[发明专利]一种电力系统测量与负荷参数分析辨识方法

说明书

一种电力系统测量与负荷参数分析辨识方法，涉及一种电力系统参数辨识方法，包括下步骤：首先根据负荷量测信息对负荷聚类分析，确定负荷记录装置安装地点；其次，构建电动机并联静特性负荷的综合负荷模型，建立辨识目标函数；然后通过负荷记录装置的实测数据，采用蚁群算法与梯度算法相结合的混合优化算法进行参数辨识；并利用Kriging算法的无偏、最优估计特性，对多次辨识结果进行参数优选；最后统计不同站点的负荷模型，形成负荷模型参数库。本发明提高参数辨识的速度，对多次辨识结果采用Kriging算法实现参数优选，提高参数辨识的精度。该方法可对电力专项规划、电力系统稳定分析和电力系统能效评估等领域的研究提供模型基础。

技术领域

本发明涉及一种电力系统参数辨识方法，特别是涉及一种电力系统测量与负荷参数分析辨识方法。

背景技术

电力系统的发展和大区联网的实现，使得电力系统规模日益扩大、电网结构更加复杂，为国民经济带来显著效益的同时，也使电力系统运行点越来越接近稳定极限，整个系统发生电压失稳甚至电压崩溃的危险不断增加。同时，在智能电网背景下，电力系统信息化与互动化所带来的实时运行数据与各种分布式电源的并网给电力系统运行、规划、设计带来了新的挑战。电力系统仿真技术是分析研究电力系统运行机理的重要科学工具之一，已经成为电力系统规划、运行及控制中不可缺少的手段。电力系统仿真研究和各种具体分析都是建立在相应的数学模型基础上，实现良好的负荷建模及参数辨识，在电力系统的运行、控制、计算中具有重要意义。

目前，负荷建模走向实用化过程中面临两个关键性难题：一是负荷的时变性，即使对同一负荷节点，其负荷构成随时间季节变化，不同时刻呈现不同的负荷特性；二是负荷的地域差异性，电力负荷的地域分布非常广泛，负荷构成不同使得各负荷节点的负荷特性存在差异。从提高负荷模型的精度来说，如果能建立针对不同负荷节点，不同时段的各种负荷模型当然是最理想的了，但在实际中这点很难做到，且电网仿真计算要求所采用的负荷模型应尽可能少而简化。

目前，我国在负荷参数辨识方面主要是采用负荷特性记录仪对负荷进行实测的方法。电力负荷的地域分布非常广泛,一个省级电网的22OkV负荷变电站也能有数十上百个，负荷构成不同使得各负荷节点的综合负荷特性存在差异。如何实现在众多的负荷点中选出合理的安装负荷记录装置的安装点，就是将不同负荷点负荷特征接近或相似的负荷归类，进行聚类分析。

针对今后广域电力系统负荷建模以及电力系统整体建模的发展趋势，当待辨识的参数大量增多时，要求算法有较高的效率。同时，由于电力系统负荷建模工作的在线化甚至实时化发展的需要，要求参数辨识的计算速度加快。这些需求促使电力负荷模型参数辨识方法的研究需要更进一步。

电力负荷模型是非线性化的数学模型，非线性系统的参数辨识方法目前大都是以优化方法为基础，其主要过程是寻找一组最优的参数向量，使得预定的误差目标函数值达到最小，误差目标函数为需要辨识的参数的函数。解决电力系统优化问题有多种算法：如梯度类算法，具有很强的局部搜索效率，但全局鲁棒性较差；模拟进化类算法，具有很强的全局搜索能力，但局部搜索效率较差。电力负荷模型参数辨识算法主要有遗传算法、蚁群算法、粒子群算法和梯度算法等，其中蚁群算法模拟了自然界中真实蚂蚁的觅食行为，优点是全局性能及正反馈性、协同性好，但所需计算时间长。

发明内容

本发明的目的在于提供一种电力系统测量与负荷参数分析辨识方法，该方法为一种基于多算法融合的电力系统测量与负荷模型辨识方法，实现电力系统能效评估，电力负荷辨识参数优选，提高参数辨识的精度。适于在电力专项规划领域、电力系统稳定分析技术领域和电力系统能效评估领域应用。

本发明的目的是通过以下技术方案实现的：

一种电力系统测量与负荷参数分析辨识方法，所述方法包括以下步骤：

S1：根据负荷量测信息聚类分析，确定负荷记录装置安装点；