CN105356454B

CN105356454B - 一种基于典型负荷群的电力***负荷建模方法

Info

Publication number: CN105356454B
Application number: CN201510746371.9A
Authority: CN
Inventors: 顾丹珍; 杨秀; 刘茂集; 郭强; 冯煜尧; 康丽
Original assignee: Shanghai University of Electric Power; State Grid Shanghai Electric Power Co Ltd
Current assignee: Shanghai University of Electric Power; State Grid Shanghai Electric Power Co Ltd
Priority date: 2015-11-05
Filing date: 2015-11-05
Publication date: 2017-11-21
Anticipated expiration: 2035-11-05
Also published as: CN105356454A

Abstract

本发明涉及一种基于典型负荷群的电力***负荷建模方法，包括步骤：1)建立典型负荷群模型：根据节点负荷信息生成典型负荷群模型；2)建立节点负荷模型：根据典型负荷群模型参数和各典型负荷群的占比，加权聚合得到节点负荷模型参数，并基于此建立节点负荷模型。相对于目前仿真中采用的典型负荷参数，本发明采用多种典型负荷群的加权聚合获取节点负荷模型参数的负荷参数，因此节点有功电压响应特性和无功电压响应特性更接近实测情况。

Description

一种基于典型负荷群的电力***负荷建模方法

技术领域

本发明涉及电力***及其自动化领域，尤其是涉及一种基于典型负荷群的电力***负荷建模方法。

背景技术

大量的计算与试验结果表明：负荷模型对电力***动态行为的计算结果影响很大，对潮流计算、短路计算、安全分析、电压稳定性等也有一定影响。在临界情况下，还有可能从根本上改变定性的结论。

动态机理模型因其概念清晰，适用性强在实际工程中获得了广泛应用。目前我国各级电网中的动态负荷模型均采用固定比例的电动机并联静态负荷，其中电动机大多采用典型参数。一般采用的典型参数的来源有两类，一类是IEEE负荷工作组推荐的典型电动机参数，另一类是我国电机工程协会的推荐。在实际应用中，采用统一的典型参数可能影响仿真精确度：典型电动机仅包含有限几类，如IEEE分为7类，但实际节点负荷构成可能更复杂，因此，典型电动机参数不能很好地反映某个特定地区节点负荷的动态行为。所以，找到能正确反映特定地区节点动态特性的异步电动机参数具有重要意义。

常用的建模方法有统计综合法和总体测辨法。统计综合法的优点是无需进行现场实测和试验，物理模型清晰，概念明确，适用性较强。目前统计综合法的一般做法是对待建模节点下属的网络，负荷构成进行数据收集，然后在经过负荷分类、综合等工作，最后得到该节点的负荷模型及参数，工作量巨大且建模精度一般。如何在保证一定模型精度的条件下简化建模工作量对负荷建模工作实用化有重大意义。

总体测辨法不依赖于用户统计资料，具有简单实用的特点，但它需要在节点安装相应的测量装置，辨识得到的元件参数不能很好地解释实际情况，不易被现场人员接受。在有条件取得量测装置数据的节点，如何结合两种建模方法，取长补短，建立一种既方便操作，又能获得准确实用的节点负荷模型的建模方法也是一项很有意义的工作。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于典型负荷群的电力***负荷建模方法。

