一种基于PMU类噪声数据的在线负荷建模方法与流程

技术特征：

1.一种基于PMU实测的类噪声数据的在线辨识负荷参数的方法，其特征在于包括以下步骤：

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)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。

2.根据权利要求1所述的基于PMU实测的类噪声数据的在线辨识负荷参数的方法，其特征在于：所述的对PMU装置记录的类噪声进行预处理，采用以下公式，确定负荷运行在平衡点时的电压幅值U₀，有功功率P₀，以及无功功率Q₀：

$U_0=\frac{\underset{i=1}{\overset{N}{\Σ}}U\left(i\right)}{N}$

$P_0=\frac{\underset{i=1}{\overset{N}{\Σ}}P\left(i\right)}{N}$

$Q_0=\frac{\underset{i=1}{\overset{N}{\Σ}}Q\left(i\right)}{N}$

其中，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。此外，根据上述变量，可以确定适用于辨识负荷状态空间模型的相应的时间序列ΔU(1),...,ΔU(N)，ΔP(1),...,ΔP(N)，ΔQ(1),...,ΔQ(N)。其中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

3.根据权利要求1所述的基于PMU实测的类噪声数据的在线辨识负荷参数的方法，其特征在于：所述的步骤2)采用负荷的状态空间模型作为负荷待辨识模型，采用以下公式：

$\frac{dx}{dt}=Ax+Bu$

y＝Cx+Du

其中，x为负荷状态变量，x＝[ΔE_x ΔE_y Δs]，ΔE_x,ΔE_y,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＝[ΔPΔQ]，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：

$A=\left[\begin{array}{ccc}\frac{-(X-X^{\′})}{X^{\′}{T}_{d0}^{\′}}-\frac{1}{T_{d0}^{\′}}& s_{0}2{\mathrm{\πf}}_0& E_{y0}2{\mathrm{\πf}}_0\\ -s_{0}2{\mathrm{\πf}}_0& \frac{-(X-X^{\′})}{X^{\′}{T}_{d0}^{\′}}-\frac{1}{T_{d0}^{\′}}& -E_{x0}2{\mathrm{\πf}}_0\\ 0& \frac{U_0}{X^{\′}{T}_j}& 0\end{array}\right]$

$B={\left[\begin{array}{ccc}\frac{X-X^{\′}}{X^{\′}{T}_{d0}^{\′}}& 0& \frac{E_{y0}}{X^{\′}{T}_j}\end{array}\right]}^T$

$C=\left[\begin{array}{ccc}0& \frac{-U_0}{X^{\′}}& 0\\ \frac{-U_0}{X^{\′}}& 0& 0\end{array}\right]$

$D=\left[\begin{array}{c}\frac{-E_{y0}}{X^{\′}}+2P_Z^{*}\\ \frac{2U_0-E_{x0}}{X^{\′}}+2Q_Z^{*}\end{array}\right]$

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，E_y0表示负荷处于平衡点时y轴暂态电动势的稳态值，E_x0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，T_j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。

4.根据权利要求1所述的基于PMU实测的类噪声数据的在线辨识负荷参数的方法，其特征在于：所述的步骤3)从可辨识性的角度优化待辨识的负荷参数，如下所示：

$\mathrm{\θ}=\[X,X^{\′},T_{do}^{\′},T_j,E_{x0},E_{y0},s_0,P_Z^{*},Q_Z^{*}\]$

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，T_j表示转子惯性时间常数，E_x0表示负荷处于平衡点时x轴暂态电动势的稳态值，E_y0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。

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。

5.根据权利要求1所述的基于PMU实测的类噪声数据的在线辨识负荷参数的方法，其特征在于：所述的步骤4)具体如下：非线性优化的目标函数采用以下公式：

$\min {\widetilde{\mathrm{\ϵ}}}_P+{\widetilde{\mathrm{\ϵ}}}_Q$

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：

${\widetilde{\mathrm{\ϵ}}}_P=\frac{\sqrt{\frac{\underset{k=1}{\overset{N}{\Σ}}{\left(\mathrm{\Δ}\hat{P}\right(k)-\mathrm{\Δ}P(k\left)\right)}^2}{N}}}{\sqrt{\frac{\underset{i=1}{\overset{N}{\Σ}}\mathrm{\Δ}P{\left(k\right)}^2}{N}}}$

${\widetilde{\mathrm{\ϵ}}}_Q=\frac{\sqrt{\frac{\underset{k=1}{\overset{N}{\Σ}}{\left(\mathrm{\Δ}\hat{Q}\right(k)-\mathrm{\Δ}Q(k\left)\right)}^2}{N}}}{\sqrt{\frac{\underset{i=1}{\overset{N}{\Σ}}\mathrm{\Δ}Q{\left(k\right)}^2}{N}}}$

其中，分别为负荷状态空间模型输出的有功功率时间序列，无功功率时间序列，ΔP(1),...,ΔP(N)，ΔQ(1),...,ΔQ(N)为相应的实测输出的有功功率时间序列，无功功率时间序列。