(电力系统及其自动化专业论文)电力负荷模型参数辨识与分类算法研究.pdf_第1页
(电力系统及其自动化专业论文)电力负荷模型参数辨识与分类算法研究.pdf_第2页
(电力系统及其自动化专业论文)电力负荷模型参数辨识与分类算法研究.pdf_第3页
(电力系统及其自动化专业论文)电力负荷模型参数辨识与分类算法研究.pdf_第4页
(电力系统及其自动化专业论文)电力负荷模型参数辨识与分类算法研究.pdf_第5页
已阅读5页,还剩49页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

西南交通大学硕士研究生学位论文第f l 页 a b s t r a c t w 弛t h ec o n s t a n te x p a n s i o na n dm o r ec o m p l e xs t r u c t u r eo fp o w e r 班d ,p e o p l eg r a d u a l l y r e a l i z e dt h ei m p o r t a n c eo fe l e c t r i cl o a dm o d e li np o w e rs y s t e ma n a l y s i s ,o p e r a t i o na n dc o n t r 0 1 s i n c em e a s u r e m e n t - b a s e dm o d e l i n ga p p r o a c hi sd i r e c t , r e a l i s t i c , p r a c t i c a l ,i tw a sq u i c k l y f a v o r e db ym o s tr e s e a r c h e r s b u ti ta l s oh a ss o m ep r o b l e m s ,s u c ha sr i d i n gi n d e xo fp a r a m e t e r s a n dp r a c t i c a b i l i t yo fl o a dm o d e l b a s e do nt h ea b o v ei s s u e s ,t h ep a r a m e t e ri d e n t i f i c a t i o na n d 1 0 a dm o d e lc l a s s i f i c a t i o na r er e s e a r c h e d n l et w om a i np r o b l e mo f m e a s u r e m e n t - b a s e dl o a dm o d e l i n gi sm o d e ls t r u c t u r eb a s e do n m e a s u r e dl o a dc h a r a c t e r i s t i c sd a t aa n dt h em o d e lp a r a m e t e r si d e n t i f i c a t i o n f i r s t ,t h r e ee x i s t e d l o a dm o d e l sa r ei n t r o d u c e d , a n dt h e np o i l l to u tt h a te i t h e rt h es t a t i cm o d e lo rd y n a m i cm o d e li s n o tag o o di n t e r p r e t a t i o no ft h em e a s u r e dl o a d 。f i n a l l y , t h e 艄s y n t h e s i sl o a dm o d e li s s e l e c t e d ,a n dt h ec o r r e s p o n d i n gp a r a m e t e r sa r ei d e n t i f i e d i d e n t i f i c a t i o na l g o r i t h mh a sas i g n i f i c a n ti m p a c tt ot h ep a r a m e t e rr i d i n gi n d e x i ft h e a l g o r i t h md on o th a v eag o o dg l o b a lc o n v e r g e n c ea n dag o o dc o n t r o lo ft h ep a r a m e t e r s d i s p e r s i o n , t h ei d e n t i f i e dm o d e lp a r a m e t e r sw i l lb eu n p r a c t i c a l c o n t r a p o s i n gt ot h ea n tc o l o n y a l g o r i t h me a s yt of a l li n t ol o c a lo p t i m u m a n dt h ec h a o s se r g o d i c i t