基于PSASP和故障仿真法的負荷模型參數(shù)辨識

2.2萬字 47頁 原創(chuàng)作品，已通過查重系統(tǒng)


摘要
電力負荷模型是用一個“負荷”來代替眾多用電設備的集合，而其模型結構和負荷參數(shù)對電力系統(tǒng)仿真計算具有顯著影響，所以負荷建模日益受到電力學術界和工程界的重視。在此文獻中提出了包括配電網和電力負荷的綜合負荷模型。分析了CLM（Classic Load Models）和SLM（Synthesis Load Models）這兩種負荷模型，并將兩個模型進行比較。配電網的等值阻抗在CLM模型中實際上并不直接考慮，而是加在電動機的等值定子阻抗上的，是一種間接考慮配電網的模型結構。這個負荷模型是電力系統(tǒng)綜合穩(wěn)定計算（以下簡稱PSASP）程序中的標準模型。SLM模型中除了模擬了等值靜態(tài)負荷和等值電動機負荷，還新考慮了等值配電網絡以及電容補償。是一種直接考慮配電網的模型結構。
在確定了模型結構以后，參數(shù)辨識就成了負荷建模的重點。首先利用軌跡靈敏度判斷了負荷模型的參數(shù)可辨識性，經過計算負荷模型的三個參數(shù)（定子電抗 、轉子電阻 、初始負載率系數(shù) ）都是可以辨識的。負荷模型的參數(shù)辨識問題是一個連續(xù)空間的優(yōu)化問題，本文采用粒子群算法（PSO）對負荷模型的參數(shù)進行辨識。PSO算法是一種很好的優(yōu)化工具，與其他進化算法相類似，PSO算法是通過個體間的協(xié)作與競爭，實現(xiàn)復雜空間中最優(yōu)解的搜索。本次研究基于粒子群優(yōu)化算法，通過一個故障仿真實例對負荷進行了參數(shù)辨識。將仿真得到的參數(shù)與實際參數(shù)比較，參數(shù)辨識誤差非常小，利用辨識出的參數(shù)進行動態(tài)仿真與真實參數(shù)仿真得到的曲線擬合誤差非常小，驗證了粒子群算法進行負荷模型參數(shù)辨識的有效性。


關鍵詞：電力系統(tǒng)；負荷模型；參數(shù)辨識；軌跡靈敏度；粒子群算法