基于模糊神經網絡的配電網負荷暫態(tài)模型的研究.pdf

1、電力負荷作為電力能源的消耗者,在電力系統(tǒng)的設計、分析、運行與控制中有著重要影響。電力負荷的建模的精確性是決定仿真模擬結果準確程度的重要指標之一。由于負荷自身的時變性、隨機性、區(qū)域分布廣、類型復雜多樣、不連續(xù)非線性等特點,為負荷建立精確的數(shù)學模型在電力系統(tǒng)學術界及工程界都是重點也是難點。負荷建模已經逐漸成為電力系統(tǒng)中理論仿真分析領域的重點課題,在學術研究領域與工程實踐領域引起了廣泛重視。
　　本文在學習和研究負荷建模的基本理論,模擬

2、計算了靜態(tài)模型參數(shù)辨識和灰色預測模型的基礎上,建立了一種基于神經網絡和模糊神經網絡的配電網電壓控制電流源負荷模型。該方法用受控電流源代替實際的負荷,通過對其穩(wěn)態(tài)運行條件下的錄波數(shù)據(jù)小波降噪,對于恒功率和恒阻抗負載,則將降噪后錄波數(shù)據(jù)作為訓練樣本對BP神經網絡進行離線訓練,對于感應電動機負載,則將降噪后錄波數(shù)據(jù)作為訓練樣本對模糊神經網絡進行離線訓練,使所建的配電網負荷模型的電壓電流暫態(tài)特性與所替代的負荷實際電壓電流暫態(tài)特性一致。用電壓控制

3、電流源替代負荷后,實時輸入電壓到訓練好的神經網絡,將訓練好的神經網絡的輸出控制受控電流源作為負荷模型。這種配網負荷模型能夠精確的掌握負荷實際暫態(tài)特性。
　　本文建立的負荷模型是基于輸入輸出的非機理性模型,有所區(qū)別的是用一個神經網絡的控制器控制其輸出。首先用實際的電壓和電流數(shù)據(jù)對這個神經網絡控制箱進行訓練,使其掌握所模擬的負荷特性,然后代替實際的輸入數(shù)據(jù)。通過對恒功率負荷、恒阻抗負荷和感應電動機負荷這三種負荷類型,在正常運行的條件下