论文部分内容阅读
电力系统数字仿真已成为电力系统规划、运行、控制和决策的主要手段,负荷模型则是影响仿真结果精度和可信度最为重要的因素之一。由于负荷自身的随机时变性、多样性、地域分散性和非线性等特点,负荷建模仍然是国内外电力系统界公认的难题。电力系统负荷建模研究中,负荷模型结构一直是倍受关注的最基本和最关键的问题之一。电力系统综合负荷成分复杂,单纯采用静态或动态负荷模型难以精确描述其复杂特性,采用静态模型与动态模型相结合的综合负荷模型已成为趋势。针对现有机理综合负荷模型结构复杂、参数不容易辨识等问题,本文采用改进ZIP/幂函数+差分方程模型来描述综合负荷的动态特性。其中,ZIP/幂函数描述负综合荷中的静态负荷成分,差分方程描述综合负荷中的动态负荷成分。将动模试验中获得的故障录波数据作为建模数据,基于模型回响辨识原则建立模型参数辨识所对应的优化目标函数,采用粒子群算法求解优化问题,实现了模型参数的辨识。建模结果表明该模型结构简单,参数易辨识,能够较好的描述综合负荷的动态特性。该模型可以作为综合负荷建模时模型结构的一种选择。大区电网中的负荷节点数目众多,对每一个负荷节点均进行测量建模比较困难,有效的办法是将众多负荷节点进行分类,从每类中挑选出典型节点建模。本文提出一种基于SOM神经网络的变电站负荷特性分类与综合方法。SOM神经网络能够对输入模式进行自动聚类,已建立的SOM神经网络能够对新的输入模式进行判别。以变电站各行业的构成比例作为分类特征向量,利用SOM神经网络对某电网48个变电站负荷特性进行了分类与综合,取得了令人满意的结果。在不改变电网已有的变电站负荷特性分类的情况下,利用已训练好的SOM神经网络可以方便地实现新增变电站负荷特性的判别。该方法克服了变电站负荷特性分类与综合的随机性和主观性,为负荷建模走向实用化提供了新的途径。