本发明的目的可以通过以下技术方案来实现：

一种基于典型负荷群的电力***负荷建模方法，包括步骤：

1)建立典型负荷群模型：根据节点负荷信息生成典型负荷群模型；

2)建立节点负荷模型：根据典型负荷群模型参数和各典型负荷群的占比，加权聚合得到节点负荷模型参数，并基于此建立节点负荷模型。

所述典型负荷群包括工业负荷群、居民负荷群和商业负荷群，且步骤1)具体包括步骤：

11)载入节点负荷信息，划分典型负荷群，并确定典型负荷群构成；

12)采用ETAP对各典型负荷群进行仿真，获取节点的注入功率电压响应特性；

13)建立典型负荷群模型，并确定其模型参数。

所述典型负荷群模型由ZIP静态负荷子模型和异步电动机子模型组成，

所述ZIP静态负荷子模型为：

其中：P_s和Q_s分别为静态负荷的有功功率和无功功率，P_s0,Q_s0为分别为静态负荷有功功率和无功功率的初始值，U为节点电压，U₀为节点电压的初始值，a_p,b_p,c_p,a_q,b_q,c_q为典型负荷群模型参数的静态负荷参数，且a_p+b_p+c_p＝1、a_q+b_q+c_q＝1，

所述异步电动机子模型采用三阶模型。

所述典型负荷群模型参数还包括：

电动机负荷参数：R_s为定子电阻，X_s为定子电抗，X_m为励磁电抗，X_r为转子电抗，R_r为转子电阻，H电动机惯性时间常数，A为机械负荷转矩中与转速平方成正比部分的占比，B为机械负荷转矩中与转速成正比部分的占比，

动静比例系数k_P和电动机负荷率系数k_L。

所述典型负荷群模型参数中a_p,b_p,c_p,a_q,b_q,c_q,R_s,X_m,X_r,A,B采用经验值，X_s,R_r,H,k_P,k_L采用遗传算法辨识得到。

所述步骤2)具体包括步骤：

21)载入和各典型负荷群的占比以及配电网等值压降；

22)加权聚合得到节点负荷模型参数，具体为：

其中：S_mN,k＝ρ_kS₀k_P,k/k_L,k，S_m0,k＝ρ_kS₀k_P,k，S₀为节点注入功率，k_P,k为第k个典型负荷群模型的动静比例系数，ρ_k为第k个典型负荷群的占比，k_L,k为第k个典型负荷群模型的电动机负荷率系数，H_k为第k个典型负荷群模型的电动机惯性时间常数，R_s,k为第k个典型负荷群模型的定子电阻，X_s,k为第k个典型负荷群模型的定子电抗，X_m,k为第k个典型负荷群模型的励磁电抗，X_r,k为第k个典型负荷群模型的转子电抗，R_r,k为转子电阻，A_k为第k个典型负荷群模型的机械负荷转矩中与转速平方成正比部分的占比，B_k为机械负荷转矩中与转速成正比部分的占比，S_mN,k为ρ_kS₀k_P,k/k_L,k；

23)基于获得的节点负荷模型参数建立节点负荷模型。

所述各典型负荷群的占比以及配电网等值压降由故障录波器测量得到。

与现有技术相比，本发明具有以下优点：

1)相对于目前仿真中采用的典型负荷参数，采用多种典型负荷群的加权聚合获取节点负荷模型参数的负荷参数，因此节点有功电压响应特性和无功电压响应特性更接近实测情况。

2)典型负荷群设计为工业负荷群、居民负荷群和商业负荷群三种，可以在保证精度的同时，最大限度地减小计算量。

3)典型负荷群模型由ZIP静态负荷子模型和异步电动机子模型，此种建模方式技术成熟，简单方便。

4)典型负荷群模型参数中，仅对灵敏度高的参数进行辨识，其余参数采用典型值，可以进一步在不影响精度的前提下提高建模效率。

5)各典型负荷群的占比以及配电网等值压降由故障录波器测量得到，功率电压响应曲线与实测曲线的吻合度更高，在有条件获取节点实测数据时，应该采用实测数据对统计获取的节点负荷模型进行修正。

附图说明

图1为本发明的主要步骤流程示意图；

图2为异步电动机模型电路示意图；

图3为改进遗传算法参数辨识步骤流程示意图；

图4为节点负荷模型电路示意图；

图5(a)为地区典型居民负荷群功率响应特性；

图5(b)为地区典型商业负荷群功率响应特性；

图5(c)为地区典型工业负荷群功率响应特性；

图6为本申请方法和现有技术相比节点负荷模型功率响应特性示意图；

图7为本实施例中情况1和情况2节点负荷模型功率响应特性对比示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

