电力系统综合负荷模型结构研究

电力系统仿真在电力系统的分析、规划、设计、运行等一系列过程中起着非常重要的作用,其准确程度关系到电力系统的安全稳定运行。由于电力系统负荷本身时变性、随机性、分布性、多样性及高度非线性等特点,使得负荷建模存在很大困难,负荷模型还不很成熟。 电力系统综合负荷建模研究中,模型结构一直是倍受关注的最基本和最关键的问题之一。本文从两个方面入手对电力系统综合负荷模型结构开展了深入研究。一是机理模型结构的研究,建立了考虑配电网集结等效的综合感应电动机负荷模型。二是非机理模型结构的研究,其中又分为两个部分:第一为神经网络综合负荷模型结构的研究。第二为并行差分方程模型结构研究。 机理型模型是电力系统暂态仿真中应用最为广泛的负荷模型,传统机理模型通常未单独考虑配电网的影响。本文从电力系统综合负荷数据采集及配电网络的结构特点出发,建立了一种新型的考虑配电网络集结等效的综合感应电动机模型,该模型把配电网作为综合负荷的有机组成部分,同时计入了配电无功补偿和变压器分接头的影响,基于变电站实测负荷特性数据的建模检验表明,该模型对综合负荷特性的自描述能力及泛化能力都优于传统机理模型,且辨识所得模型参数分散性显著降低,更加符合综合负荷的实际。 由于ANN理论上可以任意精度逼近任意非线性函数,因而颇受负荷建模研究者的重视,其中选择恰当的神经网络结构应用于负荷建模成为研究的重点。本文深入研究并明确指出了被广泛应用的前向BP ANN应用于负荷动特性描述所存在的缺陷,进而构建了一种基于Elman神经网络结构的综合负荷动态模型;在此基础上,结合传统差分方程对负荷特性具有良好描述能力及神经网络并行计算能力强的优点,提出了并行差分方程的概念,建立了新型的并行差分方程负荷模型,大量现场实测数据的建模结果表明,本文所建立的Elman神经网络和并行差分方程模型不仅能有效减少负荷模型参数,且其描述能力大大优于前向BP ANN的综合负荷模型。