综合负荷模型设计与参数辨识开题报告.docxVIP

基于准稳态/动态量测的电力综合负荷结构辨识 班级：自91 姓名：辛明原 指导老师：曹军威 张树卿 2013年6月14日 综合辨识算法及实验 实验平台与模型设计 项目背景 主要内容 后续工作 项目背景 精度 高 低 负 传 发 电力系统建模 时变性 分散性 潮流计算 电压稳定计算 小信号动态稳定计算 项目背景 统计综合法 总体测辨法 将用电设备统计、分类、综合得出负荷模型 测量电网的变化量，辨识负荷模型参数 简单实用 项目背景 总体测辨法希望电网的扰动越大越好，但这与实际情况不相符，现实中电网出现大的扰动概率很低，相比之下，在电网中稳定运行状态附近的小扰动始终持续存在，能够获得大量的小扰动准稳态或动态量测。 希望利用这些小扰动数据，分析提取得到综合负荷模型的一个重要参数Pct，即动负荷与各种静负荷所占的比例。 动态量测 准稳态量测 决策制定 量测节点信息预处理 负荷结构综合分析 量测节点信息预处理 负荷主导动态参数辨识 系统行为预测 决策下达 信息传输 本地处理 综合辨识算法及实验 实验平台与模型设计 项目背景 主要内容 后续工作 实验平台——PSCAD/EMTDC 扰动生成部分 ZIP+M 综合负荷模型 模型设计 恒功率 恒电流 感应电动机 恒阻抗 各种负荷有功输出波形 恒电流 感应电动机 已知静负荷有功代数方程 推测感应电动机 模型验证 代数方程与仿真测量的对比 恒电流负荷 恒阻抗负荷 模型验证 代数方程与仿真测量的对比 t0=0.1735s t0 电压与感应电动机波形对比 加入时移后的对比 模型验证 代数方程与仿真测量的对比 n=0.72 感应电动机负荷 模型验证   系数ap/bp/mp 最大误差 平均误差 总长 Z 1.965 0.008 0.004 14001 I 10.453 0.0173 0.008 14001 M 8.745 0.0123 0.005 13390 模型验证 在模型验证的同时，对小扰动下负荷有功特性进行了探究，发现以下规律： 静负荷的改变对感应电动机的影响很小，基本可以忽略。 感应电动机负荷参数中，指数项n与时移项t0存在着类似线性的关系，且与扰动的频率有关。 同一频率下，t0与n基本不变。通过t0与n的辨识结果，或许可以得到扰动的频率。 模型验证 用matlab拟合工具箱对n与t0进行拟合 综合辨识算法及实验 实验平台与模型设计 项目背景 主要内容 后续工作 算法的选择 无约束非线性最优求解：fminsearch() 有约束最优求解：fmincon() 需要输入初值，且对初值要求较高。 经常得不到辨识结果，退出标识为0 算法介绍——遗传算法 步骤1：初始化参数，设定好算法中的各参数值，令k=0，生成规模为N的初始种群pop(0)。 步骤2：评价种群pop（k）中每个个体的适配值，将适配值最大的个体复制到临时种群 步骤3：令m=1 步骤4：根据适配值的大小，从原种群pop（k）中选择两个个体作为父本，生成一个0到1的随机数a，若a=pc，pc为交叉概率，则将两个父本执行交叉操作，生成两个临时个体；若apc，则不执行交叉操作，直接将两个父代作为临时个体。 步骤5：生成一个0到1的随机b，若b=pm，pm为变异概率，则对两个临时个体进行变异操作，并将适配值更高者放入临时种群；若bpm，则直接计算两个临时个体的适配值，并将适配值高者存入临时种群中。令m=m+1。 步骤6：若m小于N，则返回步骤4；否则转至步骤7。 步骤7：用锦标赛等选择方法对临时种群进行筛选，在此之前先将最优个体直接复制，从而生成新一代种群pop（k+1）。 步骤8：判断种群pop（k+1）是否满足终止条件，满足则退出，否则令k=k+1，并转至步骤2。 实验结果 参数 Ap Bp Cp Mp t0 n 总体 5.116 8.0912 14.4401 9.3629 0.2555 0.7179 分部 1.9452 10.3901 15.9665 8.7116 0.1735 0.7178 平均每次辨识时间约为16秒 辨识结果存在一定的分散性，但总趋势与真实值较近 20次仿真结果的平均值与“理论值”对比 t0与n的辨识结果与“理论”曲线的对比 算法改进——两步辨识 扰动模型的建立 两式相减： 待辨识参数减少为k1，k2，t0三项，且将指数项转为乘积项，提高计算速度 总量辨识 利用第一步仿真得到的k1，k2，t0和t与n的反比例关系式，可以得到Mp，t0，n以及2Ap+Bp的值 剩余待辨识参数有两项：Ap（或Bp），Cp 实验结果 参数 Ap Bp Cp Mp t0 n Time(s) 原方法 5.