[发明专利]一种基于苍狼算法的电力系统负荷建模参数辨识方法

说明书

本发明公开了一种基于苍狼算法的电力系统负荷建模参数辨识方法，针对当前负荷模型参数辨识精确度不足，以待辨识的负荷参数为苍狼并进行寻；在原有的多项式模型的基础上增加了对频率变化的考虑，确保即使负荷电压偏离基准电压时也能较准确的描述负荷特性；通过输入电压和实际系统的输出响应，相对于过于乐观的传统静态模型，能更好的体现负荷特性，具有收敛速度快及辨识结果更加精准的特点；此外，使用苍狼算法进行优化可提高参数辨识的准确性和速度，苍狼算法收敛速度比粒子群算法更快，且含有摆动因子，不易陷入局部最优；同时苍狼算法需要调节的参数较少，相对其他算法，更为简单灵活，可以有效地提高参数辨识的精确度。

技术领域

本发明涉及电力系统负荷模型仿真技术领域，尤其涉及一种基于苍狼算法的电力系统负荷建模参数辨识方法。

背景技术

二十一世纪以来，分布式电源受到重视并得到了广泛应用，对配电网的运行造成了较大影响。1996年美国西北电力系统发生了大规模的停电事故，显示出当前的模型与参数和现场记录结果相差较大。由此可看出，配电网早先采用的保守静态模型已经不能很好地描述负荷模型的运行特性。在电力系统运行中，失准的负荷模型会导致系统的误操作、瓦解，因此应当尽可能提升模型的精准度。

早先，电力系统采用了恒电阻、恒功率、恒功率的负荷模型，但精准度依然不够高；近些年来，随着人工智能算法的快速发展，粒子群算法、遗传算法、神经网络算法在辨识中得到了较好的应用，有效的提高了计算精度，值得继续研究与发展。但当前所采用的智能算法，往往存在寻优速度与准确度不能兼得的矛盾，粒子群算法寻优速度虽快，但所得结果精度欠佳，遗传算法则存在计算量大的问题。在电力系统负荷特性辨识中,使智能算法在保证计算精度的同时提升计算速度，具有重要意义。

发明内容

本发明针对当前电力系统负荷模型参数辨识精确度不足的问题，提出了一种基于苍狼算法的电力系统负荷建模参数辨识方法，该方法简单灵活，能够提升电力系统负荷模型参数辨识的速度和精准度。

本发明采用的技术方案为：

一种基于苍狼算法的电力系统负荷建模参数辨识方法，包括如下步骤：

S1：考虑配电网参数及无功补偿，采用感应电动机并联静态负荷的传统模型作为综合异步电动机负荷模型；

S2：设定参数辨识所需的现场实际数据，计算状态变量初始值；

S3：建立负荷模型的参数辨识准则函数，并利用苍狼算法对目标函数进行寻优，输出负荷模型；

S4：校验辨识后的负荷模型，输出最终结果。

进一步地所述步骤S1具体包括如下步骤：

S1.1：在10kV母线并联静态负荷，将静态负荷用多项式模型描述如式(1)；

负荷功率具有随频率变化的特性，因一般频率变化的幅度较小，可用增量式表示，即

其中A_P+B_P+C_P＝1，A_Q+B_Q+C_Q＝1；