电力系统负荷模型结构与参数辨识的研究
- 格式:pdf
- 大小:2.73 MB
- 文档页数:97
考虑频率特性的感应电动机负荷模型的对比研究梁伟;鞠平;余一平【摘要】Previous studies mostly focused the voltage characteristics of load rather than the frequency characteristics. The frequency may vary obviously in the small or weak power grid, so the frequency characteristics should be studied. The fifth-order induction motor load model and the new third-order practical induction motor load model are given. A method for load parameter estimation is proposed, i.e. estimating the key load parameters through ant colony optimization (ACO). In a simulation case, the identification results of two load models are compared with and without considering frequency characteristics. Finally, the measured data under a disturbance in Xinjiang Power Grid are used to validate the necessity of considering frequency characteristics. It is indicated that the load parameter estimation and simulation results with considering frequency characteristics are better than that without considering frequency characteristics, and the fifth-order induction motor load model is better than the new third-order practical induction motor load model. <br> This work is supported by National Natural Science Foundation of China (No. 51137002 and No. 51190102), National High Technology Research and Development Program of China (863 Program) (No.2011AA05A103), and State Grid Corporation of China, Major Projects on Planning and Operation Control of Large Scale Grid (No. SGCC-MPLG001 (001-031)-2012).%以往主要研究负荷的电压特性,很少研究频率特性。
摘要负荷预测是电力系统规划、计划、用电、调度等部门的基础工作。
讨论了年度负荷预测、月度负荷预测和短期负荷预测的特点、成熟方法,分析了负荷预测问题的各种解决方案,并指出未来的主要研究方向。
根据国内电力系统负荷预测的实践和国外的经验,对我国开展电力系统负荷预测工作提出了一些建议。
关键词:电力系统;负荷预测;模型;参数辨识第一章引言负荷预测是从已知的用电需求出发,考虑政治、经济、气候等相关因素,对未来的用电需求做出的预测。
负荷预测包括两方面的含义:对未来需求量(功率)的预测和未来用电量(能量)的预测。
电力需求量的预测决定发电、输电、配电系统新增容量的大小;电能预测决定发电设备的类型(如调峰机组、基荷机组等)。
负荷预测的目的就是提供负荷发展状况及水平,同时确定各供电区、各规划年供用电量、供用电最大负荷和规划地区总的负荷发展水平,确定各规划年用电负荷构成。
第二章负荷预测的方法及特点电力系统负荷预测的原理通常来说预测电力系统负荷最直接最有效的方法是建立一个负荷模型,该模型有两层含义:一是负荷的时空特性,二是负荷电压和频率特性。
对于负荷的时空特性指的是随着时间与空间的不同分布,负荷的分布也会不同。
这种负荷模型往往是比较复杂的,研究人员通常是采用负荷时间曲线来描述这种特性。
这样负荷曲线以时间为依据,就可以分为日负荷、周负荷、季负荷以及年负荷;如果换成以时空角度为划分依据,则此曲钱又可分为系统、节点和用户三种负荷曲线;若按照负荷的性质来分,负荷曲线又可以分为工业、农业、市政以及生活负荷等。