ya n dr a n d o m n e s s ,t h ec h a o s i si n t r o d u c e di n t ot h ea n tc o l o n ya l g o r i t h m t h e nan e wa l g o r i t h mo ft h ec h a o sa n tc o l o n y o p t i m i z a t i o n i sp r o p o s e df o rt h el o a dm o d e lp a r a m e t e ri d e n t i f i c a t i o n , o v e r c o m i n gt h e d i s p e r s i v eo fm o d e lp a r a m e t e r s ,r e d u c i n gt h ei d e n t i f i c a t i o ne r r o r , a n di m p r o v i n gt h er o b u s t n e s s a n dp r e c i s i o no f i d e n t i f i c a t i o nr e s u l t s 砀ec l a s s i f i c a t i o no fl o a dm o d e l sb a s e do ni d e n t i f i e dp a r a m e t e rs p a c ei sr e s e a r c h e d 。 w h i c hi sa ni m p o r t a n ti s s u ei np r a c t i c a ll o a dm o d e l i nt h i sp a p e r , t h ei d e n t i f i e dp a r a m e t e ri s u s e da sf e a t u r ev e c t o ro ft h el o a dm o d e lc l u s t e ra n a l y s i s ;h c ma n df c ma r eu s e da st h e c l a s s i f i c a t i o na l g o r i t h m n l ee x a m p l er e s u l t si n d i c a t e dt h a tf c ma l g o r i t h mi sm o r ec o n v e n i e n t f o r t h ec l a s s i f i c a t i o no f l o a dm o d e l si ns e n s i t i v i t yo f i n i t i a lc o n d i t i o n sa n dv e r a c i t yo f r e s u l t s i na d d i t i o n , s i n c es o m ei n i t i a lv a l u em a yl e a dt oi n c o r r e c tc l a s s i f i c a t i o nw i 廿1f c m a l g o r i t h m ,a i li m p r o v e df c ma l g o r i t h mi sp r o p o s e di n t h i sp a p e ra n di ts e l e c t st h ei n i t i a l c l u s t e rc e n t e ru s i n gt h el a r g e s te u c l i d e a nd i s t a n c e t h er e s u l t sb ye x e m p l i f i c a t i o ne x p a t i a t e t h a tt h i sm e t h o da v o i d st h ee r r o rc l a s s i f i c a t i o na n dr e d u c e st h en u m b e ro fc o m p u t i n g , w h i c hi s e x c e l l e n tf o r t h ec l a s s i f i c a t i o no fl o a dm o d e l s k e yw o r d s :l o a dm o d e l ;p a r a m e t e ri d e n t i f i c a t i o n ;c l a s s i f i c a t i o n ;c h a o sa n tc o l o n ya l g o r i t h m ; h c ma l g o r i t h m ;f c ma l g o r i t h m 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向 国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权 西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索,可以采用影 印、缩印或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1 保密口,在年解密后适用本授权书; 2 不保密团,使用本授权书。 ( 请在以上方框内打“寸) 签名易式匕 日期:拗o ,箩, 指导老师签名:妻彦重 日期:汐,0 , 西南交通大学硕士学位论文主要工作( 贡献) 声明 本人在学位论文中所做的主要工作或贡献如下: 1 本文提出了一种适用于负荷模型参数辨识的算法一混沌蚁群混合算法。 该算法利用混沌算法的遍历性和随机性,在蚁群算法求解的基础上,对解的邻域进 行了混沌优化,有效避免了蚁群算法的局部收敛和收敛缓慢问题。算例结果表明:混沌 蚁群算法进行参数辨识,有效减少了收敛代数,加速了收敛速度,缩短了辨识时间,对 不同样本的参数辨识结果分散性控制更好。 2 本文在研究基于辨识参数空间的负荷模型分类问题的基础上,提出了一种适用于 负荷模型分类的改进f c m 算法。 首先,通过与其他类型的特征向量对比分析,选取辨识参数作为特征向量对负荷模 型进行聚类分析。然后,选用h c m 算法与f c m 算法分别在辨识参数空间对模型分类。 算例结果表明f c m 算法应用于基于辨识参数空间的负荷模型分类比h c m 算法更加有 效。最后分类结果的物理解释表明参数自身和模型分类有着密切的关系,从而证实了辨 识参数作为特征向量的合理性和有效性。 此外,针对f c m 算法部分初值会对产生误分类的缺陷,本文提出用样本之间的最 大欧式距离来对f c m 算法的初始聚类中心进行选取,以降低不良初值对分类结果的影 响。算例结果表明,所提方法有效避免了误分类情况的出现,减少了运算次数,提高了 分类效率,说明改进的f c m 算法是一种适合于负荷模型分类的算法。 本人郑重声明:所呈交的学位论文,是在导师指导下独立进行研究工作所得的成果。 除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的 研究成果。对本文的研究做出贡献的个人和集体,均已在文中作了明确说明。本人完全 了解违反上述声明所引起的一切法律责任将由本人承担。 学位论文作者签名: 日期: p 2 、j弋心 、析 伸艺七 西南交通大学硕士研究生学位论文第1 页 1 1 选题背景及研究意义 第1 章绪论 电力系统是由发电厂、输电网和电力负荷组成的电能生产、输送、分配和使用的统 一整体,是目前世界上人为搭建的最复杂的系统。要想对电力系统进行设计、分析与控 制,就需要把实际系统转化为一定的数学模型。过去几十年的时间里,发电机及输电网 络的建模分析已经取得了很大的发展,而负荷建模的发展则有些不能与之相匹配。就是 这种负荷模型的不成熟阻碍了整个系统模拟精度的进一步提高,并降低了改善发电机及 输电网络模型的价值n 3 。因此,对负荷模型进行研究具有一定的迫切性。 大量的计算与试验结果也表明电力负荷作为电能的主要消耗者,在电力系统的设计、 分析与控制中都有着重要影响,如对电力系统潮流计算、暂态稳定分析、电压稳定性、 潮流分析、小信号动态稳定等有着重要影响口q 利。 1 负荷模型对电压稳定性的影响 近几十年以来,随着一系列因为电压问题引起的大范围停电事故的发生,电压稳定 问题成为电力系统分析的研究热点。电压稳定性分析与电力系统其他的分析计算相比较, 对负荷模型的依赖程度更强。电压失稳中最活跃、最关键的因素就是负荷特性,而负荷 模型是对负荷特性的一种物理表示。虽然电压失稳的机理尚未完全清楚,但可以肯定的 是,负荷对电压稳定有很大的影响,国内外的很多学者也证明了这一点: 文献 7 8 以感应电动机为动态负荷模型,利用计算机仿真研究了电压稳定的机理 和感应电动机参数的变化对电压稳定计算结果的相关影响。 文献 9 指出,在电压崩溃事故的仿真过程中,采用静态负荷模型无法解释电压崩溃 全过程,而采用考虑感应电动机、照明、冰箱等用电设备特性的综合负荷模型时则合理 解释了整个过程。 文献 1 0 对负荷动态与电压稳定性之间的关系进行了研究,指出了动态负荷在电压 稳定问题中的重要作用,文献对电压稳定负荷建模研究现状进行了综述,并对电压稳定 负荷建模研究中的无功平衡、状态变量的选取、新型无功功率补偿和其他电力电子装置 对负荷建模的影响及负荷动态的平衡关系等几个关键问题进行了讨论,指出建立适当的 负荷模型是电压稳定性分析成功的关键。 文献 1 1 介绍了国内外较有代表性的几种电压稳定性定义,分析了短期电压失稳和 长期电压失稳的机理,论述了电压稳定性主要分析方法的原理,总结了各种电压稳定性 指标的特点。重点阐述了负荷的恢复特性和失稳特性对系统电压失稳的影响,并指出负 西南交通大学硕士研究生学位论文第2 页 荷对电压稳定性影响方面研究的主要内容:负荷在其端电压下降时的响应特性,建立适 合于电压稳定分析的负荷模型,负荷区域的电压稳定控制措施。 从以上几点分析足以说明,适当的负荷模型对电压稳定性分析结果准确度与可信程 度有着非常重要的影响。 2 。负荷模型对潮流计算的影响”2 1 i e e e 负荷建模工作组1 9 8 8 年在北美电力系统的8 5 个企业调查结果显示,在事故前 后的静态潮流计算中,绝大多数采用恒功率负荷模型,仅少数采用功率随电压变化的负 荷模型。仿真计算实践表明,当电网运行条件良好时,节点电压运行于额定值附近,采 用恒功率负荷模型的潮流计算一般不存在收敛性问题。