本发明属于电力系统运行控制
技术领域：
，特别涉及一种基于局部智能量测的在线负荷建模方法。
背景技术：
：负荷模型的准确性对电力系统设计、计算及安全稳定分析具有非常重要的影响。随着系统规模的不断扩大、新技术新装备的投用给负荷建模工作带来了更大的挑战。长期以来，国内外科研工作者开展了大量的电力负荷建模工作，总体形成了两种负荷建模方法，即统计综合法和总体测辨法，这些方法均取得了一定的成效，同时也存在着各自的局限性。统计综合法的基本思想是统计各类型用户的负荷组成，确定静态负荷和感应电动机负荷的比重，综合得出总体的负荷模型，其缺点在于统计工作耗时费力，模型时变性差。总体测辩法的基本思想是将负荷群看作一个整体，依据现场采集测量数据，对负荷模型参数进行整体辨识，总体测辩法的测量工作复杂，模型准确度难以保证等。传统负荷建模方法获取的负荷模型一般接于220kv或110kv母线。一般来说，电压等级越低，越接近末端负荷成分越明确，同时选取的样本越多，负荷识别的准确性也越高。过去，由于技术手段的限制，难以深入到配电网底层用户开展负荷实测及建模工作。但随着大规模智能电网的建设，计算、通信、传感等信息技术的快速发展，使得电力负荷信息在线监测成为可能。负荷在线监测设备可实时采集电力系统用户负荷信息并进行在线测辩，为电力部门提供实时的、准确的负荷信息，利用这些量测信息可以开展实时的负荷建模研究工作。技术实现要素：本发明的目的，在于提供一种基于局部智能量测的在线负荷建模方法，基于配电网底层电压等级上所有元件的负荷模型，进行分层聚合，逐级向上等值，最终获取220kv/110kv母线综合负荷模型；相比传统负荷建模方法，本发明能够提高负荷模型的准确度，反映负荷的实际特性。为了达成上述目的，本发明的解决方案是：一种基于局部智能量测的在线负荷建模方法，包括如下步骤：步骤1，基于智能抄表系统采集的日负荷数据进行用户聚类，每类用户中选取部分典型用户进行侵入式负荷监测，负荷监测设备为智能插座；步骤2，基于智能插座采集的实时负荷信息进行在线测辩，获取负荷模型，利用每类中典型用户的负荷模型替代该类中其他用户，以实时获取所有用户的综合负荷模型；步骤3，分别建立底层用户静态负荷及感应电动机负荷的聚合模型；步骤4，考虑配电网络的影响，将静态负荷及感应电动机负荷聚合模型由低压侧逐步向高压侧等值，最终获取配电网220/110kv母线下的综合负荷模型。上述步骤1中，基于智能抄表系统采集的日负荷数据进行用户聚类的具体内容是：针对给定的n个用户的日负荷数据，随机选取k个用户，每个用户代表一个用户群的初始聚类中心，将剩余的其他用户依据用电量欧式距离分配到距离最近的聚类中心，共形成k个用户群；重新计算每个用户群的聚类中心，即对用户群中所有用户用电量取平均值，再次将所有用户分配到距离最近的聚类中心，按照此过程不断重复，直到每个用户群的聚类中心不再发生变化，或聚类准则函数达到收敛条件。上述步骤2中，智能插座由滤波采样模块、数据处理模块、通信模块、执行模块和电源模块五部分组成，滤波采样模块采集当前智能插座带负荷的电压、电流和频率参数，将高电压和大电流信号转换为低电压信号，供数据处理模块分析；数据处理模块从硬件构架上统筹整个系统的运行，其内部完成如下软件功能：参数计算、数据通信、高级保护、指令执行；通信模块是智能插座与控制服务器交互的通道之一；执行模块负责执行数据处理模块的控制指令，并将执行结果予以反馈，同时支持回路通断和红外调节两种模式；电源模块将220v交流电转换为直流5v和3.3v，供系统运行使用。上述步骤3中：静态负荷模型采用ieeetaskforce推荐的多项式形式，如下：式中，a、b、c为有功功率系数，α、β、γ为无功功率系数，u为负荷的实际电压，u0为负荷的额定电压，p0、q0分别为额定电压下负荷的有功功率和无功功率，p、q分别为负荷消耗的实际有功功率和无功功率；建立静态负荷的聚合模型方法为：将负荷有功功率和无功功率按照恒阻抗、恒电流和恒功率分量分别按照系数进行加权，如下式：式中，p01,p02,…,p0n为单一静态负荷的额定有功功率，q01,q02,…,q0n为单一静态负荷的额定无功功率，p0s和q0s分别为聚合静态负荷的额定有功功率和无功功率，a1,a2,…,an；b1,b2,…,bn为单一静态负荷的有功功率系数，α1,α2,…,αn；β1,β2,…,βn分别为单一静态负荷的无功功率系数，as、bs、cs为聚合静态负荷的有功功率系数，αs、βs、γs为聚合静态负荷的无功功率系数。