電力系統(tǒng)參數(shù)辨識(shí).pdf

1、電力系統(tǒng)元件及設(shè)備的參數(shù)是進(jìn)行系統(tǒng)分析、控制、調(diào)度、管理及系統(tǒng)擴(kuò)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(yùn)行的安全性、可靠性、穩(wěn)定性及經(jīng)濟(jì)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(lái)一直備受關(guān)注的課題之一。
　　本文針對(duì)電力系統(tǒng)中兩類(lèi)最重要的參數(shù)-發(fā)電機(jī)組參數(shù)及負(fù)荷參數(shù)建模及辨識(shí)問(wèn)題進(jìn)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(jì)及量測(cè)誤差的發(fā)電機(jī)組參數(shù)辨識(shí)新方法。該方法將量測(cè)

2、數(shù)據(jù)的系統(tǒng)偏差當(dāng)作一個(gè)待辨識(shí)參數(shù),與系統(tǒng)的其它待辨識(shí)參數(shù)統(tǒng)一進(jìn)行辨識(shí)。為獲得辨識(shí)參數(shù)的最優(yōu)估計(jì)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(shì)知識(shí)和規(guī)范化知識(shí)指導(dǎo)種群的進(jìn)化,充分利用優(yōu)秀個(gè)體所包含的信息,提高了算法的搜索能力和優(yōu)化速度。進(jìn)而,本文提出采用beta分布用于確定辨識(shí)參數(shù)誤差的分布類(lèi)型,進(jìn)而獲得辨識(shí)參數(shù)的分布及其置信區(qū)間。該方法既解決了量測(cè)數(shù)據(jù)誤差分布類(lèi)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(shí)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(fù)荷建模與辨識(shí)策略。該策略首先提出了一種改進(jìn)的linearized-GNLD模型,它對(duì)于負(fù)荷曲線具有更高的擬合精度。進(jìn)而將有效性函數(shù)引入到隨機(jī)模糊聚類(lèi)中,從而獲得了無(wú)需事先給定分類(lèi)數(shù)而能夠同時(shí)獲得最佳聚類(lèi)中心數(shù)及相應(yīng)聚類(lèi)隸屬度的隨機(jī)模糊聚類(lèi)新方法。然后,采用先聚類(lèi)后辨識(shí)策略,把該隨機(jī)模糊聚類(lèi)新方法用于負(fù)荷模型辨識(shí),即對(duì)于收集到的包括節(jié)點(diǎn)電壓、有功功率、無(wú)