但对于运行条件恶化的电网,例 如故障后断开线路或切除发电机组等,系统电压偏离额定值较大时,采用恒功率负荷模 型的潮流计算则存在收敛性问题,而采用考虑实际负荷功率随电压变化特性的负荷模型 时,潮流计算的收敛性就可以得到改善。 通过分析可以看出,采用恰当的负荷模型能够改善潮流的收敛性及计算精度。 3 。负荷模型对暂态稳定的影响 电力系统的暂态稳定是指在受到一个大的扰动时发电机在不失同步的条件下过度到 一个新的状态并且能在这个状态稳定的运行。负荷模型对暂态稳定的影响是通过负荷功 率随电压、频率的变化作用于加速或减速发电机转子上的过剩转矩来体现的。 文献 1 3 研究了加拿大一个局部系统从互联大系统解裂后的动态行为,发现采用静 态负荷模型和动态模型的计算结果相差很大,所以特别指出在较大电压、频率波动情况 下的暂态稳定计算中非常有必要采用动态负荷模型。 文献 1 4 结合广东电网的实测数据,建立了相应的动态负荷模型,并将这些模型和 b p a 静特性负荷模型分别应用于某地送出截面功率极限计算和某变电站事故仿真两个实 际算例,算例结果表明:采用基于实测的动特性负荷模型计算所得的短路电流值比采用 静态负荷模型更接近实际电流值;在计算截面稳定极限时,动态和静态模型得到的机电暂 态结果比较吻合,且基于实测的动特性负荷模型计算出的功率极限稍大,极限切除时间略 长。 由上述分析可见,在暂态稳定分析计算中考虑适当的精确的负荷模型是十分重要的。 综上可知,负荷模型对多种电力系统分析的计算结果都有着重要的影响,充分说明 了负荷建模研究的重要性和必要性。经过国内外学者长时间的研究分析,目前负荷建模 研究的重点主要有三个方面:负荷模型结构的确定,辨识算法的选择,以及负荷模型的 分类与综合。 长期以来,人们对负荷模型的结构进行了大量的研究分析,力求使模型结构能够更 好的反应负荷特性。然而要得到更加精确的负荷模型,辨识算法是非常重要的一部分, 辨识算法的不适合往往会导致模型参数的不准确,从而影响模型的精确性。 西南交通大学硕士研究生学位论文第3 页 i_ - - 从负荷模型的精确性出发,对于不同地点、不同时刻的负荷应该具有各自独立的负 荷模型;从工程的实用性上讲,使用各自独立的负荷往往会导致使用的复杂和混乱,最 好是所有负荷均能够使用同一个负荷模型。这就是负荷模型精确性与工程实用性之间的 矛盾之所在,为了解决这一矛盾,就需要从大量复杂的负荷表象中提取其共性,使模型 的准确性和实用性合理兼顾,即对负荷模型进行分类与综合n 5 1 。 本文的工作就是以这些问题为出发点,采用了混沌蚁群混合优化算法对综合负荷模 型参数进行了辨识分析,并且基于辨识参数空间使用聚类分析的方法对负荷模型进行了 分类研究。 1 2 负荷建模的发展与国内外研究现状 1 2 1 负荷建模的发展 随着我国主要电网的全国性互联的推进,电网规模不断扩大,复杂程度越来越高, 电网的动态特性及电压稳定性问题更加突出,负荷模型对电力系统数字仿真结果的影响 已不容忽视。因此,为了使系统分析结果更加可信,使分析真正起到定量的作用,为电 力系统规划、运行与控制提供准确的依据,有必要建立切合实际的负荷模型n 羽。 认识到负荷模型对电力系统分析的重要性,并研究负荷随电压和频率变化的静态和 动态特性,较早可以追溯到二十世纪三四十年代美国和前苏联学者进行的工作,这一时 期是负荷建模的萌芽期。 到了6 0 年代,计算机数字模拟的迅速发展为复杂电力系统的分析提供了有力工具, 使得在计算中采用较之人工复杂的模型成为可能。因此,与其他系统元件模型一样,负 荷建模工作有了相当的进展,人们不满足于用恒阻抗、恒电流和恒功率负荷模型来表征 负荷特性,在计算中提出了感应电动机、多项式和幂函数等负荷模型n 剖。 6 0 年代末7 0 年代初,由于对电力系统仿真计算精度要求的提高,发电机、原动机 和调速系统等元件的模型愈来愈精确,而负荷模型由于其特殊的困难性基本上停留在原 来的水平。 为了开创负荷建模的新局面,1 9 7 6 年美国电力科学研究院( e p r i ) 主持了一项庞大 的研究计划n 钉,其主要目的是致力于统计综合法负荷建模的研究。研究工作在加拿大和 美国同时展开,美国的u t a 大学负责建模方法的研究,g e 公司负责通过现场试验对建 模方法进行评价;在加拿大则由魁北克水电研究所进行总体辨识法的研究。该方法是在 实验室里确定每种典型负荷的平均特性方程;然后在一个负荷点上统计一些特殊时刻负 荷的组成,即每种典型负荷所占的百分比,以及配电线路和变压器的数据,最后综合这 西南交通大学硕士研究生学位论文第4 页 些数据得出该负荷点的负荷模型。在上述研究工作的推动下,1 9 7 9 - 1 9 8 3 年,负荷模型 研究进入了高潮。 1 9 8 2 年在西欧国际大电网会议( c g r e ) 上成立了有关负荷建模的工作组,旨在研究 和建立适合于电力系统计算的动、静态负荷模型。1 9 8 4 年9 月在芬兰赫尔辛基召开的第 八届电力系统计算会议( p s c c ) 也将负荷模型列为重要的研究课题之一。 6 0 年代开始迅速而蓬勃发展起来的系统辨识理论,到了8 0 年代后期,随着系统辨 识理论的日趋丰富与完善,加之计算机数据采集与处理技术的发展,一种新的负荷建模 方法一总体测辨法。