上述步骤3中：感应电动机负荷采用三阶机电暂态模型，如下：式中，t0′＝(xr+xm)/ω0rr，x＝xs+xm，x′＝xs+xmxr/(xm+xr)，t0′为暂态开路时间常数，x为转子开路电抗，x′为转子不动时短路电抗，为暂态电动势，为电动机电压，为电动机电流，ω为电动机转速，ω0为电动机额定转速，te为电磁转矩，tm为机械转矩，h为惯性时间常数，rr为转子电阻，xr为转子电抗，rs为定子电阻，xs为定子电抗，xm为励磁电抗；聚合感应电动机负荷的额定容量为单台感应电动机负荷的额定容量之和，即：式中，k为感应电动机负荷数量；聚合感应电动机负荷的等值电路参数为等值电路中各支路导纳的加权均值，即：式中，比例系数ρi＝sni/snm，zi为单台感应电动机负荷的电气支路阻抗，zm为聚合感应电动机负荷的电气支路阻抗，对定子支路zm＝rs+jxs，对励磁支路zm＝jxm，对转子支路zm＝rr/s+jxr；聚合感应电动机负荷的惯性时间常数为：式中，hi为单台感应电动机负荷的惯性时间常数，hm为聚合感应电动机负荷的惯性时间常数。上述步骤4中：考虑配电网络的影响，将静态负荷及感应电动机负荷聚合模型由低压侧逐步向高压侧等值时，令：式中，zd为配电网络阻抗，ys为低压侧静态负荷等值导纳，λ1，λ2，λ3均为与低压侧静态负荷等值导纳和配电网络阻抗相关的变量；将静态负荷聚合模型由低压侧向高压侧等值时，高压侧静态负荷等值导纳为：式中，ph、qh分别为流入高压侧母线的有功功率和无功功率，uh为高压侧母线电压；将感应电动机负荷聚合模型由低压侧向高压侧等值时，高压侧感应电动机负荷等值参数计算方法为：式中，t′0h＝(xrh+xmh)/ω0hrrh，t′0h为高压侧感应电动机暂态开路时间常数，ω0h为高压侧感应电动机额定转速，the、tmh分别为高压侧感应电动机电磁转矩、机械转矩，hh为高压侧感应电动机惯性时间常数，rrh、xrh分别为高压侧感应电动机转子电阻、转子电抗，rsh、xsh分别为高压侧感应电动机定子电阻、定子电抗，xmh为高压侧感应电动机励磁电抗。采用上述方案后，与现有技术相比，本发明的有益效果在于：(1)所提的建模方法得到的综合负荷模型更贴近实际的配电网负荷，可提高电力系统仿真精度；(2)所提的建模方法可实现负荷模型的动态更新，能反应电力系统负荷的实时运行状态。附图说明图1是本发明的流程图；图2是典型用电设备的日功率曲线；图3是3机9节点连简单配电网算例图；图4是110kv节点电压仿真曲线图；图5是110kv节点有功功率仿真曲线图。具体实施方式以下将结合附图，对本发明的技术方案进行详细说明。如图1所示，本发明提供一种基于局部智能量测的在线负荷建模方法，包括如下步骤：步骤1，基于智能抄表系统采集的日负荷数据进行用户聚类，每类用户中选取部分典型用户进行侵入式负荷监测，负荷监测设备为智能插座；步骤2，基于智能插座采集的实时负荷信息进行在线测辩，获取负荷模型，利用每类中典型用户的负荷模型替代该类中其他用户，以实时获取所有用户的综合负荷模型；步骤3，分别建立底层用户静态负荷及感应电动机负荷的聚合模型；步骤4，考虑配电网络的影响，将静态负荷及感应电动机负荷聚合模型由低压侧逐步向高压侧等值，最终获取配电网220/110kv母线下的综合负荷模型。所述步骤1中，基于用户日负荷数据的用户聚类方法为：针对给定的n个用户的日负荷数据，随机选取k个用户，每个用户代表一个用户群的初始聚类中心。将剩余的其他用户依据用电量欧式距离分配到距离最近的聚类中心，共形成k个用户群。