[发明专利]一种电压敏感负荷模型及参数辨识方法

权利要求书

1.一种电压敏感负荷模型及参数辨识方法，其特征在于，包括以下步骤：

步骤1，通过电网量测装置获取10/0.4kV变压器处电压与负荷功率数据；然后对收集到的电压数据和负荷功率数据进行数据归一化处理；

步骤2，选取改进的负荷模型来拟合电压与电压敏感负荷之间的映射关系；基于式(1)所示的传统ZIP模型建立式(2)所示的电压敏感负荷的静态模型，从而将负荷分为对电压敏感的部分负荷与电压无关负荷两部分；考虑测量噪声共计4个部分，其中恒阻抗与恒电流部分是对电压敏感的P_U，是需要建立映射函数的部分；剩下的负荷随机成分以及测量噪声如式(3)所示与电压波动没有相关性，因此当做一个整体；因此，改进的静态负荷模型即为保留原有ZIP模型的恒阻抗与恒电流部分，而将其余部分采用合适的方法分离出去，从而建立电压与电压敏感负荷的映射关系；

P＝aU²+bU+c+e (1)

P_u＝F_u(P,U,θ_P)＝a·U²+b·U (2)

P_ε＝c+e (3)

式中：P表示低压台区的负荷功率；P_u表示负荷中对电压敏感的部分负荷，即当电压发生波动时负荷功率随之改变的负荷；P_ε表示电压无关负荷，即不随电压波动而变化的负荷；F_u(·)表示电压到电压敏感负荷之间的非线性映射函数；θ_P为映射关系中包含的参数；U表示电压；a、b、c、e分别表示恒阻抗负荷、恒电流负荷、恒功率负荷、测量噪声的系数；

步骤3，使用粒子群算法辨识电压敏感负荷模型参数；每个粒子在不断寻找时经历过的最好位置定义为个体最优位置，记为P_best；群体所有粒子经历过的最好位置定义为全局最优位置，记为G_best；所有粒子都有一个被优化函数决定的适应度值，通过2个极值在迭代时不断更新自身，产生下一代的个体；定义D维搜索空间的M个粒子，其中第i个粒子的位置为X_i，经历过是最好位置记为P_best(g)，速度为V_i；各个粒子利用公式(4)～(5)对自身速度、位置进行调整：

其中，表示第i个粒子第l次迭代时的速度；ω为惯性权重，使粒子能够保持运动惯性；c₁、c₂为学习因子，设置为2；rand₁、rand₂为[0,1]之间的随机数；P_best(g)表示每个粒子在不断寻找时经历过的最好位置；G_best(g)表示群体所有粒子经历过的最好位置；表示第i个粒子第l次迭代时的位置；

步骤4，在分离出电压敏感负荷P_u后，从负荷功率P中扣除电压敏感负荷P_u，将电压U与负荷随机成分P_ε之间的相关性作为粒子群算法输出结果的评价函数，其中，相关性分析表达式为对粒子群算法输出结果的有效性进行评价；其中，t表示时刻；U(t)表示t时刻的电压；表示电压的U均值；P_ε(t)表示t时刻与电压无关的负荷；表示功率P_ε的均值；ρ表示电压U与功率P_ε之间的相关性系数；通过粒子的不断搜索，找到使得电压U与负荷随机成分P_ε之间的相关性最小的时候对应的模型参数，作为最优的参数辨识结果；

步骤5，在辨识出电压敏感负荷模型参数后，计算有功电压特征系数p_u。