基于粒子群优化法的负荷模型参数辨识.docx
- 文档编号:6453752
- 上传时间:2023-01-06
- 格式:DOCX
- 页数:10
- 大小:26.15KB
基于粒子群优化法的负荷模型参数辨识.docx
《基于粒子群优化法的负荷模型参数辨识.docx》由会员分享,可在线阅读,更多相关《基于粒子群优化法的负荷模型参数辨识.docx(10页珍藏版)》请在冰豆网上搜索。
基于粒子群优化法的负荷模型参数辨识
基于粒子群优化法的负荷模型参数辨识
概述
作为近年来广受关注的粒子群优化法(ParticleSwarmOptimization,PSO),它的诞生源于Eberhart博士与Kennedy博士对于鸟类捕食行为的模拟而发明的一种新的全局优化算法。
粒子群优化法(PSO算法)具有全局性能好、搜索效率高等优点,故在电气领域越来越多的应用开始出现,本次的课题即是关于粒子群优化算法在负荷模型中的应用。
目前,电力负荷建模主要形成了三类方法,即总体测辨法、统计综合法和故障仿真法。
对于此三类方法,我们在优劣上进行了详细的对比:
总体测辨法的整体性避免了大量的统计工作,从而有利于微观定量分析,但是其难点在于,难以在系统中全部的变电站中都安装有关装置从而进行测辨;统计综合法所得的模型在概念上是较为清晰的,易于理解与应用,可是其建模的过程较为困难,所需要的资料与信息量肯能过于庞大;而对于故障仿真法,其优点在于某些特定故障情况下可以重现,同时也正因为如此说明其为一种试凑的方法。
综上,对于上述三种方法的阐述表明,我们有必要尝试引入一种新的方法---粒子群优化法来进行新的负荷模型参数辨识,以扩展更多的应用空间。
本文即从此入手,以达到将粒子群优化法施用的可能。
1绪论..........................................................................................................................1
1.1电力系统负荷简介...........................................................................................1
1.1.1电力系统负荷特性的定义.......................................................................1
1.1.2电力系统负荷特性的分类.......................................................................1
1.2电力系统负荷建模的意义...............................................................................1
1.3负荷建模的发展与现状...................................................................................2
1.4综合负荷建模...................................................................................................3
1.5本文所做的工作...............................................................................................4
2负荷建模的相关理论基础.....................................................................................4
2.1电力系统负荷建模的基本理论.......................................................................4
2.1.1电力系统负荷模型的产生.......................................................................5
2.1.2电力系统负荷模型的分类.......................................................................6
2.1.3负荷特性对电力系统仿真计算结果的影响...........................................7
2.1.3.1负荷模型对潮流计算的影响........................................................7
