学位论文 > 优秀研究生学位论文题录展示

综合负荷模型参数辨识及负荷特性分类综合方法研究

作　者: 刘忠辉
导　师: 王振树
学　校: 山东大学
专　业: 电力系统及其自动化
关键词: 负荷模型参数辨识负荷特性分类与综合粒子群优化算法 SOM神经网络故障录波监测装置
分类号: TM714
类　型: 硕士论文
年　份: 2011年
下　载: 126次
引　用: 1次
阅　读: 论文下载

内容摘要

电力系统数字仿真已成为电力系统规划、运行、控制和决策的主要手段,负荷模型则是影响仿真结果精度和可信度最为重要的因素之一。由于负荷自身的随机时变性、多样性、地域分散性和非线性等特点,负荷建模仍然是国内外电力系统界公认的难题。电力系统负荷建模研究中,负荷模型结构一直是倍受关注的最基本和最关键的问题之一。电力系统综合负荷成分复杂,单纯采用静态或动态负荷模型难以精确描述其复杂特性,采用静态模型与动态模型相结合的综合负荷模型已成为趋势。针对现有机理综合负荷模型结构复杂、参数不容易辨识等问题,本文采用改进ZIP／幂函数+差分方程模型来描述综合负荷的动态特性。其中,ZIP／幂函数描述负综合荷中的静态负荷成分,差分方程描述综合负荷中的动态负荷成分。将动模试验中获得的故障录波数据作为建模数据,基于模型回响辨识原则建立模型参数辨识所对应的优化目标函数,采用粒子群算法求解优化问题,实现了模型参数的辨识。建模结果表明该模型结构简单,参数易辨识,能够较好的描述综合负荷的动态特性。该模型可以作为综合负荷建模时模型结构的一种选择。大区电网中的负荷节点数目众多,对每一个负荷节点均进行测量建模比较困难,有效的办法是将众多负荷节点进行分类,从每类中挑选出典型节点建模。本文提出一种基于SOM神经网络的变电站负荷特性分类与综合方法。SOM神经网络能够对输入模式进行自动聚类,已建立的SOM神经网络能够对新的输入模式进行判别。以变电站各行业的构成比例作为分类特征向量,利用SOM神经网络对某电网48个变电站负荷特性进行了分类与综合,取得了令人满意的结果。在不改变电网已有的变电站负荷特性分类的情况下,利用已训练好的SOM神经网络可以方便地实现新增变电站负荷特性的判别。该方法克服了变电站负荷特性分类与综合的随机性和主观性,为负荷建模走向实用化提供了新的途径。

全文目录

摘要  10-11
ABSTRACT  11-13
第一章绪论  13-19
  1.1 课题研究的背景和意义  13-15
    1.1.1 课题研究的背景  13-14
    1.1.2 负荷建模的重要意义  14-15
  1.2 负荷建模的研究状况和问题分析  15-17
    1.2.1 负荷建模的发展和研究现状  15-16
    1.2.2 负荷建模存在的问题  16-17
  1.3 本文的主要工作  17-19
第二章负荷建模的基本理论  19-31
  2.1 负荷建模的方法  19-22
    2.1.1 统计综合法  19-20
    2.1.2 总体测辩法  20-21
    2.1.3 故障仿真法  21
    2.1.4 综合建模方法  21-22
  2.2 负荷建模的数据来源  22-23
    2.2.1 负荷特性记录装置  22
    2.2.2 数据采集与监控系统  22-23
    2.2.3 广域测量系统  23
    2.2.4 故障录波监测装置  23
  2.3 负荷模型的类型与结构  23-28
    2.3.1 静态负荷模型  24-25
    2.3.2 机理动态负荷模型  25-26
    2.3.3 非机理动态负荷模型  26-28
  2.4 负荷模型参数辨识  28-29
    2.4.1 参数辨识算法  28-29
    2.4.2 参数分散性及简化辨识  29
  2.5 负荷特性的分类与综合  29-31
    2.5.1 负荷动态特性分类与综合  30
    2.5.2 变电站负荷特性分类与综合  30-31
第三章综合负荷模型参数辨识  31-49
  3.1 几种机理综合负荷模型及特点  31-35
    3.1.1 ZIP+感应电动机模型  31-33
    3.1.2 ZIP+异步机模型  33-34
    3.1.3 考虑配电网络的综合负荷模型  34-35
  3.2 改进ZIP/幂函数+差分方程负荷模型  35-38
    3.2.1 改进ZIP+差分方程模型  36-37
    3.2.2 改进幂函数+差分方程模型  37-38
  3.3 综合负荷模型参数辨识  38-42
    3.3.1 参数辨识的两种原则  38-40
    3.3.2 粒子群优化算法  40-42
  3.4 建模实例  42-48
    3.4.1 动模实验介绍  42-44
    3.4.2 参数辨识结果及分析  44-48
  3.5 本章小结  48-49
第四章基于SOM神经网络的变电站负荷特性分类与综合  49-63
  4.1 负荷特性分类与综合概述  49-50
  4.2 SOM神经网络理论  50-55
    4.2.1 SOM神经网络概述  50-51
    4.2.2 SOM神经网络结构  51
    4.2.3 SOM神经网络学习过程  51-53
    4.2.4 MATLAB SOM神经网络工具箱  53-55
  4.3 实例分析  55-61
    4.3.1 变电站静态负荷特性数据  55-57
    4.3.2 变电站负荷特性分类结果及分析  57-60
    4.3.3 同类变电站负荷特性综合  60-61
    4.3.4 新增变电站负荷特性判别  61
  4.4 本章小结  61-63
第五章总结与展望  63-65
  5.1 论文的主要研究成果  63
  5.2 后期工作展望  63-65
参考文献  65-72
致谢  72-73
攻读硕士学位期间发表论文及参与项目  73-74
学~位业文坪阅及答辩情况表  74

综合负荷模型参数辨识及负荷特性分类综合方法研究

内容摘要

全文目录

相似论文