电力系统参数辨研究.pdf

摘要 机组及负荷的模型和参数，是进行电力系统分析、控制、监视及规划的基础。 其参数及模型的准确性直接影响着电力系统运行的安全性、稳定性及经济性。若 因机组参数及电力负荷模型及参数的不准确而产生悲观的分析结果，则将会因不 必要的加强系统结构所采取的额外措施而投入过多的资金，而造成巨大浪费；而 若产生乐观冒进的分析结果，则可能使系统运行在非常危险的状态下，甚至具有 很大的可能性使得系统崩溃。故如何获得准确机组参数及负荷模型及参数多年来 一直是一备受关注的课题。 本文以发电机组参数的在线辨识及负荷建模及辨识为研究课题，进行了研 究，并取得了相应的研究成果。 FaultRecorder，DFR)的机组参数 本文首先提出了基于故障录波器(Digital 在线辨识新方法。该方法采用DFR所记录发电机、励磁系统、调速系统的相关 量测值，进行数学建模，而获得各子系统输入、输出及待测量之间的函数关系； 然后采用粒子群优化技术，对所有待测量进行迭代调整和优化，使得模型输出逼 近实际输出，而获得了各个子系统的所有待测量。该方法的特点是无需现场做试 验，只是基于DFR记录数据而实现了机组各子系统所有参数的辨识。算例表明 该方法具有辨识精度高，计算速度快，且实际应用方便的优点。 本文进而提出了一种新的负荷建模与辨识方法。通过对linearized—GNLD模 型进行改进，获得了负荷曲线具有更高拟合精度的新的负荷模型。在此基础上， fuzziness 提出了先聚类再辨识思想的基于随机模糊聚类(random clustering algorithm)的负荷模型辨识新方法。该辨识方法以节点电压、有功功率、无功功 率作为聚类的特征向量，对所收集到的曲线进行聚类分析，而得到多组负荷曲线 组，每一组对应于一个负荷模型，即实现了依据负荷曲线对负荷特性的合理分类； 对于每一组负荷曲线，辨识出相应的负荷模型参数，从而在一定意义上实现了每 一类负荷模型的综合。所建立的模型相比于其它方法，更具推广性和更高的精度。 本文的机组参数及负荷模型辨识方法具有很高的实用性，故基于本文方法所 研发的软件系统拥有较强的工程实用潜力。 关键词：机组参数辨识负荷建模故障录波器负荷模型辨识随机模糊聚类 ABSTRACT The etersof andloadmodelarethebasisof system power param generator and affectsthe systemanalysis，control，monitoringplanning．ItsUn-accuracydirectly and security，stabilityeconomy systemoperation，dispatch，andplanning．On ofpower toomuchca totake one m causewastetoinvest hand，it pital unnecessary ight huge forthe results．Onthe measureto architecture strengthensystem pessimisticanalysis other take riskto at at