CN113901649A - 一种频率仿真中负荷参数辨识方法、***及存储介质 - Google Patents

一种频率仿真中负荷参数辨识方法、***及存储介质 Download PDF

Info

Publication number
CN113901649A
CN113901649A CN202111140127.XA CN202111140127A CN113901649A CN 113901649 A CN113901649 A CN 113901649A CN 202111140127 A CN202111140127 A CN 202111140127A CN 113901649 A CN113901649 A CN 113901649A
Authority
CN
China
Prior art keywords
parameter
frequency response
value
typical
response curve
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111140127.XA
Other languages
English (en)
Inventor
吴雪莲
徐贤
刘盛松
陈秋萍
周挺
罗凯明
刘林
周文俊
李兆伟
张红丽
刘福锁
林文莉
黄慧
郜建良
郄朝辉
聂陆燕
胡阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Jiangsu Electric Power Co Ltd
NARI Nanjing Control System Co Ltd
Original Assignee
State Grid Jiangsu Electric Power Co Ltd
NARI Nanjing Control System Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Jiangsu Electric Power Co Ltd, NARI Nanjing Control System Co Ltd filed Critical State Grid Jiangsu Electric Power Co Ltd
Priority to CN202111140127.XA priority Critical patent/CN113901649A/zh
Publication of CN113901649A publication Critical patent/CN113901649A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

本发明公开了一种频率仿真中负荷参数辨识方法、***及存储介质，本发明获取马达负荷模型中影响频率响应特性的关键参数，根据仿真频率响应曲线和实际频率响应曲线，采用单纯形算法，对进行参数辨识，从而辨识出一套使得负荷响应特性的仿真结果与实际响应结果误差最小的参数，提高了频率仿真的准确性。