2.1.3.2负荷模型对暂态稳定计算的影响...............................................7
2.1.4负荷模型对小信号动态稳定计算的影响..............................................8
2.2电力系统负荷模型的参数辨识.....................................................................9
2.2.1电力系统负荷模型参数辨识的形成....................................................10
2.2.2电力系统负荷模型建立的主要方法....................................................10
2.3感应电动机...................................................................................................11
2.4本章小结........................................................................................................11
1绪论
1.1电力系统负荷简介
1.1.1电力系统负荷特性的定义
电力负荷从电力系统的电源吸取的有功功率和无功功率随负荷端点的电压
及系统频率变化而改变的规律
1.1.2电力系统负荷特性的分类
及上,负荷功率随负荷颠端电压变动而变化的规律,称为负荷的电压特性;负
荷功率随电力系统频率改变而变化的规律,称为负荷的频率特性;同时,负荷功率随时间变化的规律,称负荷的时间特性。
但一般习惯上把负荷的时间特性称为负荷曲线(有日负荷曲线,年负荷曲线等),而把负荷的电压特新那个和负荷的频率特性称为负荷特性。
反映负荷点电压(或电力系统频率)的变化达到稳态后负荷功率与电压(或频率)的关系,称为负荷的静态特性;反映负荷点电压(或电力系统频率)急剧变化过程中负荷功率与电压(或频率)的关系,称为负荷的动态特性。
负荷功率又分为有功功率和无功功率。
这两种功率的变化规律差别很大。
将上述各种特征相组合,就确定了某一种特定的负荷特性,例如有功功率静态频率特性、无功功率静态电压特性等。
电力系统的负荷主要成分是异步电动机、同步电动机、电热电炉、整流设备、照明设备等。
在不同负荷点,这些用电设备所占的比重不同,用电情况也不同,负荷特性也不相同,因而有必要进行良好的适当的建模来进行研究。
1.2电力系统负荷建模的意义
电力负荷是电力系统的重要组成部分,它作为电力系统四大元件之一,其数学模型及其参数的选取对电力系统规划、运行和控制等许多问题都有影响。
不起当的负荷模型会使得结果与实际情况不相一致。
若负荷模型不准确而产生乐观的分析结果,则在规划设计方面将会导致系统结构运行造成不便,带来许多运行限制,在运行方面将导致系统运行于危险的临界状态或疏于防范而造成事故;若负荷特性描述的不准确而产生悲观的分析结果,则在规划设计方面将会因不必要的加强系统结构和反事故措施而投入过多的资金,造成浪费,在运行方面采取过分保守的策略而限制了功率传输的极限,使设备得不到充分的利用。
目前发电机组和输电网络的模型已相当成熟,比较而言,电力负荷模型仍相当简单,往往从基本物理概念出发,采用理想化的模型。
负荷模型的过分粗糙已成为制约电力系统仿真计算精度的关键因素,从而也降低了改进发电机和输电网络模型的价值。
大量的仿真计算表明:
负荷模型对电力系统动态行为的定量模拟结果影响较大,对潮流计算、短路计算、安全分析、电压稳定性[1][2]等也存在一定的影响。
在临界情况下,还有可能彻底改变一些定性的结论[3]。
1.3负荷建模的发展与现状
人们早在20世纪30、40年代认识到负荷模型对电力系统分析的重要性,并开始研究负荷随电压和频率变化的静态和动态特性,这一阶段可以说是负荷建模的萌芽期。
到了60.70年代。
由于数字电子计算机技术的发展和应用,人们大量采用计算机进行复杂电力系统的仿真,同其它系统元件模型一样,负荷建模工作有了相当的进展,除了提出了恒阻抗、恒电流、恒功率模型外,还在计算中采用了感应电动机负荷模型和多项式、幂指数负荷模型。
在1976年美国电力科学研究院(EPRI)主持了一项大型研究计划,其主要目的是为电力公司建立一套基于统计综合法的负荷建模方法。
研究工作在加拿大和美国同时展开,美国的Texas大学负责建模方法研究,GE公司的电力工程负责通过现场试验对建模方法进行评价。
该方法是在实验室内确定各种典型负荷f如工业电动机负荷、电冰箱、荧光灯等)的平均特性方程。