该方法的基本思想是将负荷群作为一整体,先在现场进行人为扰 动试验或在线捕捉自然扰动,采集测量数据,然后由现场采集的数据辨识负荷模型的结 构和参数,最后,再用大量的实测数据验证模型的有效性。 i e e e 负荷建模组自1 9 8 2 年成立以来,对指导负荷建模的研究和归纳总结负荷建模 的研究成果起到了重要作用。1 9 9 0 年提出了t a s k - f o r c e 0 5 专题报告,结合荷兰f g o 电 网对各种负荷模型动态计算效果进行了详细论证,对负荷模型及测试方法进行了总结。 1 9 9 3 年的报告统一了负荷建模中的许多述语和定义,总结了不同类型负荷、不同分析目 的的负荷模型的构造技巧和需要考虑的重要方面。1 9 9 5 年8 月的报告推荐了用于电力系 统潮流计算和动态仿真的标准化负荷模型n 射。 近年来,中国电力科学研究院、华北电力大学、清华大学、河海大学等科研院所与 东北电网、河南电网、华北电网、西北电网等有关电力企业合作,对负荷建模课题进行 了不断的研究,取得了许多理论研究成果和应用成果。2 0 0 2 年开始,国家电网公司先后 部署和开展了1 2 项负荷模型相关课题的研究;主要包括:在东北和华东电网开展的大扰 动试验和负荷模型测试研究;在川渝、华中、华北、西北开展发电机励磁和调速系统参 数测试研究;开展电网计算模型及参数机理性研究。特别是2 0 0 4 年和2 0 0 5 年在东北 5 0 0 k v 电网进行了两次大扰动试验,首次通过工业试验手段研究和确定负荷模型,并应 用到东北孤网运行方式的计算,有效提高了东北主要断面的输电能力。 总之,在过去几十年的发展过程中,电力系统负荷建模得到了较好的发展,但是由 于电力负荷的随机性、时变性、分散性、多样性等特点,使得负荷建模变得比较困难, 所以,负荷建模成为了一个世界性的难题,还需要进行进一步的研究。 1 2 2 国内外研究现状 法。 目前,国内外学者对负荷模型的建模方法一般总结为两类:统计综合法和总体测变 一、统计综合法 1 传统统计综合法1 铂 西南交通大学硕士研究生学位论文第5 页 统计综合法的基本思想是将负荷看成个别用户的集合,先将这些用户的电器分类, 并确定各种类型电器的平均特性,然后统计出各类电器所占比例,最后综合得出总的负 荷模型,其典型成果体现在e p r i 联合研究集团开发研制的l o a d s y n 软件中。采用这类方 法时,需要3 种数据资料:负荷组成及各类负荷所占的比重;配电网络的参数;各类负 荷的平均特性。 统计综合法的优点是物理模型比较清楚、概念明确,不依赖现场试验,花费的代价 较小,但存在以下问题: ( 1 ) 需事先统计成千上万个用户的负荷组成及参数。统计工作耗时费力,而且难以 统计准确。尤其是各类负荷容量和实际功率的不一致,采用容量比来代替功率比误差可 能较大,同时有个同时率的问题。 ( 2 ) 统计综合工作不可能随时进行,甚至不能经常进行。负荷特性是经常变化的, 甚至变化很大。因此,这种方法不能适应负荷特性的时变性。 ( 3 ) 负荷成分往往比较复杂,包含的用电设备可达数十种,如电动机、电阻负荷、 变压器、荧光灯等等。若将所有这些类型的负荷都考虑进去,则因各类用电设备的模型 不同,从而导致总的模型难以应用。随着负荷成分的日益复杂化,这个问题将更加突出。 2 、在线统计综合法啪1 在线统计综合法的总体结构分为三部分:第1 部分工作是离线进行用户抽样调查, 分析整理获得用户负荷电动机比例表;第2 部分工作是在线收集负荷控制系统和e m s 的 相关信息,以获得实际功率;第3 部分工作是将在线收集的功率数据和离线收集的抽样 调查数据进行综合,得到最终的负荷模型。 在线统计综合法着重与整体方案的合理与正确,而不计较局部统计数据的精确性, 从而保证总体结果的有效性。传统统计综合法的结果只对某个时间断面是准确的,而在 线统计综合法中的结果可以相隔一段时间得到合适的调整。 二、总体测辨法 与综合统计法不同,总体测辨法是通过进行现场实验和在线捕捉电力系统的自然扰 动获得负荷所在母线的电压、频率、电流、有功和无功数据,然后根据现代系统辨识理 论来确定综合负荷模型n 田。这一方法不需要过多的负荷信息,辨识结果具有真实性,并 随着计算机以及通讯技术和系统辨识理论的发展,该建模方法变得更加简单、易行。 总体测辨法负荷建模离不开现场实测数据,较早的数据采集系统中有功功率、无功 功率的测量采用模拟转换器,数据由磁带滤波记录。随着计算机技术和通信技术的发展, 近年来,相继研制和投运了一批电力负荷特性数据观测和记录装置,为负荷建模提供了 良好的硬件环境。除数据采集、滤波外,最关键也是最核心的部分是:模型结构与模型 参数的辨识。 可见,总体测辨法的负荷建模就是根据采集到的电压波动数据来确定负荷模型结构 西南交通大学硕士研究生学位论文第6 页 和模型参数的辨识过程。目前,该方法发展很快,大部分的国内外研究者均采用这种方 法,本文也是基于这种建模方法对负荷模型参数辨识算法进行了优化。 虽然总体测辨法具有直接、真实、应用性好等优点,但是也还存在着一些问题:比 如在某个负荷点无论采用什么模型结构,使用什么辨识方法来建模,都只能对单组数据 或仅有的几组数据进行详细描述,这样建立起来的模型是分散的,独立的,缺乏对全部 数据的整体逼近,这就需要对负荷模型进行综合。然而,把所有的数据综合为一个负荷 模型显然是不现实的,这就要求在综合之前对负荷模型进行分类研究,这就是本文对负 荷模型进行分类的基本出发点。 