重新计算每个用户群的聚类中心，即对用户群中所有用户用电量取平均值，再次将所有用户分配到距离最近的聚类中心，按照此过程不断重复，直到每个用户群的聚类中心不再发生变化，或聚类准则函数达到收敛条件。所述步骤2中，侵入式负荷辨识工具为智能插座，主要由滤波采样模块，数据处理模块，通信模块，执行模块和电源模块五部分组成。滤波采样模块采集当前智能插座带负荷的电压、电流和频率参数，将高电压和大电流信号转换为低电压信号，供数据处理模块分析。数据处理模块是智能插座的核心，从硬件构架上统筹整个系统的运行，其内部完成如下软件功能：参数计算、数据通信、高级保护、指令执行。通信模块是智能插座与控制服务器交互的通道之一，可支持wifi，zigbee，lora模式可选。执行模块负责执行数据处理模块的控制指令，并将执行结果予以反馈，同时支持回路通断和红外调节两种模式。电源模块是整个智能插座模块的能量源，它将220v交流电转换为直流5v和3.3v，供系统运行使用。所述步骤3中：静态负荷模型采用ieeetaskforce推荐的多项式形式，如下：式中，a、b、c为有功功率系数，α、β、γ为无功功率系数，u为负荷的实际电压，u0为负荷的额定电压，p0、q0分别为额定电压下负荷的有功功率和无功功率，p、q分别为负荷消耗的实际有功功率和无功功率。建立静态负荷的聚合模型方法为：将负荷有功功率和无功功率按照恒阻抗、恒电流和恒功率分量分别按照系数进行加权，如下式：式中，p01,p02,…,p0n为单一静态负荷的额定有功功率，q01,q02,…,q0n为单一静态负荷的额定无功功率，p0s和q0s分别为聚合静态负荷的额定有功功率和无功功率，a1,a2,…,an；b1,b2,…,bn为单一静态负荷的有功功率系数，α1,α2,…,αn；β1,β2,…,βn分别为单一静态负荷的无功功率系数，as、bs、cs为聚合静态负荷的有功功率系数，αs、βs、γs为聚合静态负荷的无功功率系数。感应电动机负荷采用三阶机电暂态模型，如下：式中，t0′＝(xr+xm)/ω0rr，x＝xs+xm，x′＝xs+xmxr/(xm+xr)，t0′为暂态开路时间常数，x为转子开路电抗，x′为转子不动时短路电抗，为暂态电动势，为电动机电压，为电动机电流，ω为电动机转速，ω0为电动机额定转速，te为电磁转矩，tm为机械转矩，h为惯性时间常数，rr为转子电阻，xr为转子电抗，rs为定子电阻，xs为定子电抗，xm为励磁电抗。聚合感应电动机负荷的额定容量为单台感应电动机负荷的额定容量之和，即：式中，k为感应电动机负荷数量。聚合感应电动机负荷的等值电路参数为等值电路中各支路导纳的加权均值，即：式中，比例系数ρi＝sni/snm，zi为单台感应电动机负荷的电气支路阻抗，zm为聚合感应电动机负荷的电气支路阻抗，对定子支路zm＝rs+jxs，对励磁支路zm＝jxm，对转子支路zm＝rr/s+jxr。聚合感应电动机负荷的惯性时间常数为：式中，hi为单台感应电动机负荷的惯性时间常数，hm为聚合感应电动机负荷的惯性时间常数。所述步骤4中：考虑配电网络的影响，将静态负荷及感应电动机负荷聚合模型由低压侧逐步向高压侧等值时，令：式中，zd为配电网络阻抗，ys为低压侧静态负荷等值导纳，λ1，λ2，λ3均为与低压侧静态负荷等值导纳和配电网络阻抗相关的变量。将静态负荷聚合模型由低压侧向高压侧等值时，高压侧静态负荷等值导纳为：式中，ph、qh分别为流入高压侧母线的有功功率和无功功率，uh为高压侧母线电压。将感应电动机负荷聚合模型由低压侧向高压侧等值时，高压侧感应电动机负荷等值参数计算方法为：式中，t′0h＝(xrh+xmh)/ω0hrrh，t′0h为高压侧感应电动机暂态开路时间常数，ω0h为高压侧感应电动机额定转速，the、tmh分别为高压侧感应电动机电磁转矩、机械转矩，hh为高压侧感应电动机惯性时间常数，rrh、xrh分别为高压侧感应电动机转子电阻、转子电抗，rsh、xsh分别为高压侧感应电动机定子电阻、定子电抗，xmh为高压侧感应电动机励磁电抗。下面将结合实施例对本发明作进一步详细描述，但是本发明不限于所给出的实施例。