[发明专利]基于故障录波器数据的在线静态负荷建模方法

权利要求书

1.一种基于故障录波器数据的在线静态负荷建模方法，其特征是，

首先按时间特性进行分类，形成相应各类的静态负荷模型参数库；

然后根据相应的实时数据采用递推最小二乘法在线修正各类静态负荷参数库；

最后用户根据应用场景选择不同时间尺度下的静态负荷模型。

2.如权利要求1所述的基于故障录波器数据的在线静态负荷建模方法，其特征是，所述各类的静态负荷模型参数库的建立过程为：

（1）负荷数据处理

对故障录波器采集到的海量数据进行分析处理，提取用于静态负荷建模的有效数据；

（2）选用多项式模型结构，采用递推最小二乘法进行静态负荷模型的参数辨识；

（3）多时间尺度的模型参数数据库构建

以时间作为分类的特征向量，按照数学上矩阵的形式形成不同时间尺度的负荷模型参数数据库：横向上，按一天中不同时刻进行划分，分为低谷时段、早高峰时段、平缓时段、晚高峰时段；纵向上，按年、季节、月份、工作日和非工作日划分；

按不同时间尺度进行分类后，根据实测数据进行相应的负荷建模；故障录波器每采集一组数据，根据时间特征判断该数据样本所属负荷类别，然后采用递推最小二乘法在线修正相应类的静态负荷模型，只保留模型参数辨识结果；

不同时间尺度负荷模型参数数据库构建后，用户根据应用场景进行选择即可。

3.如权利要求1所述的基于故障录波器数据的在线静态负荷建模方法，其特征是，所述参数辨识过程为：先处理已经得到的一批数据，得到θ的估计值，来了新的数据后，再对原估计值进行修正，这样既可以减少计算机的存储量，也可以提高计算速度；为此，根据故障录波器实时采集的稳态数据进行静态负荷建模，新的采样数据不断刷新，采用递推最小二乘法不断修正所建模型，为避免数据饱和现象，采用渐消记忆的递推算法，

K(k+1)=P(k)xT(k+1)λ+x(k+1)P(k)xT(k+1)θ^(k+1)=θ^(k)+K(k+1)·[y(k+1)-x(k+1)θ^(k)]P(k+1)=1λ[P(k)-K(k)x(k+1)P(k)]---(6)]]>

式中：x(k)，y(k)分别为k时刻观测方程的输入与输出，k为正实数；为k时刻的估计参数；P(k)为k时刻估计值的方差阵；K(k)为k时刻的增益系数；λ为遗忘因子（0＜λ≤1），使旧数据按指数衰减规律逐渐被“遗忘”掉，从而突出新数据的作用，有效地克服递推最小二乘法的“数据饱和”现象；λ的值越小，“遗忘”的速度越快，但数值太小会使辨识的精度降低，波动变大；取λ∈[0.8,1]，离线辨识取λ＝1。