一种基于典型负荷群的电力***负荷建模方法，包括步骤：

一般而言，可将地区负荷群分为工业负荷、商业负荷和居民负荷和特殊负荷四类，其典型构成如表1所示。工业负荷指为工厂供电负荷，其中50％以上为电动机负荷，以异步电动机为主。商业负荷指为商业大楼或商业区块的负荷，其中空调和照明负荷占比大，空调可达40％-50％。居民负荷指居民居住区的负荷，荷主要由照明和家用电器组成，以家用电器负荷为主，夏天以空调(单体)为主，冬天以空调和取暖器为主。特殊负荷主要是指主动负荷，如电动汽车，和冲击负荷，如冶炼和电气化铁路等。各地区可根据地区负荷特点及建模需要划分亚群，例如工业负荷，可按负荷性质进一步划分。特殊负荷一般单独建模，本申请针对一般节点建模，因此模型中不包括特殊负荷。

表1

步骤1)具体包括步骤：

在ETAP软件中对调研得到的典型负荷群进行仿真，得到负荷群节点的功率电压响应特性P(U)和Q(U)。

13)建立典型负荷群模型，并确定其模型参数。工业负荷群、商业负荷群和居民负荷群均可表示成由一组ZIP静态负荷和异步电动机(三阶模型)组合而成。

静态负荷用ZIP模型表示，如式(1)所示：

其中：P_s和Q_s分别为静态负荷的有功功率和无功功率，P_s0,Q_s0为分别为静态负荷有功功率和无功功率的初始值，U为节点电压，U₀为节点电压的初始值，a_p,b_p,c_p,a_q,b_q,c_q为典型负荷群模型参数的静态负荷参数，其中a_p,b_p,c_p为有功电压相关系数，a_q,b_q,c_q为无功电压相关系数，且a_p+b_p+c_p＝1、a_q+b_q+c_q＝1，

P_s0,Q_s0计算式如式(2)，

其中：P₀,Q₀分别为节点注入的总有功功率和无功功率，k_P'为节点总负荷中电动机所占比例。

异步电动机构成如图2所示，采用三阶模型，xy坐标***时，模型可用公式(3)～(5)表示。

输出方程：

上述公式中，除ω_B＝2πf_B＝100π、时间t及惯性时间常数H外，均采取以电动机额定容量为基准的标幺值：

其中：S_m0＝S₀×k_P是稳态时的电动机注入功率，k_L为负荷率。

综上，典型负荷群模型中的参数包括：

静态负荷参数：a_p,b_p,c_p和a_q,b_q,c_q，

电动机负荷参数：R_s,X_s,X_m,X_r,R_r,H,A,B

动静比例系数k_P和电动机负荷率系数k_L

上述参数中，电动机负荷参数各自的含义分别为：R_s为定子电阻，X_s为定子电抗，X_m为励磁电抗，X_r为转子电抗，R_r为转子电阻，H电动机惯性时间常数，A为机械负荷转矩中与转速平方成正比部分的占比，B为机械负荷转矩中与转速成正比部分的占比。

暂态负荷模型中，静态负荷一般可直接用恒阻抗表示，可利用稳态值进行计算，即可用式(6)求解：

对等值感应电动机，通过对参数进行灵敏度分析可知，定子电抗、转子电阻，电动机惯性时间常数灵敏度较高。另外，动静比例系数和电动机负荷率系数对暂态稳定的影响较显著。因此，本申请中仅对灵敏度高的参数进行辨识，其余参数采用典型值(本实施例中采用IEEE典型电动机)。综上，简化辨识后负荷群模型中需要辨识的参数为5个，具体为：X_s,R_r,H,k_P,k_L，其辨识过程采用改进遗传算法进行典型负荷群参数辨识，如图3所示，由于具体的辨识细节属于现有技术，故本申请不再展开。

