地區(qū)電網(wǎng)負荷特性分析及建模研究.pdf

1、作為電力系統(tǒng)的重要組成部分，電力負荷在電力系統(tǒng)分析的分析、仿真、計算等各個方面，都有著舉足輕重的地位。大區(qū)域電網(wǎng)變電站眾多，不可能對所有變電站都進行負荷量測裝置布點及建模，這對電網(wǎng)的經(jīng)濟性和安全性都是十分不利的。且在電網(wǎng)規(guī)劃階段，對于未建成的變電站建模問題，還沒有很好解決。本文基于變電站負荷組成情況，分別討論負荷量測裝置的布點及負荷模型預(yù)測的問題。
　　電力負荷的組成情況對負荷實測建模工作是非常重要的，而以往對于電力負荷組成的統(tǒng)計

2、工作往往都是通過變電站工作人員統(tǒng)計上報而完成的，不方便經(jīng)常進行，也難以保證統(tǒng)計結(jié)果的準確性。且隨著時間的變化，實際負荷情況會隨之發(fā)生變化，尤其是各種負荷的占比和構(gòu)成情況。而負荷曲線是可方便獲得的，量化分析負荷特性指標與主要影響因素之間的關(guān)聯(lián)程度，可一定程度上掌握分析預(yù)測負荷特性與負荷組成的變化趨勢。通過以往的負荷組成情況分析，運用MATLAB編程通過負荷曲線推測出負荷組成情況。并通過歷史數(shù)據(jù)驗證，該方法可較為準確的推測出負荷組成，用于負

3、荷實測建模工作。
　　在負荷實測建模領(lǐng)域有多種問題較為復(fù)雜難以解決。對于電力負荷的分組建模問題，可利用統(tǒng)計學中的聚類分析理論對負荷數(shù)據(jù)進行分組，找到同組數(shù)據(jù)的共性，如同為各組數(shù)據(jù)貼上了一個標簽。選定TVA時變適應(yīng)的綜合負荷模型結(jié)構(gòu)，選用自適應(yīng)遺傳算法進行模型參數(shù)辨識，通過多曲線擬合辨識出一個通用于該組的負荷模型，在選擇負荷模型時就可以根據(jù)標簽對號入座;提出一種PMU布點的優(yōu)化方法，即運用層次聚類法中的CURE法根據(jù)變電站中的負荷組

4、成進行分類，每組的保信系統(tǒng)中記錄的故障率較高的變電站設(shè)置PMU布點能有效地獲得有代表性的故障數(shù)據(jù)用于負荷建模工作。
　　基于目前研究結(jié)果，比較分析廣泛應(yīng)用的各種神經(jīng)網(wǎng)絡(luò)算法的優(yōu)缺點，并基于極限學習機提出一種預(yù)測負荷模型的方法。該方法基于極限學習機理論預(yù)測負荷模型，提取負荷特性數(shù)據(jù)的負荷組成情況，作為訓練集代入極限學習機模型，通過訓練獲得極限學習機模型參數(shù)。負荷模型預(yù)測階段，將目標負荷數(shù)據(jù)的負荷組成作為輸入集，通過訓練過極限學習機模