选取某城市的200个用户连续三天的日负荷数据为研究样本，数据采样间隔为1小时，数据规模为200*3*24＝14400。利用所提的聚类方法进行用户聚类，当聚类数为3时，聚类效果最优，其中属于一、二、三类的用户数目分别为91、86、23。每类用户中选取部分典型用户进行侵入式负荷监测，通过智能插座实时采集不同用电设备的电气信息，并上传至控制服务器，与服务器中预先设定的各类型负荷用电信息进行样本训练与特征匹配，辨识负荷类型。依据辨识得到的负荷类型，不同类型负荷选取典型负荷模型参数。图2所示为智能插座采集的几类典型用电设备的日功率曲线，采样频率为1hz。在pscad/emtdc中搭建如图3所示的电路，wscc9节点系统节点6下接一个简单配电网。图3中，220v母线下的综合负荷分别表示上述三类用户的负荷聚合模型。10kv母线下的负荷表示大型工业负荷，110kv/10kv变压器电抗取xt1＝0.03p.u.，10kv/220v变压器电抗取xt2＝0.02p.u.。上述三类典型居民用户的聚合模型参数如表1中load1、load2和load3，工业负荷聚合模型参数如load4所示。表1负荷参数rsxsxmrrxrabhload10.0230.1263.390.01360.1260.8501.07load20.0320.0962.690.0320.096100.50load30.0830.0952.10.0460.095100.47load40.0180.1173.60.0090.117101.40z％i％p％ηsrdxdkmsnload10.330.320.350.850.0020.0420.3515load20.200.500.300.850.0010.040.212load30.200.550.250.850.0010.040.458load40.100.850.050.850.0030.040.7525表中参数包含上下两行，第一行为电动机负荷基本参数，第二行中，z％、i％和p％分别表示静态负荷中恒阻抗、恒电流以及恒功率负荷比例，ηs为静态负荷功率因数，rd、xd为配电线路阻抗，km为电动机比例，sn为负荷的额定容量(mw)。对比本发明所提方法和传统整体辨识方法的模型准确性：(1)采取本发明所提的自下而上的负荷聚合、逐级等效方法，对110kv母线综合负荷进行精细化建模，具体过程为：1)将load1、load2和load3负荷模型分别经配电线路折算至220v母线；2)建立220v母线下三类负荷的聚合模型；3)将220v母线下的聚合模型经10kv/220v变压器折算至10kv母线；4)将load4负荷模型经配电线路折算至10kv母线；5)建立10kv母线下的负荷聚合模型；6)将10kv母线下的聚合模型经110kv/10kv变压器折算至110kv母线，获取110kv母线下的综合负荷模型；(2)仅采集110kv母线的电气量，采用粒子群算法，对110kv母线下的配电网负荷模型进行整体辨识。采取上述两种方法得到的综合负荷模型参数如表2所示。表2两种负荷建模方法得到的综合负荷模型参数rsxsxmrrxrhabsm自下而上建模方法0.0340.1523.1660.0200.1131.050.96020.4整体辨识方法0.0270.1163.3020.0190.1161.251022.1kmp0abcq0αβγ自下而上建模方法0.4025.150.220.520.2616.450.220.520.26整体辨识方法0.4324.220.240.470.2916.010.250.460.292s时在5号节点处设置短时接地故障，图4和图5所示为采取不同负荷建模方法得到的负荷模型时配电网110kv节点的电压、有功功率曲线。结果表明，相比传统的通过整体辨识得到的综合负荷模型，通过自下而上的精细化建模、聚合得到的负荷模型更贴近实际配电网模型。以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。当前第1页12