本申请中节点负荷模型采用的负荷结构如图4所示，称为SLM模型，模型中考虑配电网等值电抗，等值静态负荷和等值电动机。等值电动机采用三阶模型，具体模式参见式(3)～(5)，等值静态负荷采用恒阻抗模型，如公式(6)所示。模型参数包括电动机参数(8个)，以及动静比例系数k_P和电动机负荷率系数k_L(2个)共10个参数外，加上配电网等值电抗X_D。

步骤2)具体包括步骤：

21)载入和各典型负荷群的占比以及配电网等值压降，载入共有两种情况。

情况1：仅已知节点负荷中各典型负荷群比例，各典型负荷群的占比由调研得到，配电网等值压降选用设计值或估算值；

情况2：各典型负荷群的占比以及配电网等值压降由故障录波器测量得到。

22)加权聚合得到节点负荷模型参数，对于情况1：

a)配电网等值阻抗

根据该变电站的容量和线路末端电压情况进行估算：

已知U_i和U_L，则ΔU＝U_i-U_L(当节点电压情况未知，则可根据规程，功率在线路上传输导致末端电压降落限值为2％～5％，即ΔU＝(2％～5％)U_N，U_L＝U_i-ΔU)

(当ΔU＝(2％～5％)U_N时，

b)等值电动机参数、动静比例系数和电动机负荷率系数

取各典型负荷群在节点中所占比例系数为：

等值电动机参数、动静比例系数和电动机负荷率系数采用加权聚合方式获取，聚合方法阐述如下：

已知稳态条件下的节点注入功率根据公式(7)～(9)可估算负荷直接接入点稳态注入功率为表述方便起见，下面文中均以表示，各参数聚合方法如表2中相应公式所示：

表2

※：若参数都为0时，则等值参数取0(比如当B₁＝B₂＝B₃＝0时，B＝0)

c)等值静态负荷

利用聚合得到的参数k_P，代入公式(6)中即可求取。

对于情况2，此种情况下，将配电网等值电抗，节点各典型负荷群占比系数作为需要辨识的参数，辨识采用改进遗传算法，待辨识参数[X_D,ρ₁,ρ₂]，计算流程和图3所示的参数辨识流程类似。在得到配电网等值电抗和各典型负荷群占比系数后，采用表2所示公式计算负荷模型参数。

具体的，得到节点负荷模型参数为：

23)基于获得的节点负荷模型参数建立节点负荷模型。

应用实例：

以安顺地区某110kV节点为例进行本申请所阐述的负荷建模方法的检验。

首先，调研该110kV节点下属负荷构成，形成典型工业负荷群、典型商业负荷群和典型居民负荷群，各类典型负荷群的具体构成如下如表3～表5所示：

表3典型工业负荷群构成

表4典型商业负荷群构成

负荷类型	商业空调(％)	照明(％)	热泵式加热器(％)	其他设备(％)
					负荷占比(％)	56.5	26.1	8.7	8.7

表5典型居民负荷群构成

负荷类型	空调(％)	加热器	照明	冰箱	其他
						负荷占比(％)	20.4	13.5	16.4	28.6	21.1

12)采用ETAP对典型负荷群进行仿真，获取负荷节点的注入功率电压响应特性，分别如图5(a)～5(c)所示。

13)建立典型负荷群模型，并确定其模型参数。采用遗传算法对典型负荷群进行简化参数辨识，获取各典型负荷群参数。辨识结果如表6所示。

表6

2)建立节点负荷模型

情况1：已知节点各典型负荷群比例系数。

调研获知，该变电站共有两台110kV变压器，额定负载时允许电压降落为4％；负荷以工业负荷为主，包含一部分居民负荷，商业负荷较小，其占比为：工业负荷60％，居民负荷30％，商业负荷10％.计算获得的节点综合负荷参数如表7中情况1所示。