然后统计每个负荷点上在一些特殊时刻(如冬季峰值、夏季峰值)负荷的组成,即每种典型负荷所占的百分比,以及配电线路和变压器的数据,最后综合这些数据得出该负荷点的负荷模型。
EPRI经过多年的努力发表了许多有价值的研究报告,并且研制完成了目前为止统
计综合法负荷建模中最具影响的软件包EPRILOADSYN,该软件使用时需提供三种数据:
负荷类型数据,即各类负荷(民用、工业、商业等)在总负荷中所占百分比:
各类负荷的构成数据,即各种用电设备(荧光灯、电动机、空调等)所占比例;各负荷元件平均特性。
若使用者仅提供第一种数据,后两种数据可以采用软件包提供的典型值。
这给软件包的使用者提供了一定的方便。
另一种新的负荷建模方法总体测辨法在90年代前后开始被提出,该方法的以系统辨识理论为基础,基本思想是将负荷群看成一个整体,先在现场进行人为扰动试验或捕捉自然扰动,采集并记录该扰动数据,然后由实测数据辨识负荷模型的结构和参数。
中国、美国、日本、加拿大和澳大利亚等国在实际系统中研制和投运了大批电力负荷特性记录仪,记录了大量数据,籍此开展了大量基于总体测辨法的研究。
CIGRE和IEEE都设有负荷建模工作组,其不定期发表的专题报告,对归纳总结负荷建模的研究成果和指导负荷建模的研究起到了重要作用。
1990年CIGRE发表的专题报告Il⋯,结合荷兰FGO电网对各种负荷模型的动态计算效果进行详细论证,对负荷模型及测试方法进行总结。
IEEE在1993年发表的报告统一了负荷建模中许多术语和定义,总结了负荷模型从建立、验证到应用的有关问题。
IEEE在1995年2月的报告列出了负荷建模研究中提出的许多有价值的负荷模型、文献,以期推动负荷建模的进一步研究和实际应用。
1995年8月的报告推荐了用于电力系统潮流计算和动态仿真的标准化负荷模型。
更加丰富了建模的种类。
[4]
1.4综合负荷建模
一般来说,负荷建模的综合方法包括模型结构的确定和参数辨识两方面[4]。
模型结构的确定是系统辨识中最重要的部分,目前对于如何确定模型的结构尚无系统的方法,有的只是一些特殊的经验。
为了确定负荷模型的结构,首先观察负荷在扰动时的行为共性:
1)负荷的有功和无功在电压变化下都要发生变化,当电压稳定后,负荷的有功、无功也终将稳定,此时负荷的有功、无功与电压的关系由负荷静态特性描述。
2)负荷的有功、无功在电压变化下并不是立刻到达新的稳态,而是需要经过一定时间的过渡过程,通常把这个过渡过程称为负荷的恢复特性。
3)负荷有功、无功的恢复特性不同,相比之下,负荷无功的恢复过程较为明显,恢复过程的时间常数大,而负荷有功的时间常数要小。
因此,应该考虑合适的系数进行具体的确定。
同时考虑到实际系统中,母线负荷的无功功率受无功补偿的影响很大:
在
白天,母线负荷吸收的无功较大;而到夜间,母线负荷吸收的无功较小,在某些情况下甚至向系统反送无功。
负荷无功的这个特点,给负荷无功建模带来了很大的困难,在极端情况下有些模型甚至无法对负荷无功建模。
采用了上述的预处理方法后,可以很好地处理无功电压特性。
负荷模型的参数辨识在第二章将有详细阐述,在此不在累述。
1.5本文做所的工作
基于最广泛的建模方法——总体测辨法与统计综合法相比具有无需知道各个用户的负荷组成及参数,不依赖于用户统计资料的优点,加之计算机速度的不断加快推动了辨识技术的发展。
目前,总体辨测法正成为大多数研究者开展负荷建模工作地首选方法。
负荷建模包括两个重要的方面:
确定合适的负荷模型结构和形式;选择辨识算法进行参数辨识计算。
根据辨识理论,辨识的方法分为经典辨识方法和现代辨识方法两类。
由于负荷建模时必须要考虑噪声,所以一般不能采用经典辨识法。
在符合参数辨识中目标函数不可能写出其解析关系,其解空间相当复杂,有多个极值点,所以优化搜索方法显得相当重要。
粒子群优化算法是近年来兴起的群智能优化算法,表达简单,设置参数少,易于操作。
具有全局性能好、搜索效率高等优点。
本文将把粒子群优化算法作为负荷模型的参数辨识方法进行了研究。
2负荷建模的相关理论基础
2.1电力系统负荷模型的基本理论
2.1.1电力系统负荷模型的产生
研究者们发现[5],在研究运行中的电力系统行为时,由于安全运行的限制以及运行状态控制的困难等原因,采用直接在实际系统上进行各种实验的方法通常是不可行的。
对于规划中的系统,因为系统并没有真正建立起来,也不可能依靠在实际系统上进行实验来预测系统的特性和寻求改进系统性能的途径。
在这种情况下,数字仿真建模以其经济、方便等优点,为系统的研究、分析、决策、设计等提供了一种先进的手段。
电力系统各元件的数学模型及由其构成的全系统数学模型是数字仿真的基础,其准确与否直接影响着仿真的结果和以仿真结果为基础的决策方案,进而关系到决策方案实施所产生的经济效益和社会效益。
