[发明专利]一种基于PMU类噪声数据的在线负荷建模方法

说明书

本发明公开了一种基于PMU实测类噪声信号的在线辨识负荷参数的方法。类噪声信号是由电力系统小扰动引起的响应信号，该信号时时存在并可以被PMU装置记录下来，从而为负荷的在线参数辨识提供数据源。为了使类噪声信号可以精确的辨识负荷参数，该方法对PMU记录的类噪声信号进行预处理，并提出将负荷的状态空间模型作为待辨识模型，并从参数可辨识度的角度对参数进行了优化。最后，该方法将负荷参数辨识问题转化为非线性最优化问题，采用基因算法对该问题求解。本发明已经应用于重庆电网，结果表明辨识算法耗时短，参数辨识结果准确。

技术领域

本发明涉及一种在线辨识负荷参数的方法，尤其是涉及一种基于PMU类噪声数据的在线辨识负荷参数方法。

背景技术

负荷是电力系统的重要组成部分，负荷模型的准确性对电网的稳定性分析影响很大。但是由于负荷具有复杂性，时变性等特点，负荷建模始终是电力系统的重大难题之一。

目前，负荷建模一共有两大类方法，分别是统计综合法以及总体测辨法。统计综合法的基本思想是先将负荷分类，并确定每类负荷的平均特性，然后统计各类负荷所占有的比例，最后综合得出总体的负荷模型,但是这类方法存在着统计工作费时费力等缺点。

随着相量测量单元装置(PMU)的广泛应用，基于实测数据的总体测辨法得到了许多学者的重视。总体测辨法的基本思想是先确定负荷模型的结构，再由现场采集的数据辨识出负荷模型的参数，确定负荷的模型。因为负荷本质上是一个非线性系统，对非线性系统辨识时，往往要求输入激励波动较大。在总体测辨法中，要求负荷的输入信号电压幅值波动在10％左右，如负荷节点变压器器分接头动作等。但是这种波动并不是每时每刻都存在，因此这种方法不能在线建立负荷模型。

发明内容

为解决上述问题，本文发明提出了一种基于PMU类噪声数据的在线辨识负荷参数的方法。

本发明的技术方案采用如下步骤：

1)对PMU装置记录的类噪声数据进行预处理：

2)建立负荷待辨识模型：

3)确定负荷待辨识参数集；

4)将负荷参数辨识问题转化为非线性最优化问题，并用基因算法求解。每10分钟辨识一次负荷参数，实现在线负荷建模。

上述技术方案中，所述的步骤1)对PMU装置记录的类噪声进行预处理。U(1),...,U(N)为PMU测量总长度为N的负荷电压幅值序列，P(1),...,P(N)为PMU测量总长度为N的负荷有功功率序列，Q(1),...,Q(N)为PMU测量总长度为N的无功功率序列。经过预处理得到以下时间序列ΔU(1),...,ΔU(N)，ΔP(1),…,ΔP(N)，ΔQ(1),…,ΔQ(N)，上述时间序列的每一项ΔU(k),ΔP(k),ΔQ(k)采用以下公式：

ΔU(k)＝U(k)-U₀

ΔP(k)＝P(k)-P₀

ΔQ(k)＝Q(k)-Q₀

其中U₀是负荷运行在平衡点时的电压幅值，P₀是负荷运行在平衡点时的有功功率，Q₀是负荷运行在平衡点时的无功功率。采用以下公式确定：

所述的步骤2)建立负荷待辨识模型：

采用负荷的状态空间模型作为待辨识模型，采用以下公式：

y＝Cx+Du