Description

一种频率仿真中负荷参数辨识方法、***及存储介质
技术领域
本发明涉及一种频率仿真中负荷参数辨识方法、***及存储介质，属于电力***及其自动化技术领域。
背景技术
随着特高压交直流混联电网的建成，当直流输电***发生换相失败、闭锁故障时，有功功率缺额巨大，这类失去大电源后的***低频问题直接取决于原动机及调速器等装置的响应。对于电力***来说，无论是离线计算分析，还是在线实时监控，都必须建立在准确、可信的数值模型或者等值参数的基础上。因此，在此情况下，需要基于符合实际的频率响应***数学模型，找出灵敏度高的相关参数，通过辨识获得各参数具体数值，进而将辨识的参数运用到仿真计算中，便于运行调度人员进行紧急控制措施的制定。
目前，国内外将辨识技术用于频率响应***的动态建模进展缓慢，一些电力***仿真软件(如BPA、PSS/E等)提供的负荷模型为典型模型，模型参数为未经试验验证的“典型值”，这些典型值往往与实际值相差较远，直接导致频率仿真结果不够准确性。
发明内容
本发明提供了一种频率仿真中负荷参数辨识方法、***及存储介质，解决了背景技术中披露的问题。
为了解决上述技术问题，本发明所采用的技术方案是：
一种频率仿真中负荷参数辨识方法，包括：
获取综合负荷模型；其中，综合负荷模型包括马达负荷模型和静态负荷模型；
确定马达负荷模型中影响频率响应特性的关键参数；
将关键参数、马达负荷占综合负荷模型的占比和静态负荷模型中静态负荷的频率响应因子作为待辨识参数，根据仿真频率响应曲线和实际频率响应曲线，采用单纯形算法，对进行参数辨识；其中，仿真频率响应曲线为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线。
确定马达负荷模型中影响频率响应特性的关键参数，包括：
根据马达负荷模型各典型参数的实测值，确定典型参数的范围；
根据典型参数的范围，计算典型参数的中值；
基于典型参数的中值进行故障扰动仿真，获得故障扰动后频率响应曲线的最小值和稳态值；
针对每个典型参数，在典型参数的范围内，获取m个均分值，基于该典型参数的m个均分值以及其余典型参数的中值，进行故障扰动仿真，获得故障扰动后频率响应曲线的最小值和稳态值；
根据故障扰动后频率响应曲线的最小值和稳态值，计算典型参数的指标值；
根据典型参数的指标值和预设规则，确定马达负荷模型中的关键参数。
指标值的计算公式为：
Figure BDA0003283431740000021
其中，
Figure BDA0003283431740000022
为第i个典型参数的指标值；
Figure BDA0003283431740000023
为基于第i个典型参数的m个均分值以及其余典型参数的中值进行故障扰动仿真，获得的频率响应曲线最小值；
Figure BDA0003283431740000024
为基于第i个典型参数的m个均分值以及其余典型参数的中值进行故障扰动仿真，获得的频率响应曲线稳态值；fmin为基于典型参数的中值进行故障扰动仿真，获得的频率响应曲线最小值；fs为基于典型参数的中值进行故障扰动仿真，获得的频率响应曲线稳态值。
预设规则包括：
若典型参数的指标值小于等于敏感阈值，则该典型参数不是关键参数；
若典型参数的指标值大于敏感阈值，则该典型参数是关键参数。
单纯形算法的目标函数为：
min J＝|ffmin-frmin|+|ffs-frs|+|f′fmax-f′rmax|
其中，ffmin为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线最小值；ffs为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线稳态值；f′fmax为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线最大频率变化率；frmin为实际频率响应曲线最小值；frs为实际频率响应曲线稳态值；f′rmax为实际频率响应曲线最大频率变化率；
单纯形算法的收敛判据为：
若最大目标函数值和最小目标函数值的差值小于阈值，则停止辨识，将最小目标函数值对应的参数值作为参数辨识结果。
一种频率仿真中负荷参数辨识***，包括：
模型获取模块：获取综合负荷模型；其中，综合负荷模型包括马达负荷模型和静态负荷模型；
关键参数模块：确定马达负荷模型中影响频率响应特性的关键参数；
辨识模块：将关键参数、马达负荷占综合负荷模型的占比和静态负荷模型中静态负荷的频率响应因子作为待辨识参数，根据仿真频率响应曲线和实际频率响应曲线，采用单纯形算法，对进行参数辨识；其中，仿真频率响应曲线为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线。
关键参数模块，包括：
范围确定模块：根据马达负荷模型各典型参数的实测值，确定典型参数的范围；
中值计算模块：根据典型参数的范围，计算典型参数的中值；
中值仿真模块：基于典型参数的中值进行故障扰动仿真，获得故障扰动后频率响应曲线的最小值和稳态值；
均分值中值仿真模块：针对每个典型参数，在典型参数的范围内，获取m个均分值，基于该典型参数的m个均分值以及其余典型参数的中值，进行故障扰动仿真，获得故障扰动后频率响应曲线的最小值和稳态值；
指标值计算模块：根据故障扰动后频率响应曲线的最小值和稳态值，计算典型参数的指标值；
参数确定模块：根据典型参数的指标值和预设规则，确定马达负荷模型中的关键参数。
指标值计算模块计算指标值的公式为：
Figure BDA0003283431740000041
其中，
Figure BDA0003283431740000042
为第i个典型参数的指标值；
Figure BDA0003283431740000043
为基于第i个典型参数的m个均分值以及其余典型参数的中值进行故障扰动仿真，获得的频率响应曲线最小值；
Figure BDA0003283431740000044
为基于第i个典型参数的m个均分值以及其余典型参数的中值进行故障扰动仿真，获得的频率响应曲线稳态值；fmin为基于典型参数的中值进行故障扰动仿真，获得的频率响应曲线最小值；fs为基于典型参数的中值进行故障扰动仿真，获得的频率响应曲线稳态值。
预设规则包括：
若典型参数的指标值小于等于敏感阈值，则该典型参数不是关键参数；
若典型参数的指标值大于敏感阈值，则该典型参数是关键参数。
单纯形算法的目标函数为：
min J＝|ffmin-frmin|+|ffs-frs|+|f′fmax-f′rmax|