长期以来,人们对于电力系统四大模型中的发电机、调速系统、励磁系统在行为机理和现场实测方面进行了深入研究,提出了适应不同仿真精度要求的数学模型。
而对于作为电力系统中重要元件之一的负荷模型,研究力度历来是不够的,在目前电力系统仿真计算中,使用的负荷模型也是比较粗糙的。
这种粗糙的负荷模型与精确的发电机、调速系统、励磁系统很不协调。
从总体上讲,负荷模型的精确度成为了整个电力系统仿真计算中提高精度的瓶颈,使得其它元件模型的精确性难以发挥其应有的作用,从而降低了系统仿真分析的可信程度,并且会造成过于悲观或乐观的分析结果,给电力的生产与发展带来巨大的损失。
比如,若负荷模型不准确导致乐观的分析结果,则在规划设计方面将会导致系统结构、反事故措施方面投入资金不足,从而产生不合理的系统规划方案,给以后的系统运行造成不便,带来许多运行限制,在运行方面将导致系统运行于危险的临界状态或疏于防范而造成事故:
若负荷特性描述的不准确而产生悲观的分析结果,则在规划设计方面将会因不必要的加强系统结构和反事故措施而投入过多的资金,造成浪费,在运行方面采取过分傈守的策略而限制了功率传输的极限,使设备得不到充分的利用。
但是由于负荷本身的特殊性,建立精确的负荷模型存在相当的困难。
随着电力系统分析不断向广度和深度发展,负荷模型越来越显得重要。
因此,为了使系统分析结果更加可信,使分析真正起到定量的作用,为电力系统规划、运行和控制提供准确的依据,有必要建立切合实际的负荷模型。
到八十年代为止,建立复合模型有两种指导思想:
一种是把负荷看成大量个别用电设备的集合,先求得每种类型用电设备的典型特性,经综合后得出综合的负荷特性;另一种是把综合负荷看做一个整体,用实验方法在现场实测负荷模型的参数。
但是毕竟影响因素过多,例如某地区的生活水平,生活习惯,气候条件,资源情况等等的影响,造成了负荷组成和负荷对功率需求有很大的随机性,再加上电力系统中现场实验和测量的困难,使得复合模型的建立成为电力系统研究中的难题。
2.1.2电力系统负荷模型的分类
按照是否反映负荷的动态特性,负荷模型一般分为两种类型,即静态、动态模型,前者用代数方程描述,后者则通常用微分方程和差分方程来描述,每一类都有多种模型结构。
1)静态负荷模型:
基本的静态负荷模型结构为:
幂函数模型;多项式模型。
一般来说用~个幂函数模型在电压变化范围比较大的情况下仍能较好地描述很多负荷的静态特性。
但对于象空调、电动机等负荷或某些综合负荷,其特性比较特殊,例如,低电压下随电压降低吸收功率反而增加,用一个幂函数模型难以做整体描述,而采用多个幂函数模型相加的形式,则可能会得到满意的结果,这时有的幂指数完全可能为负值D4。
多项式模型由恒阻抗、恒电流、恒功率模型三部分组合而成,它可以看成是三个幂函数模型相加的特例,三个幂函数的幕指数分别为0、l和2,并且三个幂函数的系数之和为l。
至于恒阻抗、恒电流、恒功率负荷模型则又是多项式模型的特例。
因此,静态负荷模型采用幂函数形式具有很大灵活性。
静态负荷模型主要适用于潮流计算和以潮流计算为基础的稳态分析。
在电力系统动态仿真中,静态负荷模型一般适用于计算结果对负荷模型不太敏感的负荷点、长过程动态分析等。
2)动态负荷模型:
动态负荷模型进一步可分为:
机理模型:
非机理模型。
其中,由于感应电动机是最重要的动态负荷,所以机理模型通常就是感应电动机模型,一般将感应电动机模型并联上有关静态模型作为综合负荷动态行为的郑卅l大学工学硕士论文动机模型,一般将感应电动机模型并联上有关静态模型作为综合负荷动态行为的描述。
这种模型已经在国内外的电力系统分析软件中得到广泛的应用。
对于由成千上万台特性差别极大的感应电动机和其他各种用电设备组成的综合负荷,采用一台等值电动机来描述,且不说等值机参数和状态变量失去了物理意义,单就等值效果来看也是较差的,因此研究者给出了电动机群等值或合并的条件。
非机理模型则是在系统辨识理论发展过程中,从大量具体动态系统建模中概括抽象出来的,对一大类动态系统具有很强描述能力的模型。
每一种非机理模型都有其酱遍适用的范围,也正是由于其普遍适用性掩盖了它作为具体系统模型的机理。
在一个具体系统辨识中,应着重强调模型对系统行为的描述能力,而不必苛求模型的机理解释。
常见的非机理动态负荷模型形式有:
常微分方程模型:
传递函数模型;状态空间模型:
时域离散模型。
其中较具影响的模型有:
考虑低电压下功率恢复特性的常微分方程模型;具有外部控制项的自回归滑动平均模型
NARMAX(NonliIlearAutoRegressiveMovingAverageModelwithexogenousinputs)[6],以及NARMAX模型的特例,如线性差分方程模型:
近年来提出的人工神经网络模型[7]。
目前还不存在一种被人们广泛承认的普遍适用的负荷模型形式和结构。