1 3 本文的研究内容和主要工作 近年来,随着电网规模的不断扩大,电网结构越来越复杂,电力系统的动态特性和 稳定性等问题越来越突出,与之紧密相关的负荷建模问题研究变得刻不容缓。目前广泛 使用的建模方法是总体测辨法,其主要工作是建立负荷模型的结构和模型参数的辨识。 要想得到理想的负荷模型,除了建立合适的负荷模型结构外,参数辨识算法的选择也非 常重要,如果选择的算法不能够有效地求出参数的全局最优解,那么这个模型无疑是失 败的。鉴于此,本文研究了负荷模型的参数辨识算法,针对蚁群算法容易陷入局部最优 的缺点和混沌算法的遍历性和随机性的优点,把混沌算法引入到了蚁群算法中,提出了 种适用于负荷模型参数辨识的算法一混沌蚁群混合算法,提高了辨识结果的精度,减 少了辨识误差,有效的控制了参数分散性,并采用基于实测数据的算例验证了算法在负 荷模型参数辨识中的正确性和有效性。 由于参数辨识是基于单一地点、单一扰动采样时刻的辨识,所以对大量的扰动数据 而言,其辨识出来的是大量的负荷参数,即对应大量的负荷模型。而在实际工程应用中, 我们要使同一负荷的模型尽量的统一,这就需要对辨识出来的参数进行综合。然而,如 果进行直接综合,显然是粗糙的、不准确的,只有将负荷特性相似的负荷模型归类之后 综合才符合工程实际。基于此,本文对的负荷模型分类进行了研究,在辨识参数空间的 基础上分别用硬c 均值算法和模糊c 均值对的负荷模型进行了分类分析,实例结果证实 了模糊c 聚类对负荷模型分类更具有实用性,最后对模糊c 均值聚类算法存在的问题进 行了改进,并取得了预期结果。 本文主要工作如下: 1 第一章介绍了负荷建模、参数辨识和负荷模型分类的必要性,介绍了负荷建模 的发展历史和研究现状,以及本文的主要研究内容。 2 第二章介绍了负荷建模的基础知识。主要介绍了三种常见的负荷模型机构:静 态负荷模型、动态负荷模型和综合负荷模型,和从参数辨识的原理、参数的可辨识性和 西南交通大学硕士研究生学位论文第7 页 参数的辨识方法三个方面对参数辨识做了简要分析。 3 第三章针对蚁群算法容易陷入局部最优的缺点和混沌算法的遍历性和随机性的 优点,把混沌算法引入到了蚁群算法中,提出了一种适用于负荷模型参数辨识的算法一 混沌蚁群混合算法,并通过实例分析进行了验证。 4 第四章在参数辨识的基础上,主要对基于辨识参数空间的负荷模型分类进行了 研究。在选择辨识参数作为特征向量的基础上,用硬c 均值算法和模糊c 均值分别对负 荷模型进行了分类分析,最后通过实例证实了模糊c 均值聚类对负荷模型分类更具有实 用性。但是,模糊c 均值聚类的辨识结果还是有误分类的情况,所以作者提出了种用 最大欧式距离求取初始聚类中心的改进模糊c 均值聚类算法,并通过实例证实了算法的 有效性。 西南交通大学硕士研究生学位论文第8 页 第2 章负荷建模基础理论 在电力工程领域中,负荷可以是一种连接于电力系统的用电设备,可以是连接于电 力系统所有用电设备吸收的功率,可以是母线的负荷。负荷建模领域所研究的负荷是指 第三种,即母线的负荷,它是除了用电设备之外,由变压器、输电线路、电压调节器等 组成的一个整体。在建模研究中,不对母线负荷的构成详细表述,只是以一个吸收功率 的等值对象来接于母线对其建模分析。 负荷建模分析就是确定负荷模型的形式及其中的参数的过程。负荷模型则是描述负 荷特性的数学模型,即用来描述母线节点吸收功率( 有功功率和无功功率) 随着负荷母 线的电压和频率的变化而变化的特性。 在前一章介绍的两种负荷建模方法中,总体测辨法相比于综合统计法,它无需知道 各个用户的负荷组成,不依赖于用户的统计数据;可以根据各个时刻的测量数据得到相 应的负荷模型参数,以此解决负荷特性时变性的问题;当负荷成分比较复杂时,可以用 简单的输入输出模型来描述,易于辨识,模型结构统一,便于处理。因此,总体测辨法 成为了目前负荷建模方法的主流,其主要由两部分组成:负荷模型结构的确立和负荷模 型参数的辨识。 2 1 负荷模型结构 按照是否反映负荷的动态特性,负荷模型一般可以分为两种类型,即静态模型和动 态模型。把负荷功率随电压和频率变化缓慢,不计负荷动态过程的模型称之为静态负荷 模型,一般用代数方程描述。把考虑负荷动态过程的模型称之为动态负荷模型,通常用 微分方程、状态方程、和差分方程来描述。 负荷建模关心的是在电力系统遭受扰动的暂态过程时,负荷功率随电压和频率变化 的特性,所以建模所用电压、频率为暂态过程的扰动电压和频率。而电力系统遭受扰动 的暂态过程时间比较短,电网频率的变化非常小,一般只考虑负荷功率随电压波动的变 化,只有在大扰动长期的动态稳定分析中才考虑频率的变化。所以人们在负荷建模研究 时经常忽略频率的影响,而只考虑功率随电压变化的特性。 2 1 1 静态负荷模型 静态负荷模型主要有两种:幂函数模型和多项式模型,此外还有一些它们的组合模 p 争 叫, 旧鲐 u 二项式系数口p ,6 p ,c p ,c q 为模型参数,且满足如下约束方程: 1 + + 0 2 l ,、。 h + + c q = l u 。 从该多项式可以看出,其由三部分组成,第一项为恒定阻抗( z ) ,第二项为恒定电 流部分( i ) ,第三部分为恒定功率部分( p ) ,故,该多项式模型也称为z 口模型。 3 两种模型的比较 ( 1 ) 参数。