数字仿真作为电网规划、设计、分析和控制的重要方式,而模型的精确程度对仿真的结果有重要影响。随着我国电力系统复杂程度越来越高,精确的负荷模型对提高电力系统数字仿真精度尤为重要。同时,电力系统中的负荷成分也不断地发生着改变,各种非线性负荷占比与日俱增,大量的分布式电源并入配电网,传统的经典负荷模型很难刻画这些完全不同的负荷特性,增加了描述负荷特性的复杂程度。因此,加强对负荷动态特性的研究,建立能够描述实际负荷动特性的精确负荷模型具有重要的理论价值和现实意义。本文对负荷动特性分类与综合进行了深入研究。具体内容如下：(1)对含有分布式电源的负荷分类进行研究。对负荷扰动数据利用提升小波包进行处理,分析能量矩及其在各频段上的分布,通过聚类算法进行负荷分类；仿真采用基于提升小波包的负荷聚类算法分析了带有主动负荷的典型IEEE-14节点配网,验证了方法的有效性。(2)在负荷动特性特征提取的基础上,提出了基于马尔柯夫-蒙特卡罗的负荷特性分类与综合方法。该方法先验证负荷序列在负荷类别间的变化具有马氏性；将所有负荷特征数据按时间平均分段,对每段数据基于最大似然建立马尔柯夫链的概率转移矩阵,依据矩阵相应的数字特征对时间段的负荷特征数据进行聚类,对聚类后的各类时间段负荷特征序列再建立总的概率矩阵；在全时段上利用序贯蒙特卡洛方法生成完整的负荷特征数据序列,采用隐马尔柯夫模型得到更为精确的负荷类别变化数据序列,进行分类与综合。(3)算例针对主动配网的负荷动特性的不同影响因素,设置了对比测试,并在一段时间内设置了负荷动特性的时变情况。算例对负荷动特性数据进行了特征提取与分类,结果表明聚类结果与各样本动特性的相似性趋势基本一致,验证了基于提升小波包能量分析的负荷聚类算法在负荷特性特征提取方面的有效性。仿真验证了基于马尔柯夫-蒙特卡罗的方法对负荷动态特性进行分类与综合的有效性。