负荷特性聚类与荷模型辨识研究.pdf

摘 要 负荷特性的分类与综合是进行负荷模型实用化研究的首要问题。结合Ward 种二次聚类的思路，并将其应用于湖南区域电网220KV变电站负荷特性数据聚类 研究之中。一次聚类应用ward法，将聚类结果作为FCM法的初始参数；二次聚 类应用FCM法。以聚类结果作为安装测辨装置的典型变电站选择依据，并由此 获取模型辨识所需的负荷特性实测数据。在此基础上，本文采用实数编码的遗传 算法来代替学习神经网络的权重，将模型的输出与期望输出作为评估个体适应度。 最后，将GA．BP网络模型应用到基于实测数据的负荷建模研究当中，并与传统改 进BP网络模型进行了仿真对比分析。 聚类结果表明二次聚类方法克服了模糊C均值法对初始参数的敏感的缺点， 能更客观、更准确地提取同类负荷的共同本质特征，从而在一定程度上解决了负 荷特性聚类的随机性和主观性。 建模仿真表明，GA—BP模型具有遗传算法全局搜索特性，克服了单一的BP 神经网络易陷入局部极小值的弊端，同时具有学习速度快、较高的辨识精度和较 强的内插外推能力等特点，更适合描述电力系统动态综合负荷的非线性特征。建 立典型的GA．BP模型易于推广得出其他负荷节点的模型，本文所作的研究为实用 化综合负荷建模工作深入开展提供了一定的参考价值。