从待确定的参数个数来看,幂函数模型最少,多项式模型较多;从参数 确定的方便性来看,幂函数及多项式模型都比较方便。 ( 2 ) 精度。从实际应用来看,幂函数模型的精度较高,而且对有功和无功均适用。 z p 模型对于有功功率一般是合适的,但是对于无功不一定全部适合。 ( 3 ) 适应性。两种模型均属于静态负荷模型,适应性均不是很好,只能反应负荷的 静态特性,而不能较好的描述负荷的动态特性。 2 1 2 动态负荷模型 按照模型导出的方式来看,动态负荷模型可分为机理模型和非机理模型。机理模型 有较明确的物理意义,而非机理模型主要是输入输出之间的数学关系。 1 机理模型 机理模型中,一般采用感应电动机模型作为动态负荷模型,因为电动机在负荷中占 有较大的比重,是负荷中的动态成分。根据不同的应用领域和分析计算的目的,已经提 ,、, 一 h 件 工 一 旦吖旦 二 一 锄 州 + 一 、 旦也 凡 j 吖 魄 西南交通大学硕士研究生学位论文 第10 页 出了多种的电动机模型,比较详细的模型是五阶电磁暂态模型,其中考虑了定子绕组、 转子绕组的电磁暂态特性,以及转子的机械动态特性。若忽略定子绕组的电磁暂态特性, 则可得到三阶的机电暂态模型。如果进步忽略转子绕组的电磁暂态,就获得一阶的机 械暂态模型【1 9 】。 从电力系统自身来分析,电动机定子的暂态过程要比转子的电磁暂态短很多,比电 力系统暂态更短。所以一般而言,对电力系统动态分析而言,定子的暂态过程对其影响 不是很大,完全可以忽略,故而采用三阶机电暂态模型已经足够了。所以一般使用较多 的是机电暂态模型和机械暂态模型,这两种模型各具特点,其特点综合比较见表2 1 。 表2 - i 模型综合比较 由表可以看出,在计算量不做过多要求时,一般采用三阶机电暂态模型,如果为了 节省计算量,对无功精度要求不是很高的情况下可以考虑使用机械暂态模型。但是在负 荷建模分析中,参数的可辨识性是一个非常重要的问题,所以一般而言,使用三阶机电 暂态模型的可行性更高。 三阶感应电动机的等值电路图如图2 1 所示: 图2 1 三阶感应电动机等值电路 图中,黜、x s 为定子绕组的电阻和漏抗,鼢、x r 为转子绕组的电阻和漏抗,n 为 定转子互感抗,s 为转差率。 忽略定子绕组的暂态过程,以暂态电势为状态变量,并且将电动机变换到d q o 坐标 系统,可得如下方程: 定子电压方程: j 乡。,? + 璺_ 鲁 ( 2 - 4 ) 【= 足一j 乃+ 乓 、 西南交通大学硕士研究生学位论文 第11 页 电动势方程: 转子运动方程: 警= 杀彬勘+ 嘲一+ 戳) 】 ( 2 - 6 ) 上式中,= + 以) 母,x = x ,+ x 。,x = k + 瓦五。髟为等值电动机d 轴 暂态电势,e 为等值电动机q 轴暂态电势,缈为等值电动机的转速。h 为等值电动机的 惯性时间常数,4 、召、c 为转矩特性参数且满足约束么2 + b + c = 1 。 2 非机理模型 当电力负荷中动态元件类型比较复杂时,比如在负荷群中还有较大比重的异步电动 机和同步电动机时,需要将负荷等值为一个异步电机、一个同步电机和静态负荷的组合, 这样就增大了参数辨识的负担。因此,为了解决这个问题,人们提出了非机理模型。- 非 机理模型也可以称作为输入输出模型,因为它只关心输入与输出这两个问题,而不关心 具体结构。它可以分为线性动态模型【2 3 】和非线性动态模型。前者包含差分方程模型、传 递函数模型及状态空间模型。后者有动静结合模型1 2 4 1 、k - h 模型【2 5 】等。近年来,有许多 学者将神经网路应用于非机理模型的建模中【2 6 】【拥,并取得了可喜的成绩。 2 1 3 综合负荷模型 无论是静态负荷模型还是动态负荷模型,均不能够对负荷进行很好的诠释。所以, 人们提出了动态模型加上静态模型构成的综合负荷模型。如三阶感应电动机模型并联恒 导纳模型【2 8 】、三阶感应电动机模型并联z i p 模型,以及华北电力大学提出的一种新的时 变适应的负荷模型,简称t v a ( t i m e v a r i a n ts u i t a b l el o a dm o d e l ) 模型【2 9 】【3 0 】,模型结构 如图2 2 所示。 r sx sx r 图2 - 2 t v a 等值电路图 巧q 乓 历 o q 国 回 ,k,l 卜 卜 坞 蟛 嬲 聊 x x 历 乓 ,l r l 土焉土焉焉焉 = = 码了晖i 略将 , :引 p 聊 2 2 负荷模型参数辨识 2 2 1 负荷模型参数辨识原理 在总体测辨法负荷建模中,如果将负荷模型结构确定之后,最关键的就是对模型参 数进行参数辨识。参数辨识问题属于系统辨识的范畴,系统辨识迄今为止还没有统一的 定义,常用的定义有: 定义:辨识是指在输入和输出数据的基础上,在给定的模型中,确定一组与所测 西南交通大学硕士研究生学位论文 第13 页 系统等价的模型【3 1 1 。 定义二:辨识即是按规定准则在类模型中选择一个与数据拟合的最好的模型【3 2 1 。 上述两个定义,定义比较严格,要找到一个等价的模型比较困难。而定义二可以 理解为数据拟合的优化,其实质就是寻找一组最优参数向量,使得模型误差最小,从而 使模型接近真实系统,其中包含系统辨识的三要素:输入输出数据对、数学模型和辨识 准则。 负荷模型参数辨识就是从第二定义出发,通过选择合适的优化算法,寻求一组最优 模型参数,使得预定的目标函数值最小,可见,其本质上就是一个参数优化问题。 