情况2：通过节点故障录波器数据辨识获取X_D,ρ₁,ρ₂，等值电动机参数加权聚合获得，得到的节点综合负荷参数如表7中情况2所示。

表7

在图6中对实测，目前采用的典型负荷参数，本申请获取的负荷参数(情况2)的功率电压特性进行了比较。从图中可见，相对于目前仿真中采用的典型负荷参数，本申请获取的负荷参数的节点有功电压响应特性和无功电压响应特性更接近实测情况，说明本申请中提出的利用典型负荷群的建模方法效果较好。

图7列出了故障录波器捕捉到的实际有功无功响应曲线、分别采用本发明中情况1和情况2参数的节点负荷模型的功率电压响应特性曲线。

从图7中可见，情况1(仅用调研数据聚合获得负荷模型参数)和情况2(采用实测数据进行辨识后再聚合获得负荷模型参数)下获取的节点负荷模型参数均较好地描述了节点负荷的功率电压响应特性，有功和无功的动态特性和实测曲线形状类似，有功功率的吻合度好于无功功率，误差主要出现在电压下降段。两组参数相比，情况2的功率电压响应曲线与实测曲线的吻合度更高，说明在有条件获取节点实测数据时，应该采用实测数据对统计获取的节点负荷模型进行修正。

Claims

1.一种基于典型负荷群的电力***负荷建模方法，其特征在于，包括步骤：

1)建立典型负荷群模型：根据节点负荷信息生成典型负荷群模型，

2)建立节点负荷模型：根据典型负荷群模型参数和各典型负荷群的占比，加权聚合得到节点负荷模型参数，并基于此建立节点负荷模型；

11)载入节点负荷信息，划分典型负荷群，并确定典型负荷群构成，

12)采用ETAP对各典型负荷群进行仿真，获取节点的注入功率电压响应特性，

13)建立典型负荷群模型，并确定其模型参数；

所述ZIP静态负荷子模型为：

所述异步电动机子模型采用三阶模型；

所述典型负荷群模型参数还包括：

电动机负荷参数：R_s为定子电阻，X_s为定子电抗，X_m为励磁电抗，X_r为转子电抗，R_r为转子电阻，H为电动机惯性时间常数，A为机械负荷转矩中与转速平方成正比部分的占比，B为机械负荷转矩中与转速成正比部分的占比，

动静比例系数k_P和电动机负荷率系数k_L，

且所述典型负荷群模型参数中a_p,b_p,c_p,a_q,b_q,c_q,R_s,X_m,X_r,A,B采用经验值，X_s,R_r,H,k_P,k_L采用遗传算法辨识得到；

步骤2)具体包括步骤：

21)载入各典型负荷群的占比以及配电网等值压降，

22)加权聚合得到节点负荷模型参数，具体为：

其中：S_mN,k＝ρ_kS₀k_P,k/k_L,k，S_m0,k＝ρ_kS₀k_P,k，S₀为节点注入功率，k_P,k为第k个典型负荷群模型的动静比例系数，ρ_k为第k个典型负荷群的占比，k_L,k为第k个典型负荷群模型的电动机负荷率系数，H_k为第k个典型负荷群模型的电动机惯性时间常数，R_s,k为第k个典型负荷群模型的定子电阻，X_s,k为第k个典型负荷群模型的定子电抗，X_m,k为第k个典型负荷群模型的励磁电抗，X_r,k为第k个典型负荷群模型的转子电抗，R_r,k为转子电阻，A_k为第k个典型负荷群模型的机械负荷转矩中与转速平方成正比部分的占比，B_k为机械负荷转矩中与转速成正比部分的占比，

23)基于获得的节点负荷模型参数建立节点负荷模型。

2.根据权利要求1所述的一种基于典型负荷群的电力***负荷建模方法，其特征在于，所述各典型负荷群的占比以及配电网等值压降由故障录波器测量得到。