在一般的安全运行的过程中,负荷模型指的就是未来时空特性,因此也可以将此作为负荷预测模型。
通常负荷预测模型包含的内容是非常广泛的,在运行的过程中不仅能进行短期或者实时的负荷预测,还能在规划电力系统时做长期的预测。
负荷的预测通常采用的是概率统计,有效地分析工具即为时间序列分析,由于是预测未来的负荷,所以会存在或多或少误差。
对于未来负荷预测误差所产生的原因主要是一些不确定的因素与负荷变化的规律不一致,如某些自然灾害可能会导致停电,这样负荷曲线就会在事故时段出现一些突变。
( 安全技术 )单位:_________________________姓名:_________________________日期:_________________________精品文档 / Word文档 / 文字可改三道防线:构筑大电网安全屏障(标准版)Technical safety means that the pursuit of technology should also include ensuring that peoplemake mistakes三道防线:构筑大电网安全屏障(标准版)近年来,美国、加拿大、俄罗斯等国发生的大面积停电,引起了国际社会对电网安全的高度关注。
党中央、国务院领导高度重视我国电网的安全稳定问题,多次作出重要批示,要求电力部门加强防范,保证电网安全和电力的有序供应。
国家电网公司作为关系国家安全和国民经济命脉的国有重点能源企业,长期以来坚持把确保国家电网的安全和稳定作为首要工作来抓:组织专家学者对我国电网安全问题进行分析和经验总结,针对国外大停电事故进行反思;组织科研力量开展大量科技研发,提升了我国大电网分析和控制的能力;编制《国家电网公司“十一五”科技发展规划》和《大电网安全关键技术研究框架》等,确定了未来较长一段时间的科研攻关项目和研究目标。
经验和启示合理规划:电网安全的物质基础保证电网安全首先必须保证电网规划安全。
加强电网建设、合理规划电网是电网安全的第一步。
国家电网公司提出的发展特高压电网,加强城网建设的发展目标,将为电网安全奠定坚实的物质基础。
合理规划网架、建设结构清晰的网架结构,坚持分层分区,加强受端电网建设,送端电源合理接入受端电网等技术原则,是国家电网公司在长期电网规划中取得的宝贵经验。
管理机制:电网安全的保障参与电网的各利益主体,包括发电公司、电网公司、用户等都必须为电网的安全承担责任和义务。
为此,要制定适合我国国情的电力市场模式和具有合理利润回报的电价体系,建立公正、合理的激励约束机制,促进电厂和电网的同步发展;在管理方面,要坚持统一规划、统一调度;在电网运行方面,要制定强制性技术标准,规范电网参与者的责任和义务,严格执行调度命令。
基于感应电动机的负荷模型参数辨识研究xx学院毕业设计(论文)开题报告题目:基于感应电动机的负荷模型参数辨识研究课题类别:设计学生姓名:学号:班级:专业(全称):指导教师:2010年 4月一、本课题设计(研究)的目的:(1)了解电力系统负荷建模重要性的基础上,掌握电力负荷模型的基本概念及分类,重点掌握静态负荷模型、动态负荷模型并建立综合负荷的概念。
(2)了解电力系统负荷建模的方法及研究现状的基础上,重点研究动态负荷模型中的感应电动机模型。
(3)掌握感应电动机模型的结构特点及待辨识参数的物理意义。
(4)理解感应电动机负荷模型参数辨识实现过程,通过感应电动机的三种综合负荷模型对样本进行参数辨识,以比较和分析这三种模型对实际综合负荷的描述效果。
二、设计(研究)现状和发展趋势(文献综述):随着我国主要电网互联进程的推进,电网的复杂程度愈来愈高,其动态稳定性及电压稳定性问题愈来愈突出,负荷模型对系统计算结果的影响已变得不容忽视。
在东北—华北交流联网系统稳定性分析和东北—华北联网工程调试等工程项目的研究中,采用的负荷模型和参数严重地影响了系统稳定性计算结果的可信度,给决策方案的取舍带来了一定困难。
为了解决这一问题,必须探索适用于我国现阶段大规模互联电网的负荷模型和建模方法。
由于电力系统数字仿真已被广泛应用于电力系统的规划、设计、运行和研究等领域,数字仿真结果常常被作为相关决策的依据,因此仿真的准确度愈来愈受到重视。
随着研究的深入,最后将负荷模型从恒电流模型改成电动机加上某种静态负荷的模型后,仿真结果才与现场记录相一致,这充分说明目前用于电力系统动态仿真模型或参数改进而建立和使用基于实测数据的负荷模型具有十分重要的现实意义。
目前,负荷建模方法可归纳为两类,即统计综合法和总体测辨法。
在过去的 20 年中,对于采用上述两种方法进行负荷建模的研究已取得了许多成果。
由于电网运行水平越来越接近于极限以及大量电力电子设备的涌现,导致了20世纪70—80年代建立的负荷模型已不适用于电力系统动态仿真。
电力系统参数解耦与识别方法研究随着电力系统的发展和智能化程度的提高,如何准确解耦和识别电力系统的参数成为一个重要的研究课题。