在辨识时,它将实测电压序列u 张) 作为负荷模型的输入信号,通过模型计算得到功 率p m ( k ) 、q m ( 1 ( ) 为模型输出信号,然后求取其与实际负荷系统输出功率的误差,计算目 标函数j ( e ) ,最后通过优化算法对目标函数进行优化,以求取目标函数j ( e ) 的最小值,并 不断地修正模型参数,直至目标函数值最小。其辨识原理图如图2 3 所示。 u ( o ) u ( 1 ( ) 实际输出 图2 3 负荷模型辨识原理图 2 2 2 负荷模型参数的可辨识性 j ( e ) 在进行负荷模型参数辨识时,应该首先考虑共有几个参数,哪些参数可以辨识出来, 哪些参数不能被辨识。如果模型本身的结构决定了参数不能唯一地辨识,则仅仅用测量数 据来进行辨识,参数多半不会被成功辨识。 1 9 9 7 年,文献 3 3 首先对负荷模型辨识的问题进行了研究,并对可辨识性的基本概 念和定义进行了介绍。在此基础上,文献 3 4 1 1 3 5 1 9 ; 电力系统综合负荷模型的可辨识性进 行了研究,研究结果表明:一阶模型,仅通过输入输出试验数据是不能够全部辨识出其 参数的。而对于三阶感应电动机并联静态负荷的综合模型在辨识时若只利用扰动前稳态 西南交通大学硕士研究生学位论文第14 页 和扰动后的动态过程,而不考虑扰动后稳态条件,其部分参数是不可辨识的。只有同时 利用扰动前、后两个稳态过程,才能唯一辨识出该模型的所有参数。 2 2 3 负荷模型参数辨识方法 参数辨识的方法可以分为线性的方法和非线性的方法1 7 3 6 1 。 线性方法中包含有最小二乘法、卡尔曼滤波法、非递推滤波方法和n l r f 建模法力 等用于负荷模型参数辨识。以往的负荷参数辨识大都采取线性化的方法,这就容易产生 不准确及收敛性问题。因此很有必要研究直接面对电力系统非线性负荷模型的参数辨识 方法。 非线性模型的参数辨识方法目前大都以优化为基础,其主要过程就是寻找一组最优 参数,使得预定的目标函数j ( 乡) 在模型参数取值为时,j ( p ) 最小。从模型来讲,由 于非线性模型的模型计算值与参数秒有关,因此目标函数j 为参数秒的函数,但是这一 函数是不可能写出明确的解析关系的,其解空间往往相当复杂,可能会有多个极值点, 因此,需要使用优化搜索方法。 优化搜索方法从原理上来讲可以分为三类: 1 梯度类方法 这类方法首先以梯度为基础确定方向,然后选择步长口,从而对优化变量z 进 行迭代搜索: z + 1 = z 七+ 口尸 ( 2 1 1 ) 从不同的角度和构造方向和步长就可以产生不同的方法,这种方法对于连续、光滑、单 峰的优化问题具有良好的性能,精确而快速。但是它只能收敛到起始点附近的局部最优 点,对多峰值闯题难以搜索到全局最优解,且在峡谷会引起震荡;它还要求一阶导数和 二阶导数全部存在,而实际优化问题可能是有断点或倒数不连续,以及其鲁棒性较差, 这些缺点严重制约了它的实用率。 2 随机类搜索方法 这种具有良好的收敛性、性和鲁棒性,但由于随机搜索法在问题空间中随机选择一 定数量的点后从中选优,带有一定的盲目性,而且计算效率低,不适用于大型优化问题 求解。 3 模拟进化类方法 模拟进化法是一类优化算法,他强调自适应。它是通过对自然进化过程进行模拟与 抽象而得到的一类随机的或自适应的优化方法。与常规确定性搜索方法相比,其适应范 围更广,不是从一点出发沿一条线进行寻优,而是在整个参数空间内进行寻优,因此能 找到全局最优解,同时具备并行处理的特征,可以提高运算速度。 西南交通大学硕士研究生学位论文第15 页 l i iiii11- ii i i i i 对电力系统综合负荷模型而言,其具有高阶和严重非线性的特点,目标函数和解空 间都比较复杂,解空间内不仅有多个极值点,且有些极值点之间的差异很小,用传统优 化方法来进行参数辨识往往会使得结果有很大偏差。因此,模拟进化算法出现为负荷建 模研究开辟了一条新的道路。 遗传算法g a ( g e n e t i c a l g o r i t h m s ) 是模拟进化算法中一个非常重要的算法,它是1 9 6 2 年由美国m i c h i g a n 大学的h o l l a n d 教授提出的模拟自然界遗传机制和生物进化论而成的 一种并行随机搜索最优化方法。它将“优胜劣汰,适者生存的生物进化原理引入优化 参数形成的编码串联群体中,按所选择的适配值函数并通过遗传中的复制、交叉和变异 对个体进行筛选,使适配值高的个体被保留下来,组成既继承了上一代信息又优于上一 代的新的群体。这样周而复始,群体中的适应度不断提高,直到满足一定的条件,求解 得到最优解为止p 引。 随着负荷建模理论的发展,遗传算法也被利用到了负荷建模中,文献 3 9 将遗传算 法成功应用于工业负荷实测数据辨识及动态和静态负荷建模。并且得n - 在静态负荷建 模上,辨识结果略优于传统的最小二乘法,且通用性更好,只需做极小的修改就可以用 于各种形式的静态负荷模型;在动态负荷建模上算法不仅给出了更优秀的结果,而且表 现出很好的稳健性,从而证明了方法的有效性。但是由于遗传算法本身存在缺陷,文献 4 0 提出一种综合改进的遗传算法,其通过初始种群选择、最优个体保留、自适应交叉和变

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论