷模型的实际输出数据，建立待辨识的负荷模型，并进行负荷模型参数辨识。
8.如权利要求7所述的装置，其特征在于，所述变换子单元，用于采用正序基波空间旋转矢量坐标变换方法，将预处理后的静止坐标系下的三相电压和电流瞬时值。
9.如权利要求6所述的装置，其特征在于，所述计算子单元包括：
扰动子单元，用于对所述负荷模型参数进行改变，施加电网扰动事件；
计算子单元，用于根据所述负荷模型参数改变前后的功角、电压、频率变化，计算所述负荷模型参数的灵敏度值。
10.如权利要求6所述的装置，其特征在于，所述修正单元包括：
设定子单元，用于以系统功角稳定、频率稳定及电压稳定为目标，设定目标函数：
Min|error|＝n1×min|errormax|+n2×min|errorall|，n1+n2＝1，其中，error为功角、频率、电压的PMU实测波形与仿真波形误差，errormax为最大误差，errorall为整体误差，n1和n2为权重；
第二建立子单元，用于由PMU记录电网实际动态过程场景，并基于实际场景建立相应的仿真算例；
给定子单元，用于给定所述负荷模型参数中需要修正的目标参数的范围；
优化子单元，用于在参数合理范围内，根据所述目标函数，采用粒子群算法对所述需要修正的目标参数进行优化，直至收敛结束。
CN202010429008.5A 2020-05-20 2020-05-20 基于电压监测系统的负荷建模方法及装置 Pending CN111585285A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010429008.5A CN111585285A (zh) 2020-05-20 2020-05-20 基于电压监测系统的负荷建模方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010429008.5A CN111585285A (zh) 2020-05-20 2020-05-20 基于电压监测系统的负荷建模方法及装置

Publications (1)

Publication Number Publication Date
CN111585285A true CN111585285A (zh) 2020-08-25

Family

ID=72123309

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010429008.5A Pending CN111585285A (zh) 2020-05-20 2020-05-20 基于电压监测系统的负荷建模方法及装置

Country Status (1)

Country Link
CN (1) CN111585285A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112436527A (zh) * 2020-10-30 2021-03-02 海南电网有限责任公司电力科学研究院 一种用于电力仿真模型参数辨识的阈值设置方法
CN114065535A (zh) * 2021-11-22 2022-02-18 国网天津市电力公司 一种基于多mgp并网的负荷分配及建模方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102377180A (zh) * 2011-08-17 2012-03-14 广东电网公司电力科学研究院 基于电能质量监测系统的电力系统负荷建模方法
CN107069698A (zh) * 2016-11-17 2017-08-18 云南电网有限责任公司电力科学研究院 一种基于粒子群算法的电力系统负荷建模方法
CN107122505A (zh) * 2016-02-25 2017-09-01 中国石油化工股份有限公司 一种负荷建模方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102377180A (zh) * 2011-08-17 2012-03-14 广东电网公司电力科学研究院 基于电能质量监测系统的电力系统负荷建模方法
CN107122505A (zh) * 2016-02-25 2017-09-01 中国石油化工股份有限公司 一种负荷建模方法及装置
CN107069698A (zh) * 2016-11-17 2017-08-18 云南电网有限责任公司电力科学研究院 一种基于粒子群算法的电力系统负荷建模方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112436527A (zh) * 2020-10-30 2021-03-02 海南电网有限责任公司电力科学研究院 一种用于电力仿真模型参数辨识的阈值设置方法
CN114065535A (zh) * 2021-11-22 2022-02-18 国网天津市电力公司 一种基于多mgp并网的负荷分配及建模方法

Similar Documents

Publication Publication Date Title
CN107577870B (zh) 基于同步相量量测的配电网电压功率灵敏度鲁棒估计方法
CN103401238B (zh) 一种基于总体测辨法的电力负荷建模方法
US10884060B1 (en) Dynamic parameter estimation of generators
CN111585285A (zh) 基于电压监测系统的负荷建模方法及装置
CN112072981B (zh) 一种基于sd-mpm的pmsm电流预测控制方法
CN112542855B (zh) 一种双馈风力发电系统相量模型建模及仿真方法
Turunen A wavelet-based method for estimating damping in power systems
CN115081299A (zh) 一种基于upf的电力系统鲁棒辅助预测状态估计方法
CN111969597A (zh) 带有svc的多机无穷大电力系统动态面积分滑模控制器
Roca et al. System frequency response model considering the influence of power system stabilizers
CN113972654B (zh) 一种多点接入的区域负荷惯性时间常数辨识方法
CN104007408A (zh) 一种pmu动态性能的在线检测方法及装置
CN109698505A (zh) 大电网静态电压稳定在线防控的调控量化映射计算方法
CN112511056A (zh) 一种基于相量测量的鲁棒发电机动态状态估计方法
CN116845886A (zh) 一种基于模型预测的多端口自主光伏系统构网型控制方法
CN104795812A (zh) 一种考虑定子阻尼效应并采用变量代换的慢同调分区法
CN112186767B (zh) 含高比例可再生能源的海岛微电网频率稳定的优化控制方法
CN109524990B (zh) 一种基于Voronoi图重心内插法的虚拟惯量配置方法
CN113721461A (zh) 一种基于多试验场景的新能源机组参数辨识方法及系统
Kataoka A smooth power flow model of electric power system with generator reactive power limits taken into consideration
CN117313293B (zh) 一种直驱风电场小信号等值建模方法、系统、终端及介质
Gupta et al. DFIG Equivalence of a Wind Farm by Extended Kalman Filter based Parameters Estimation
Kang et al. Subsynchronous Oscillation Parameters Identification Based on Prony-Levenberg Marquardt
Li et al. Research on small disturbance stability analysis method of wind power grid connected system based on Thevenin equivalent
Xu et al. Parameter Identification of Six-Order Synchronous Motor Model Based on Grey Box Modeling

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200825

RJ01 Rejection of invention patent application after publication