[发明专利]主导负荷参数类噪声辨识的模型参数后处理方法和装置

说明书

本发明实施例提供一种主导负荷参数类噪声辨识的模型参数后处理方法和装置，该方法包括：获取类噪声负荷辨识连续输出结果的N组辨识参数；基于预设规则筛选N组辨识参数中的差拟合辨识参数组并剔除得到粗筛后的A组辨识参数；基于多维核估计KDE构建A组辨识参数的多维参数组合概率密度模型，构建以概率密度估计函数为目标函数的最优化问题，求解最优化问题，得到A组辨识参数的统计中心；基于A组辨识参数与所述统计中心的距离确定统计偏差，基于A组辨识参数中的不同参数的多曲线拟合偏差确定拟合偏差；基于所述统计偏差和所述拟合偏差确定最优辨识参数组。本发明实施例提供的方法和装置，实现了提升在线批量辨识参数的可用性和可靠性。

技术领域

本发明涉及主导负荷参数类噪声辨识技术领域，尤其涉及一种主导负荷参数类噪声辨识的模型参数后处理方法和装置。

背景技术

同步相量测量技术(PMU)在区域电网的广泛应用为电力系统负荷建模研究提供了丰富、准确的数据来源。利用各站点正常运行状态下变压器高压侧时刻采集的类噪声电压、功率类噪声量测数据，就可以通过基于类噪声的负荷模型参数辨识方法在线得到以Z+M模型表征的负荷主导参数。然而，对PMU数据的在线辨识会带来数量庞大的辨识参数组合，其总体分散性较强、单组参数的多时段泛化能力较差，从中提取出一组或几组反映真实负荷特性的准确辨识参数变得更加困难，这将直接影响后续电力系统仿真计算的精度、制约类噪声负荷辨识方法的最终应用效果。

因此，如何避免辨识参数组合由于总体分散性强和多时段泛化能力差造成的提取一组或几组反映真实负荷特性的准确辨识参数困难，提升在线批量辨识参数的可用性和可靠性，仍然是本领域技术人员亟待解决的问题。

发明内容

本发明实施例提供一种主导负荷参数类噪声辨识的模型参数后处理方法和装置，用以解决现有的辨识参数组合由于总体分散性强和多时段泛化能力差造成的提取一组或几组反映真实负荷特性的准确辨识参数困难，在线批量辨识参数的可用性和可靠性均低下的问题。

第一方面，本发明实施例提供一种主导负荷参数类噪声辨识的模型参数后处理方法，包括：

获取类噪声负荷辨识连续输出结果的N组辨识参数，任一组辨识参数包括开路电抗、暂态电抗、开路时间常数和恒阻抗部分并联形式的电阻值，其中，N为正整数；

基于预设规则筛选所述N组辨识参数中的差拟合辨识参数组并剔除得到粗筛后的A组辨识参数，其中，A≤N；

基于多维核估计KDE构建所述A组辨识参数的多维参数组合概率密度模型，构建以概率密度估计函数为目标函数的最优化问题，求解所述最优化问题，得到所述A组辨识参数的统计中心；

基于所述A组辨识参数与所述统计中心的距离确定统计偏差，基于A组辨识参数中的不同参数的多曲线拟合偏差确定拟合偏差；

基于所述统计偏差和所述拟合偏差确定最优辨识参数组。

优选地，该方法中，所述基于预设规则筛选所述N组辨识参数中的差拟合辨识参数组并剔除得到粗筛后的A组辨识参数，其中，A≤N，具体包括：

对所述N组辨识参数中的任一组辨识参数计算残差平方和、拟合优度和可释方差得分，若所述残差平方和SSE不小于第一阈值或拟合优度R²不超过第二阈值或可释差方得分EV不超过第三阈值，则所述任一组辨识参数判定为差拟合辨识参数并剔除，最后剩余A组辨识参数；

其中，所述残差平方和SSE通过如下公式计算：

所述拟合优度R²通过如下公式计算残差平方和：

所述可释差方得分EV通过如下公式计算残差平方和：