綜合負荷模型設(shè)計與參數(shù)辨識 開題報告

基于準(zhǔn)穩(wěn)態(tài)/動態(tài)量測的電力綜合負荷結(jié)構(gòu)辨識綜合辨識算法及實驗實驗平臺與模型設(shè)計項目背景主要內(nèi)容后續(xù)工作項目背景精度高低負傳發(fā)電力系統(tǒng)建模時變性分散性潮流計算電壓穩(wěn)定計算小信號動態(tài)穩(wěn)定計算項目背景統(tǒng)計綜合法總體測辨法將用電設(shè)備統(tǒng)計、分類、綜合得出負荷模型測量電網(wǎng)的變化量，辨識負荷模型參數(shù)簡單實用項目背景總體測辨法希望電網(wǎng)的擾動越大越好，但這與實際情況不相符，現(xiàn)實中電網(wǎng)出現(xiàn)大的擾動概率很低，相比之下，在電網(wǎng)中穩(wěn)定運行狀態(tài)附近的小擾動始終持續(xù)存在，能夠獲得大量的小擾動準(zhǔn)穩(wěn)態(tài)或動態(tài)量測。希望利用這些小擾動數(shù)據(jù)，分析提取得到綜合負荷模型的一個重要參數(shù)Pct，即動負荷與各種靜負荷所占的比例。動態(tài)量測準(zhǔn)穩(wěn)態(tài)量測決策制定量測節(jié)點信息預(yù)處理負荷結(jié)構(gòu)綜合分析量測節(jié)點信息預(yù)處理負荷主導(dǎo)動態(tài)參數(shù)辨識系統(tǒng)行為預(yù)測決策下達信息傳輸本地處理綜合辨識算法及實驗實驗平臺與模型設(shè)計項目背景主要內(nèi)容后續(xù)工作實驗平臺——PSCAD/EMTDC擾動生成部分ZIP+M綜合負荷模型模型設(shè)計恒功率恒電流感應(yīng)電動機恒阻抗各種負荷有功輸出波形恒電流感應(yīng)電動機已知靜負荷有功代數(shù)方程推測感應(yīng)電動機模型驗證代數(shù)方程與仿真測量的對比恒電流負荷恒阻抗負荷模型驗證代數(shù)方程與仿真測量的對比t0=0.1735st0電壓與感應(yīng)電動機波形對比加入時移后的對比模型驗證代數(shù)方程與仿真測量的對比n=0.72感應(yīng)電動機負荷模型驗證

系數(shù)ap/bp/mp最大誤差平均誤差總長Z1.9650.0080.00414001I10.4530.01730.00814001M8.7450.01230.00513390模型驗證在模型驗證的同時，對小擾動下負荷有功特性進行了探究，發(fā)現(xiàn)以下規(guī)律：靜負荷的改變對感應(yīng)電動機的影響很小，基本可以忽略。感應(yīng)電動機負荷參數(shù)中，指數(shù)項n與時移項t0存在著類似線性的關(guān)系，且與擾動的頻率有關(guān)。同一頻率下，t0與n基本不變。通過t0與n的辨識結(jié)果，或許可以得到擾動的頻率。模型驗證用matlab擬合工具箱對n與t0進行擬合綜合辨識算法及實驗實驗平臺與模型設(shè)計項目背景主要內(nèi)容后續(xù)工作算法的選擇無約束非線性最優(yōu)求解：fminsearch()有約束最優(yōu)求解：fmincon()需要輸入初值，且對初值要求較高。經(jīng)常得不到辨識結(jié)果，退出標(biāo)識為0算法介紹——遺傳算法步驟1：初始化參數(shù)，設(shè)定好算法中的各參數(shù)值，令k=0，生成規(guī)模為N的初始種群pop(0)。步驟2：評價種群pop（k）中每個個體的適配值，將適配值最大的個體復(fù)制到臨時種群步驟3：令m=1步驟4：根據(jù)適配值的大小，從原種群pop（k）中選擇兩個個體作為父本，生成一個0到1的隨機數(shù)a，若a<=pc，pc為交叉概率，則將兩個父本執(zhí)行交叉操作，生成兩個臨時個體；若a>pc，則不執(zhí)行交叉操作，直接將兩個父代作為臨時個體。步驟5：生成一個0到1的隨機b，若b<=pm，pm為變異概率，則對兩個臨時個體進行變異操作，并將適配值更高者放入臨時種群；若b>pm，則直接計算兩個臨時個體的適配值，并將適配值高者存入臨時種群中。令m=m+1。步驟6：若m小于N，則返回步驟4；否則轉(zhuǎn)至步驟7。步驟7：用錦標(biāo)賽等選擇方法對臨時種群進行篩選，在此之前先將最優(yōu)個體直接復(fù)制，從而生成新一代種群pop（k+1）。步驟8：判斷種群pop（k+1）是否滿足終止條件，滿足則退出，否則令k=k+1，并轉(zhuǎn)至步驟2。實驗結(jié)果參數(shù)ApBpCpMpt0n總體5.1168.091214.44019.36290.25550.7179分部1.945210.390115.96658.71160.17350.7178平均每次辨識時間約為16秒辨識結(jié)果存在一定的分散性，但總趨勢與真實值較近20次仿真結(jié)果的平均值與“理論值”對比t0與n的辨識結(jié)果與“理論”曲線的對比算法改進——兩步辨識擾動模型的建立兩式相減：待辨識參數(shù)減少為k1，k2，t0三項，且將指數(shù)項轉(zhuǎn)為乘積項，提高計算速度總量辨識利用第一步仿真得到的k1，k2，t0和t與n的反比例關(guān)系式，可以得到Mp，t0，n以及2Ap+Bp的值剩余待辨識參數(shù)有兩項：Ap（或Bp），Cp實驗結(jié)果參數(shù)ApBpCpMpt0nTime(s)原方法5.1168.091214.44019.36290.25550.717916兩步法2.56979.779915.00439.65840.19110.68914分部辨識1.945210.390115.96658.71160.17350.7178

20次仿真結(jié)果的平均值與先前實驗的對比第一步：0.5s第二步：3.5s辨識結(jié)果分散性分析存在多個最優(yōu)解或最優(yōu)解不突出輸入信號的噪聲造成了一定的影響最優(yōu)綜合辨識算法及實驗實驗平臺與模型設(shè)計項目背景主要內(nèi)容后續(xù)工作后續(xù)工作9、春去春又回，新桃換舊符。在那桃花盛開的地方，在這醉人芬芳的季節(jié)，愿你生活像春天一樣陽光，心情像桃花一樣美麗，日子像桃子一樣甜蜜。2025/4/302025/4/30Wednesday,April30,202510、人的志向通常和他們的能力成正比例。2025/4/302025/4/302025/4/304/30/20251:21:13PM11、夫?qū)W須志也，才須學(xué)也，非學(xué)無以廣才，非志無以成學(xué)。2025/4/302025/4/302025/4/30Apr-2530-Apr-2512、越是無能的人，越喜歡挑剔別人的錯兒。2025/4/302025/4/302025/4/30Wednesday,April30,202513、志不立，天下無可成之事。2025/4/302025/4/302025/4/302025/4/304/30/202514、ThankyouverymuchfortakingmewithyouonthatsplendidoutingtoLondon.ItwasthefirsttimethatIhadseentheToweroranyoftheotherfamoussights.IfI'dgonealone,Icouldn'thaveseennearlyasmuch,becauseIwouldn'thaveknownmywayabout.。30四月20252025/4/302025/4/302025/4/3015、會當(dāng)凌絕頂，一覽眾山小。四月252025/4/302025/4/302025/4/304/30/2