一种基于pmu估算配电网负载模型的和声搜索算法
【技术领域】
[0001] 本发明涉及配电网领域，特别是一种配电网负载模型。
【背景技术】
[0002] 在一个大型的配电网络中，如何计算可靠的网络参数和建立网络模型来预测估算 配电网中负载的运行状况是系统运营商最棘手的问题之一，这对于配电网操作、规划、鲁棒 性控制及其重构有着重要作用。由于网络中元素数量的巨大以及负载的时延特性，要建立 一个模型并获得其相应的参数并不容易。对系统加以验证的主要目的是发现系统建模求解 参数的误差，并计算出相应的准确值。近年来，随着同步测量单元（PMU)的引入，通过PMU 对正序、负序、零序的电压电流以及有功无功功率的参数测量，可以帮助运营商减小建立的 模型误差。此外，模型中的参数可以随时通过智能算法来进行修正，直到符合条件为止。
[0003] 电力系统运营商面临的另一个严峻的问题就是在发生大扰动的时候，功率损耗增 加，电网电压下降，如何快速实现负载自愈。因此，构建一个准确的配电网模型作为最终消 费点元件连接到配电变电站是至关重要的。使用多个PMU量测组件结合电压评估可以估测 负载模型参数。在动态载荷情况下，非线性负载模型的求解可以结合非线性估计理论和人 工智能的手段实现。因此，需要通过改变传统的分布荷载模型来克服这个问题。负载模型 不仅要在网络正常条件下和实际电网作出相同的反应，而且在网络故障和瞬态条件下是有 效的。
【发明内容】
[0004] 发明目的：为了克服现有技术中存在的不足，本发明提供一种新的负载模型以及 基于此模型下的和声算法，用于解决现有的负载模型无法适应网络故障和瞬态条件情况的 技术问题。
[0005] 技术方案：为实现上述目的，本发明采用的技术方案为：
[0006] -种基于PMU测量数据并用于估算配电网负载模型的和声搜索算法，包括以下步 骤：
[0007] 步骤1、在一个大型的配电网络里，首先通过PMU对电网中的负载的正序、负序、零 序的电压电流以及有功无功功率的参数测量，减小建立的模型误差。
[0008] 步骤2、采用和声搜索算法将步骤1中由PMU获得数据和信息并推导出一些未定义 的参数，形成建立负载模型所必需的负载参数。
[0009] 步骤3、得出负载参数后建立负载模型，负载模型建立采用在简单负载模型的基础 上建立带有双反馈感应电机模型，以提供高效和精确的控制。
[0010] 步骤4、构建的负载模型在Matlab/Simulink环境下进行仿真，从而求出其有功功 率和无功功率。由计算得到的有功和无功功率和由PMU测得的有功和无功功率进行对比， 若比较值在一定范围内是相等的，则认为模型构建合理。否则，则进一步通过和声搜索算法 对负载参数进行修正并重新按照步骤3中的方式建立负载模型。
[0011] 步骤5、重复步骤4直到负载模型与实际电网之间存在的误差达到一个可以接受 的范围。
[0012] 所述步骤1中PMU的一项重要功能就是对电网频率变换进行高精度的跟踪，可以 有效解决因为频率震荡而引起的巨大的总功率消耗的问题，减小建立的模型误差。
[0013] 所述步骤2中和声搜索算法（简称HSA)相比于其他算法从运行速度与准确性来 说具有以下多方面的优势，此外HSA对于存在较多未知参数的情形下，求解比较有优势。
[0014] 和声搜索算法的大致步骤为：
[0015] 1)问题公式化；
[0016] 2)初始化参数；
[0017] 3)初始化和声记忆库（简称HM);
[0018] 4)新解生成；
[0019] 5)记忆库更新；
[0020] 6)算法迭代及终止。
[0021] 所述步骤3中负载模型建立采用风力双馈感应电机可以提供高效和精确的控制。 负载模型的电压和有功功率和无功功率的关系式如下：
[0025] 其中：
[0026] V表不负载电压；
[0027] uq、ud、u。分别表示由PMU测得的负载的正序、负序、零序的电压；
[0028] /f、这分别表示步骤4中获得的负载模型的有功功率、无功功率；
[0029] Δf为电网频率变化；
[0030] PpQ。分别表示实际电网中负载的静态有功功率、静态无功功率；
[0031] LDP、LD(j分别为电网频率变化1%所引起的有功变化、无功变化；
[0032] /$、：If、/):是负载模型中恒定阻抗、恒定电流和恒定功率在静态有功负载中的 比例系数；
[0033] 这.是负载模型中恒定阻抗、恒定电流和恒定功率在静态无功负载中的 比例系数；
[0034] 所述步骤4的具体流程为：
[0035] 首先通过PMU对正序、负序、零序的电压电流以及有功功率Pi、无功功率％的参 数测量，然后采用和声搜索算法通过PMU获得数据和信息并推导出一些未定义的参数。通 过和声搜索算法估计负荷参数过程如流程图4所示，当所有参数都通过直接间接的手段获 得时，可以构建配电网负荷点模型。通过上述公式估算负载模型的有功功率/f和无功功率
[0036] 为了找到负载模型和实际电网之间的误差本发明引入总和误差加以衡量。此误差 可以表示为：
[0037] E=|/ν? -ΙψI+\ldi -ldij+ [/^ I+|g-QiI 1.4)
[0038] 其中E表示负载模型和实际电网之间的总和误差，^、。、^{^(^分别为实际电 网中负载的正序、负序、零序的终端电流以及有功功率、无功功率；4、4、、/f、这分 别为负载模型中的正序、负序、零序的终端电流以及有功功率、无功功率；
[0039] 若E>M则重复步骤2和3,对模型参数进行修正，直到E〈M。其中Μ表示可接受的 误差限度范围。
[0040] 有益效果：
[0041] 本发明与现有技术相比，具有以下优点：
[0042] 本发明由于对称电压电流参数可以很方便地由PMU读取，由此可以得到精确的动 态和静态模型。此外，引入了一个更加精确的模型以模拟负载对频率依赖性，并且引入了双 反馈感应电机（DFIM)以适应负载多变的负载模型。在对于负载参数的调节或选取时引入 了和声搜索算法，以快速的获得精确的参数值，相比于其他智能算法在快速性和精确性方 面更具优势。根据此方法建立的负载模型在配电网正常条件以及故障条件下都经过测试， 且取得了较佳的效果。本发明将和声搜索算法应用于PMU中实现在配电网中的网络负荷模 型优化，可以有效的减少误差。
【附图说明】
[0043] 图1为配电网中传统的简单负载模型；
[0044] 图2双反馈感应电机的正序、负序、零序模型；
[0045] 图3为和声搜索算法的实现过程；
[0046] 图4为有功功率的真实值与计算值对比；
[0047] 图5为无功功率的真实值与计算值对比；
[0048] 图6为有功功率的真实值与计算值对比；
[0049] 图7为无功功率的真实值与计算值对比；
[0050] 图8为有功功率的真实值与计算值对比；
[0051] 图9为无功功率的真实值与计算值对比；
[0052] 图10为本发明方法的流程图；
[0053] 图11为和声搜索算法的流程图。
【具体实施方式】
[0054