電力系統(tǒng)參數(shù)辨識.pdf

1、電力系統(tǒng)元件及設(shè)備的參數(shù)是進行系統(tǒng)分析、控制、調(diào)度、管理及系統(tǒng)擴展和規(guī)劃的基礎(chǔ),其準(zhǔn)確性直接影響著電力系統(tǒng)運行的安全性、可靠性、穩(wěn)定性及經(jīng)濟性,因此如何準(zhǔn)確地得到電力系統(tǒng)元件及設(shè)備參數(shù)是近年來一直備受關(guān)注的課題之一。
　　本文針對電力系統(tǒng)中兩類最重要的參數(shù)-發(fā)電機組參數(shù)及負荷參數(shù)建模及辨識問題進行研究,取得了一定的成果。本文的工作包括如下內(nèi)容：
　　首先提出了基于PMU數(shù)據(jù)并計及量測誤差的發(fā)電機組參數(shù)辨識新方法。該方法將量測

2、數(shù)據(jù)的系統(tǒng)偏差當(dāng)作一個待辨識參數(shù),與系統(tǒng)的其它待辨識參數(shù)統(tǒng)一進行辨識。為獲得辨識參數(shù)的最優(yōu)估計值,提出了基于文化算法框架的粒子群算法,其信念空間根據(jù)形勢知識和規(guī)范化知識指導(dǎo)種群的進化,充分利用優(yōu)秀個體所包含的信息,提高了算法的搜索能力和優(yōu)化速度。進而,本文提出采用beta分布用于確定辨識參數(shù)誤差的分布類型,進而獲得辨識參數(shù)的分布及其置信區(qū)間。該方法既解決了量測數(shù)據(jù)誤差分布類型判斷的困難,又可利用beta分布直接求解相應(yīng)數(shù)據(jù)的誤差,更為準(zhǔn)

3、確地給出了辨識參數(shù)的范圍。算例證明了該方法的有效性。
　　其次,提出了一種新的負荷建模與辨識策略。該策略首先提出了一種改進的linearized-GNLD模型,它對于負荷曲線具有更高的擬合精度。進而將有效性函數(shù)引入到隨機模糊聚類中,從而獲得了無需事先給定分類數(shù)而能夠同時獲得最佳聚類中心數(shù)及相應(yīng)聚類隸屬度的隨機模糊聚類新方法。然后,采用先聚類后辨識策略,把該隨機模糊聚類新方法用于負荷模型辨識,即對于收集到的包括節(jié)點電壓、有功功率、無