電力系統(tǒng)參數(shù)辨識研究.pdf

1、機(jī)組及負(fù)荷的模型和參數(shù)，是進(jìn)行電力系統(tǒng)分析、控制、監(jiān)視及規(guī)劃的基礎(chǔ)。其參數(shù)及模型的準(zhǔn)確性直接影響著電力系統(tǒng)運行的安全性、穩(wěn)定性及經(jīng)濟(jì)性。若因機(jī)組參數(shù)及電力負(fù)荷模型及參數(shù)的不準(zhǔn)確而產(chǎn)生悲觀的分析結(jié)果，則將會因不必要的加強(qiáng)系統(tǒng)結(jié)構(gòu)所采取的額外措施而投入過多的資金，而造成巨大浪費；而若產(chǎn)生樂觀冒進(jìn)的分析結(jié)果，則可能使系統(tǒng)運行在非常危險的狀態(tài)下，甚至具有很大的可能性使得系統(tǒng)崩潰。故如何獲得準(zhǔn)確機(jī)組參數(shù)及負(fù)荷模型及參數(shù)多年來一直是一備受關(guān)注的課題

2、。
　　 本文以發(fā)電機(jī)組參數(shù)的在線辨識及負(fù)荷建模及辨識為研究課題，進(jìn)行了研究，并取得了相應(yīng)的研究成果。首先提出了基于故障錄波器(Digital Fault Recorder，DFR)的機(jī)組參數(shù)在線辨識新方法。該方法采用DFR所記錄發(fā)電機(jī)、勵磁系統(tǒng)、調(diào)速系統(tǒng)的相關(guān)量測值，進(jìn)行數(shù)學(xué)建模，而獲得各子系統(tǒng)輸入、輸出及待測量之間的函數(shù)關(guān)系；然后采用粒子群優(yōu)化技術(shù)，對所有待測量進(jìn)行迭代調(diào)整和優(yōu)化，使得模型輸出逼近實際輸出，而獲得了各個子系統(tǒng)

3、的所有待測量。該方法的特點是無需現(xiàn)場做試驗，只是基于DFR記錄數(shù)據(jù)而實現(xiàn)了機(jī)組各子系統(tǒng)所有參數(shù)的辨識。算例表明該方法具有辨識精度高，計算速度快，且實際應(yīng)用方便的優(yōu)點。進(jìn)而提出了一種新的負(fù)荷建模與辨識方法。通過對linearized-GNLD模型進(jìn)行改進(jìn)，獲得了負(fù)荷曲線具有更高擬合精度的新的負(fù)荷模型。在此基礎(chǔ)上，提出了先聚類再辨識思想的基于隨機(jī)模糊聚類(random fuzziness clusteringalgorithm)的負(fù)荷模型辨