负荷模型辨识算研究及建模平台开发.pdfVIP

负荷模型辨识算法研究艘建模’r台开发 摘 要 负荷建模是电力系统中公认的世界性难题，长期以来，负荷建模的研究一直 滞后于电力工业的发展。本文在对负荷建模问题的理论基础进行了比较深入地研 究以后，用总体测辨法对现场采集到的数据进行建模，对动念综合导纳模型的有 效性进行了验证，并从理论上分析了动态综合导纳模型在全电压范围内的适应性。 另外，作者采用三阶感应电动机模型对动模实验室同构负荷数据和现场记录的故 障数据进行了动念辨识，得出了三阶感应电动机模型具有较强的自描述能力、较 好的提取综合负荷本质特征的能力、较强的有功一无功功率综合描述能力以及较强 的内插和外推能力等四大特点。随后，作者就建模实践中存在的辨识结果呈现很 大的分散性问题进行了定性的分析，并通过仿真找出了对辨识结果影响很小或称 灵敏度小的两个参数：n和口，同时提出了可以通过提高辨识算法的有效性来降低 模型参数的分散性问题。 遗传算法是一种新型的优化算法。它在传统优化算法无能为力的时候往往能 以较大的概率找到优化问题的全局最优解。近年来，由于遗传算法求解复杂优化 问题的巨大潜力及其在各个领域的成功应用，这种算法受到了广泛的关注。本文 在第三章的开头部分也通过实验数据验证了遗传算法较传统优化方法的优秀性 能。但该算法本身也存在一些缺陷，一个突出的问题就是收敛速度和全局收敛性 之间的矛盾。为了改善这些矛盾，本文提出了一种综合的改进遗传算法。改进遗 传算法包括三大策略：精英策略、避免近亲繁殖的双断点交叉策略以及防止种群 早熟的移民策略，本文通过试验函数、仿真负荷数据、实验室数据以及现场采集 的数据全方位的检验改进遗传算法的有效性，其衡量的标准包括算法的收敛速度、 辨识结果的真实度(通过仿真数据来验证)以及参数结果的稳定性，作者利用该 文改进的遗传算法进行负荷建模，较好地解决了辨识结果的分散性问题，同时， 利用改进遗传算法对实验室数据进行建模时发现辨识结果与现场调查结果相当吻 合，这不仅说明了改进遗传算法的有效性，同时也说明了调查结果的正确性，两 者互相验证。 基于对负荷建模问题的深入理解和研究，丌发了以参数辨识为基础的负荷建 模软件平台，论文中提出的改进遗传算法应用于其中，取得了较好的效果，该平 台以完善的功能、简单的操作和良好的扩展性赢得了专家们的认可和好评，而完 善的数据库系统，为湖南电网负荷特性的研究提供了较好的平台。 关键词：电力系统；负荷建模；参数辨识；遗传算法；建模平台 坝Ij学位论义 Abstract Load iSoneofthemost modeling difficult inthe problemspowersystemanalysis． Fora researchofload has behindthe longtime，the of modelinglagged development on theload powerindustry．Based studying modeling theory authorvalidatedthe modeland its dynamic admittance analyzed aggregate adaptability． In author addition．theidentifiedthe3-orderinductionmotorloadmodelwiththefauh datafromthe basedonsameloadandthefieldandfoandthatt