一种基于PMU类噪声数据的在线负荷建模方法与流程
本发明涉及一种在线辨识负荷参数的方法，尤其是涉及一种基于PMU类噪声数据的在线辨识负荷参数方法。
背景技术：
负荷是电力系统的重要组成部分，负荷模型的准确性对电网的稳定性分析影响很大。但是由于负荷具有复杂性，时变性等特点，负荷建模始终是电力系统的重大难题之一。
目前，负荷建模一共有两大类方法，分别是统计综合法以及总体测辨法。统计综合法的基本思想是先将负荷分类，并确定每类负荷的平均特性，然后统计各类负荷所占有的比例，最后综合得出总体的负荷模型,但是这类方法存在着统计工作费时费力等缺点。
随着相量测量单元装置(PMU)的广泛应用，基于实测数据的总体测辨法得到了许多学者的重视。总体测辨法的基本思想是先确定负荷模型的结构，再由现场采集的数据辨识出负荷模型的参数，确定负荷的模型。因为负荷本质上是一个非线性系统，对非线性系统辨识时，往往要求输入激励波动较大。在总体测辨法中，要求负荷的输入信号电压幅值波动在10％左右，如负荷节点变压器器分接头动作等。但是这种波动并不是每时每刻都存在，因此这种方法不能在线建立负荷模型。
技术实现要素：
为解决上述问题，本文发明提出了一种基于PMU类噪声数据的在线辨识负荷参数的方法。
本发明的技术方案采用如下步骤：
1)对PMU装置记录的类噪声数据进行预处理：
2)建立负荷待辨识模型：
3)确定负荷待辨识参数集；
4)将负荷参数辨识问题转化为非线性最优化问题，并用基因算法求解。每10分钟辨识一次负荷参数，实现在线负荷建模。
上述技术方案中，所述的步骤1)对PMU装置记录的类噪声进行预处理。U(1),...,U(N)为PMU测量总长度为N的负荷电压幅值序列，P(1),...,P(N)为PMU测量总长度为N的负荷有功功率序列，Q(1),...,Q(N)为PMU测量总长度为N的无功功率序列。经过预处理得到以下时间序列ΔU(1),...,ΔU(N)，ΔP(1),…,ΔP(N)，ΔQ(1),…,ΔQ(N)，上述时间序列的每一项ΔU(k),ΔP(k),ΔQ(k)采用以下公式：
ΔU(k)＝U(k)-U0
ΔP(k)＝P(k)-P0
ΔQ(k)＝Q(k)-Q0
其中U0是负荷运行在平衡点时的电压幅值，P0是负荷运行在平衡点时的有功功率，Q0是负荷运行在平衡点时的无功功率。采用以下公式确定：
所述的步骤2)建立负荷待辨识模型：
采用负荷的状态空间模型作为待辨识模型，采用以下公式：
y＝Cx+Du
其中，x为负荷状态变量，x＝[ΔEx ΔEy Δs]，ΔEx,ΔEy,Δs分别表示x轴暂态电动势偏差量，y轴暂态电动势偏差量，转差率偏差量。u为负荷状态空间模型输入变量，u＝ΔU，ΔU表示负荷节点电压幅值偏差量。y为负荷状态空间模型输出变量，y＝[ΔP ΔQ]，ΔP,ΔQ表示有功功率偏差量和无功功率偏差量。其中A,B,C,D如下所示：
其中X表示转子稳态电抗，X′表示暂态电抗，T′d0表示转子回路时间常数，s0表示负荷处于平衡点时转差率的稳态值，f0表示电力系统基波频率，Ey0表示负荷处于平衡点时y轴暂态电动势的稳态值，Ex0表示负荷处于平衡点时x轴暂态电动势的稳态值，U0表示负荷运行在平衡点时的负荷节点电压幅值，在数据预处理时已经确定，Tj表示转子惯性时间常数，分别表示恒阻抗负荷在节点总有功功率，总无功功率的占比。
所述的步骤3)确定负荷待辨识参数集，从可辨识性的角度优化了待辨识的负荷参数，如下所示：
上式中，X表示转子稳态电抗，X′表示暂态电抗，T′d0表示转子回路时间常数，Tj表示转子惯性时间常数，Ex0表示负荷处于平衡点时x轴暂态电动势的稳态值，Ey0表示负荷处于平衡点时y轴暂态电动势的稳态值，s0表示负荷处于平衡点时转差率的稳态值，分别表示恒阻抗负荷在节点总有功功率，总无功功率的占比。
其中，静态负荷中恒功率负荷参数和没有出现在上述待辨识参数中，这是因为上述参数实际上是两个没有确定的常数，而常数的偏导为0，上述两个参数是不可辨识的。
此外，静态负荷中恒电流负荷参数和没有出现在上述待辨识参数中，这是因为这两个参数可辨识性远远低于恒阻抗负荷参数和因此不辨识这两个参数。
所述的步骤4)负荷参数辨识问题转化为非线性最优化问题，并用基因算法求解。每10分钟辨识一次负荷参数，实现在线负荷建模。目标函数采用以下公式：
其中，和分别表示有功功率的相对误差和无功功率的相对误差，如下所示：
通过基因算法对目标函数求解，得到负荷模型参数。每10分钟辨识一次负荷参数，实现在线负荷建模。
本发明的有益效果是：
本发明旨在用PMU记录类噪声数据，在线辨识负荷模型参数，因此可以在线建立负荷模型，为电网的在线稳定分析提供有效依据。
附图说明
图1负荷辨识流程图；
图2负荷节点电压幅值波动图；
图3负荷有功功率对比图；
图4负荷无功功率对比图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