电力系统参数的解耦和识别对于系统运行的稳定性和可靠性具有重要意义,它可以帮助系统操作者更好地了解系统行为,并为系统的故障诊断和系统控制提供更准确的信息。
本文将探讨电力系统参数解耦与识别方法的研究进展和应用情况。
首先,需要明确电力系统的参数解耦和识别的概念。
电力系统是一个复杂的动态系统,由发电机、输电线路、变压器、负荷等组成。
电力系统的参数包括发电机的电导、电感、阻抗,输电线路的电阻、电抗和电容,变压器的变比、接线方式等。
电力系统的参数解耦即将复杂的电力系统划分为不同的子系统,每个子系统包含一组独立的参数。
电力系统的参数识别即从电力系统的运行数据中确定各个子系统的参数值。
在电力系统参数解耦方面,有多种方法可以实现。
一种常用的方法是使用变量聚类分析,将系统中的变量划分为不同的群组。
通过对系统变量的测量数据进行聚类分析,可以找到相互关联程度较高的变量组合,从而将电力系统分解为多个相对独立的子系统。
另一种常用的方法是使用主成分分析法,通过对系统的状态变量进行线性变换,将系统变量转化为一组新的无关联的变量。
这样可以减小系统的维度,从而实现参数解耦。
在电力系统参数识别方面,也有多种方法可以应用。
一种常用的方法是使用数学模型和优化算法进行参数识别。
通过建立准确的电力系统模型,并基于测量数据,利用优化算法寻找使模型输出与实际测量值之间误差最小的参数组合。
另一种常用的方法是使用系统辨识方法,通过对系统的输入输出信号进行分析,从而推断系统的参数。
例如,可以使用递归最小二乘法对电力系统进行辨识,从而得到系统的参数值。
除了上述方法,还有一些新兴的技术和方法被应用于电力系统参数解耦与识别研究中。
例如,机器学习和人工智能技术可以通过对大量的历史数据进行学习和训练,从而实现对电力系统参数的解耦和识别。
另外,基于数据驱动的方法也在电力系统参数识别中得到广泛应用。
感应电动机负荷模型参数辨识研究进展与展望感应电动机作为电力负荷的重要组成部分,其负荷模型参数已成为制约系统电压稳定性计算结果准确性的关键因素。
针对此,首先对国内外在感应电动机负荷模型参数辨识方面的主要研究成果进行了综述。
最后,指出今后感应电动机负荷模型参数辨识的研究方向,为我国电力系统感应电动机模型参数辨识的研究提供参考。
标签:感应电动机;负荷模型;参数辨识0 引言在电力系统稳定性分析中使用不同的负荷模型参数对计算结果的影响很大,该问题已受到了国外电力系统研究机构和运行部门的广泛关注。
在电力系统负荷中,对系统稳定特性影响较大的是电动机负荷。
据统计,在电力系统负荷中超过70%都是感应电动机负荷[1-2],系统发生故障后数秒内的负荷动态特性主要来源于感应电动机负荷的综合响应特性[3]。
因此,确定感应电动机负荷模型参数是电力系统负荷建模和稳定仿真计算所必需的。
通常所采用的电动机模型参数直接参照文献[4,5]推荐的几种典型参数,距今已有20 多年,将这些典型模型参数应用于当前电网的仿真分析,其适应性和准确性会受到限制。
基于此,人们在文献[4,5]的基础上,探索出多种感应电动机负荷模型参数辨识的方法,如:试验法、解析法、时域仿真法、铭牌数据估计法。
下面对这些方法进行评述。
1 试验法试验法确定感应电动机的参数主要通过空载试验和堵转试验来确定[6]。
空载试验的目的是确定感应电动机的激磁参数Rm、Xm,以及铁耗PFe和机械损耗PΩ。
试验是在电源频率f=fn、转子轴上不带任何负载,转速n≈ns的情况下进行的。
用调压器调节试验电压的大小,使定子三相的端电压(线电压)从(1.1~1.2)Usn逐步下降到0.3Usn,且转子转速没有明显下降时为止,每次记录感应电动机的相电压、空载电流和空载功率,然后利用测量的数据计算Rm和Xm。
堵转试验的目的是确定感应电动机的漏阻抗,试验在转子堵转的情况下(滑差s=1)进行。
调节试验电压,使端电压近似等于0.4Usn,然后逐步降低电压,每次记录定子的相电压、定子电流和功率;然后利用测量的数据计算定子参数Rs、Xs和转子参数Rr、Xr。
负荷模型辨识中广域电网负荷空间分类戴嘉祺;郝丽丽【摘要】提出了负荷模型辨识中广域电网负荷的空间分类方法,基于工业、商业、农业、居民及其他负荷的典型值数据,通过模糊均值聚类(FCM)算法对负荷按负荷性质空间分类,辅以灵敏度计算公式确定重点辨识参数,进而以遗传优化算法并结合暂态过程各种扰动设置中电压响应曲线的交互计算,以全网母线电压跌落最为严重的母线作为观察变量,辨识修正负荷模型参数,并以不分类、区域分类两种方法与文中所提出方法作对比,仿真结果表明,按负荷性质分类具有合理性与有效性.【期刊名称】《电网与清洁能源》【年(卷),期】2016(032)001【总页数】6页(P36-41)【关键词】负荷模型;空间分类;模糊均值聚类;负荷性质【作者】戴嘉祺;郝丽丽【作者单位】南京工业大学电气工程与控制科学学院,江苏南京 211816;南京工业大学电气工程与控制科学学院,江苏南京 211816【正文语种】中文【中图分类】TM743KEY W0RDS:1oad mode1;sPace c1assification;fuzzy means c1ustering;1oad nature电力系统负荷模型是电力系统仿真分析的基础,对电力系统动态仿真结果有重要影响。