模型结构的确定需要针对具体的对象,还要结合模型验证来判别其有效性以及有效的范围,因为除真正的机理模型以外,非机理模型都有其相对有效的范围,很难找到一个绝对有效的非机理模型。
2.1.3负荷特性对电力系统仿真计算结果的影响
大量研究结果表明负荷特性对电力系统仿真计算结果具有重要影响,其表现在不同的负荷特性对电力系统的暂态稳定、小信号动态稳定、电压稳定和潮流计算具有不同程度的影响,在临界情况下,计算结果可能发生质的变化。
2.1.3.1负荷模型对潮流计算的影响
IEEE负荷建模工作组1988年在北美电力系统的85个企业调查结果显示[8],
在事故前后的静态潮流计算中,绝大多数采用恒功率负荷模型,仅少数采用功率
依电压变化的负荷模型。
仿真计算实践表明,当电网运行条件良好时,节点电压运行于额定值附近,采用恒功率负荷模型的潮流计算一般不存在收敛性问题。
但对于运行条件恶化的电网,例如故障后断开线路或切除发电机组等,系统电压偏离额定值较大时,采用恒功率负荷模型的潮流计算则存在收敛性问题,而采用考虑实际负荷功率随电压变化特性的负荷模型(例如,幂函数等模型)时潮流计算的收敛性就可以得到改善。
也就是说,采用恰当的负荷模型能改善潮流的收敛性及计算精度。
2.1.3.2负荷模型对暂态稳定计算的影响
负荷模型对暂态稳定计算的影响是通过负荷功率随电压、频率的变化影响作用于加速或减速发电机转子上的过剩转矩来表现的,也就是说,负荷消耗的功率随电压的变化将影响发电机的输入输出功率的不平衡,进而影响功角的偏移和系统第一摆的稳定性。
在对实际负荷特性缺乏了解的情况下,人们一直认为采用悲观的负荷模型可以确保系统的安全运行,实际上由于电力系统的复杂性,同一种负荷特性处于系统的不同地点和在不同的故障条件下对系统稳定的影响不同,很难找到一个负荷模型使得系统的分析结果总是偏于乐观或总是偏于悲观。
例如实际负荷特性为恒电流,其功率随电压幅值变化,而采用恒阻抗来表示时,则负荷功率随电压的平方变化,当负荷点位于加速的发电机附近,得到的分析结果偏于悲观,因为恒阻抗模型加剧了发电和功率消耗的不平衡;若负荷位于减速的发电机附近,则得到的分析结果偏于乐观。
相反,用恒功率模型表示恒电流特性时,若负荷位于加速的发电机附近,得到的分析结果偏于乐观;若负荷位于减速的发电机附近,得到的分析结果则偏于悲观。
国外一联合系统的计算分析也证实,当降低地区负荷对电压的灵敏度时,如果该地区在送端,则联络线的送电功率极限将增大;若在受端,则联络线的送电功率极限将降低。
所以有必要对分析系统建立切合实际的负荷模型,而不能根据经验一概地采用某种负荷特性。
另外,研究结果表明采用静态负荷模型不足以准确描述系统在电压和频率变化较大情况下
的负荷特性,例如,有研究表明在研究加拿大安大略西北部一个局部系统从互联大系统解裂后的动态行为时,发现采用静态负荷模型和采用动态模型的计算结果相去甚运,所以该文献特别强调在较大电压、频率波动情况下的暂态稳定计算中采用动态负荷模型的必要性。
需要指出的是,在评价负荷模型对暂态稳定的影响时主要考察模型对诸如最大传输功率、极限切除时间等稳定极限的影响。
2.1.4负荷模型对小信号动态稳定计算的影响
区域振荡可能涉及分布于系统中的许多发电机组,造成系统电压、频率的
显著变化。
在这种情况下,负荷的电压、频率特性对振荡的镇定具有重要影响。
抑制振荡的镇定源除励磁控制系统外,还有负荷特性、原动机转矩——速度特性和发电机阻尼绕组。
阻尼绕组对抑制近区发电机间的局部振荡具有较好的效果,但随着发电机间阻抗的增大,其抑制振荡的效果逐渐变差,并且其没有抑制区域间振荡的作用。
因此,在分析区域振荡时,除考虑发电机励磁控制系统的作用外,原动机转矩——速度特性和负荷特性则是应该考虑的重要因素。
普遍认为负荷的频率特性对系统的阻尼具有重要影响。
负荷模型对电压稳定计算的影响电压稳定的计算与电力系统其他的定量计算相比较,对负荷模型的依赖度更强。
在电压稳定问题分析的文献中,凡提及对电压稳定影响因素及仿真元件模型时,必首推负荷特性和负荷模型,这是因为负荷特性是电压失稳过程中最活跃、最关键的因素。
在再现1983年瑞典电压崩溃事故的仿真计算中,开始采用的简单的静态模型无法解释电压崩溃全过程,而后采用计及感应电动机、照明、冰箱、空调等用电设备特性的比较详细的负荷模型时才给整个过程以合理解释。
又如文献[6]通过研究电压稳定域与幂函数静态负荷模型中幂指数的关系,说明了负荷特性对电压稳定的影响。
文献[7]则以感应电动机为负荷模型利用时域动态仿真研究电压稳定的机理和电动机参数的变化对电压稳定计算结果的影响。
综上所述,负荷特性对各种电力系统仿真计算结果都
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 粒子 优化 负荷 模型 参数 辨识