本发明方法包括以下步骤：
1)对PMU装置记录的类噪声数据进行预处理：
2)建立负荷待辨识模型：
3)确定负荷待辨识参数集；
4)负荷参数辨识问题转化为非线性最优化问题，并用基因算法求解。每10分钟辨识一次负荷参数，实现在线负荷建模。
所述的步骤1)对PMU装置记录的类噪声数据进行预处理，具体如下：
采用PMU装置记录的类噪声作为数据源辨识负荷参数，首先需要对PMU记录的类噪声数据进行预处理。U(1),...,U(N)为PMU测量总长度为N的负荷电压幅值序列，P(1),...,P(N)为PMU测量总长度为N的负荷有功功率序列，Q(1),...,Q(N)为PMU测量总长度为N的无功功率序列。经过预处理得到以下时间序列ΔU(1),...,ΔU(N)，ΔP(1),...,ΔP(N)，ΔQ(1),...,ΔQ(N)，上述时间序列的每一项ΔU(k)，ΔP(k)和ΔQ(k)采用以下公式：
ΔU(k)＝U(k)-U0
ΔP(k)＝P(k)-P0
ΔQ(k)＝Q(k)-Q0
其中U0是负荷运行在平衡点时的电压幅值，P0是负荷运行在平衡点时的有功功率，Q0是负荷运行在平衡点时的无功功率。采用以下公式确定：
所述的步骤2)建立负荷待辨识模型，具体描述如下：
采用负荷的状态空间模型作为待辨识模型，采用以下公式：
y＝Cx+Du
其中，x为负荷状态变量，x＝[ΔEx ΔEy Δs]，ΔEx,ΔEy,Δs分别表示x轴暂态电动势偏差量，y轴暂态电动势偏差量，转差率偏差量。u为负荷状态空间模型输入变量，u＝ΔU，ΔU表示负荷节点电压幅值偏差量。y为负荷状态空间模型输出变量，y＝[ΔP ΔQ]，ΔP,ΔQ表示有功功率偏差量和无功功率偏差量。其中A,B,C,D如下所示：
其中X表示转子稳态电抗，X′表示暂态电抗，T′d0表示转子回路时间常数，s0表示负荷处于平衡点时转差率的稳态值，f0表示电力系统基波频率，Ey0表示负荷处于平衡点时y轴暂态电动势的稳态值，Ex0表示负荷处于平衡点时x轴暂态电动势的稳态值，U0表示负荷运行在平衡点时的负荷节点电压幅值，在数据预处理时已经确定，Tj表示转子惯性时间常数，分别表示恒阻抗负荷在节点总有功功率，总无功功率的占比。
所述的步骤3)确定负荷待辨识参数集，具体描述如下：
从可辨识性的角度优化了待辨识的负荷参数，如下所示：
上式中，X表示转子稳态电抗，X′表示暂态电抗，T′d0表示转子回路时间常数，Tj表示转子惯性时间常数，Ex0表示负荷处于平衡点时x轴暂态电动势的稳态值，Ey0表示负荷处于平衡点时y轴暂态电动势的稳态值，s0表示负荷处于平衡点时转差率的稳态值，分别表示恒阻抗负荷在节点总有功功率，总无功功率的占比。
其中，静态负荷中恒功率负荷参数和没有出现在上述待辨识参数中，这是因为上述参数实际上是两个没有确定的常数，而常数的偏导为0，上述两个参数是不可辨识的。
此外，静态负荷中恒电流负荷参数和没有出现在上述待辨识参数中，这是因为这两个参数可辨识性远远低于恒阻抗负荷参数和因此不辨识这两个参数。
所述的步骤4)负荷参数辨识问题转化为非线性最优化问题，并用基因算法求解。每10分钟辨识一次负荷参数，实现在线负荷建模，具体描述如下：
负荷的状态空间模型，在激励ΔU(1),…,ΔU(N)下，输出为和本文中采用四阶龙格库塔法算法计算负荷状态空间模型的输出。辨识的目标是选出一组负荷参数使负荷状态空间模型的输出与实际负荷的输出,ΔP(1),…,ΔP(N),ΔQ(1),…,ΔQ(N)拟合效果最好，采用如下目标函数：
其中和分别表示有功功率的相对误差与无功功率的相对误差，采用如下公式：
至此，负荷参数辨识问题转化为非线性最优化问题，采用基因算法对上述目标函数求解，得到的参数即是负荷模型的参数值。
每10分钟辨识一次负荷参数，即可以实现在线负荷建模，每次辨识流程如图1所示。
采用本发明方法对重庆电网例进行实施计算，结果如下：
图2给出了重庆电网某变电站2016年1月6日10时0分13秒至15秒的电压幅值波动。在该时间段内，负荷实际有功功率(实线)与状态空间模型有功功率(虚线)对比如图3所示。负荷实际无功功率(实线)与状态空间模型无功功率(虚线)对比如图4所示。在实际算例中，负荷状态空间模型的输出曲线与实测曲线每个点都不能精确拟合，这个结果是符合预期的。这是因为待辨识负荷模型只是实际负荷的近似，并不等价于实际负荷，而且实际负荷即是在很短的时间内，也处于不断地变化之中，因此负荷状态空间模型的输出不可能与实际负荷的输出完全相同。但是本方法得到负荷模型输出曲线与实际曲线变化趋势一致，证明了方法的有效性。
上述具体实施方式用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明做出的任何修改和改变，都落入本发明的保护范围。
- 还没有人留言评论。精彩留言会获得点赞！