然而在实际工程中多次发现仿真结果无法重现真实的动态过程,仿真的有效性问题亟待解决[1-2],负荷模型直接影响到电力系统静态、动态和暂态特性的分析计算。
广域电力系统涵盖的负荷节点较多,若对每个负荷节点都采用不同的模型参数,则不管是建模还是计算,都十分困难。
但如果对所有节点都采用相同的模型参数,虽然简单,却不符合实际。
负荷自身的时变性、多样性、地域分散性问题为负荷建模带来不小的困难。
研究发现,若依据负荷特性的相似性,将具有同类特性的负荷点归结为一类,则可极大地提高负荷建模的准确性与有效性。
国内外电力工作者一直致力于研究适用于负荷建模的各种负荷分类策略[3-5]。
负荷点分类涉及特征向量的选取与数据聚类,选取的样本特征向量应能完全代表样本的本质特征。
电力系统动态等值方法的比较摘要:现代电力系统的复杂程度日益增大,动态等值是简化电力系统模型的一种行之有效的方法。
本文介绍并比较了三种常用的电力系统动态等值方法,包括同调等值、模态等值和估计等值。
关键词:电力系统;动态等值方法;比较1.引言现代大规模互联的电力系统可以覆盖非常广阔的地理区域。
同时随着新能源并网发电以及混合交/直流输电的应用,大量的电力电子设备的引入也增加了输电系统的复杂程度。
在对电力系统进行研究时,使用完整而准确的数学模型需要非常大的计算量。
特别是进行实时瞬态分析时,在计算机上对可以模拟的系统尺寸有严格的限制。
通常可以将复杂的电力系统模型按分析目的分为内部和外部两个子系统。
对外部子系统进行简化使其在内部系统边界上能够产生等效的动态响应。
这样的简化系统可以作为原系统的动态等值替代完整系统模型用于分析。
大量的相关研究采用了不同方法来获取电力系统的动态等值模型。
一部分采用分析方法,对原系统的数学模型进行简化。
还有一些则是采用估计的方式,通过测量数据集来拟合出一个新的模型。
本文简要介绍了三种常用的电力系统等值方法,包括:同调等值(coherency-based equivalence),模态等值(modal equivalence)和估计等值(evaluation-based equivalence),并比较了三种等值方法的优势、限制及适用场景。
2.三种常用的动态等值方法2.1同调等值同调等值的核心是对电力系统中的同调电机进行合并。
在输电侧系统的建模中,发电机通常是必不可少的。
而在真实的负载系统里,电动机通常占据了相当大的负载比例。
由于电机通常对电网的电压和频率控制有着很大的作用,所以电机对电力系统模型的动态响应有着至关重要的影响。
电机的同调性是指同调机组在瞬态过程中始终保持相同的动态响应。
同调性的识别可以通过比较能反映电机同调性的特征量进行,最常用的方式是比较电机转子转角摆线。
若两台电机转子转角位置差总在一定的范围内,则可认为两台电机同调。
使用MATLAB进行系统辨识与参数估计的基本原理近年来,随着人工智能和机器学习的发展,系统辨识和参数估计变得越来越重要。
在工程和科学领域,系统辨识与参数估计可以帮助我们理解和预测复杂系统的行为,从而为决策和控制提供有力支持。
而MATLAB作为一种强大的科学计算软件,在系统辨识与参数估计方面提供了丰富的工具和功能。
本文将介绍MATLAB 中进行系统辨识与参数估计的基本原理。
一、系统辨识的概念系统辨识是指通过一系列的实验和数据分析,确定出系统的数学模型或特性。
在实际工程和科学问题中,我们经常遇到许多系统,如电子电路、生化反应、飞行控制系统等。
通过系统辨识,我们可以了解系统的行为规律,预测未来状态,从而进行优化和控制。
在MATLAB中,可以使用系统辨识工具箱(System Identification Toolbox)进行系统辨识。
该工具箱提供了一系列的函数和算法,可以帮助我们建立和分析系统模型。
例如,使用arx函数可以基于自回归模型建立离散时间系统的模型,使用tfest函数可以进行连续时间系统的模型辨识。
二、参数估计的基本原理参数估计是系统辨识的一个重要部分,它是指通过已知的输入输出数据,估计系统模型中的参数。
在实际应用中,我们通常只能通过实验数据来获得系统的输入输出信息,而无法直接观测到系统内部的参数。
因此,参数估计成为了一种重要的技术,用于从数据中推断出系统的模型参数。
在MATLAB中,参数估计的基本原理是最小二乘估计。
最小二乘估计是指寻找能够最小化实际输出与模型输出之间的误差平方和的参数值。
在MATLAB中,可以使用lsqcurvefit函数进行最小二乘估计,该函数可以用来拟合非线性模型或者线性模型。
此外,还可以使用最大似然估计(MLE,Maximum Likelihood Estimation)进行参数估计,MATLAB通过提供相应的函数,如mle函数和mlecov 函数,支持最大似然估计的使用。