其中，ffmin为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线最小值；ffs为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线稳态值；f′fmax为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线最大频率变化率；frmin为实际频率响应曲线最小值；frs为实际频率响应曲线稳态值；f′rmax为实际频率响应曲线最大频率变化率；
单纯形算法的收敛判据为：
若最大目标函数值和最小目标函数值的差值小于阈值，则停止辨识，将最小目标函数值对应的参数值作为参数辨识结果。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行频率仿真中负荷参数辨识方法。
本发明所达到的有益效果：本发明获取马达负荷模型中影响频率响应特性的关键参数，根据仿真频率响应曲线和实际频率响应曲线，采用单纯形算法，对进行参数辨识，从而辨识出一套使得负荷响应特性的仿真结果与实际响应结果误差最小的参数，提高了频率仿真的准确性。
附图说明
图1为本发明方法的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，一种频率仿真中负荷参数辨识方法，包括以下步骤：
步骤1，获取综合负荷模型；其中，综合负荷模型包括马达负荷模型和静态负荷模型；
步骤2，确定马达负荷模型中影响频率响应特性的关键参数；
步骤3，将关键参数、马达负荷占综合负荷模型的占比和静态负荷模型中静态负荷的频率响应因子作为待辨识参数，根据仿真频率响应曲线和实际频率响应曲线，采用单纯形算法，对进行参数辨识；其中，仿真频率响应曲线为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线。
上述方法获取马达负荷模型中影响频率响应特性的关键参数，根据仿真频率响应曲线和实际频率响应曲线，采用单纯形算法，对进行参数辨识，从而辨识出一套使得负荷响应特性的仿真结果与实际响应结果误差最小的参数，提高了频率仿真的准确性。
上述辨识方法，先进行数据准备工作，具体是收集电网仿真数据并根据电网事故发生时的运行工况调整该电网仿真数据；其中，电网仿真数据包括潮流文件和稳定文件，稳定文件包括与频率仿真相关的模型参数以及负荷模型，负荷模型主要包括马达负荷模型和静态负荷模型；另外需获得导致电网频率波动的大功率缺额故障扰动以及发生故障后的实测频率响应录波数据。
基于马达负荷模型的典型参数值，确定马达负荷模型中影响频率响应特性的关键参数，可采用以下方法或步骤：
1)根据马达负荷模型各典型参数的实测值，确定典型参数的范围。
假设di代表马达负荷模型的第i个典型参数，获得的最大实测值为dimax，最小实测值为dimin，那么该典型参数的范围为[dimin,dimax]，其中i＝1,2,...,t，t为马达负荷模型中典型参数的总数。
2)根据典型参数的范围，计算典型参数的中值，即
Figure BDA0003283431740000071
3)基于典型参数的中值进行故障扰动仿真，获得故障扰动后频率响应曲线的最小值和稳态值。
将典型参数中值带入故障扰动仿真模型(该模型为现有模型，采用电力***机电暂态仿真程序BPA)，可获得频率响应曲线的最小值和60秒后的稳态值。
4)针对每个典型参数，在典型参数的范围内，获取m个均分值，基于该典型参数的m个均分值以及其余典型参数的中值，进行故障扰动仿真，获得故障扰动后频率响应曲线的最小值和稳态值。
m的数量根据实际情况稳定，一般m的取值为3～5；假设获取第i个典型参数的m个均分值，那么将第i个典型参数的m个均分值和其余典型参数的中值带入故障扰动仿真模型，可获得频率响应曲线的最小值和60秒后的稳态值。
5)根据故障扰动后频率响应曲线的最小值和稳态值，计算典型参数的指标值。
根据4)中获得的最小值和稳态值、以及3)中获得的最小值和稳态值，计算每个典型参数的指标值，公式可以为：
Figure BDA0003283431740000072
其中，
Figure BDA0003283431740000073
为第i个典型参数的指标值；
Figure BDA0003283431740000074
为基于第i个典型参数的m个均分值以及其余典型参数的中值进行故障扰动仿真，获得的频率响应曲线最小值；
Figure BDA0003283431740000081
为基于第i个典型参数的m个均分值以及其余典型参数的中值进行故障扰动仿真，获得的频率响应曲线稳态值；fmin为基于典型参数的中值进行故障扰动仿真，获得的频率响应曲线最小值；fs为基于典型参数的中值进行故障扰动仿真，获得的频率响应曲线稳态值。
6)根据典型参数的指标值和预设规则，确定马达负荷模型中的关键参数。
预设规则包括：
若典型参数的指标值小于等于敏感阈值ε，则表明该典型参数不敏感，该典型参数不是关键参数；若典型参数的指标值大于敏感阈值ε，则表明该典型参数敏感，该典型参数是关键参数；其中，敏感阈值ε为大于0的整数，其值取决于实际研究需要的仿真精度，精度要求越高，ε取值越小。
假设获得q个关键参数(x1,x2,···,xn)，将这些关键参数叠加上马达负荷占综合负荷模型的占比η和静态负荷模型中静态负荷的频率响应因子k，可得到待辨识参数X＝(x1,x2,···,xn,η,k)；其中，η为马达负荷与综合负荷的比值，综合负荷为马达负荷与静态负荷之和。
根据仿真频率响应曲线和实际频率响应曲线，采用单纯形算法，对进行参数辨识。
单纯形算法中，初始待辨识参数：
待辨识参数X＝(x1,x2,···,xn,η,k)，其中，(x1,x2,···,xn)均取中值，η取0.5，k取1.0；
目标函数：利用故障扰动仿真模型进行仿真，得到每组待辨识参数(从初始待辨识参数开始，每次迭代产生一组新的待辨识参数)下的频率响应曲线，分别计算频率响应的关键特征量与实际频率响应曲线的关键特征量的差值：
J＝|ffmin-frmin|+|ffs-frs|+|f′fmax-f′rmax|
其中，ffmin为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线最小值；ffs为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线稳态值；f′fmax为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线最大频率变化率；frmin为实际频率响应曲线最小值；frs为实际频率响应曲线稳态值；f′rmax为实际频率响应曲线最大频率变化率；将minJ作为单纯形算法的目标函数。
收敛判据为：
设定阈值
Figure BDA0003283431740000091
若最大目标函数值JH和最小目标函数值JL的差值小于阈值，即
Figure BDA0003283431740000092
则停止辨识，参数辨识成功，将最小目标函数值对应的参数值作为参数辨识结果，若迭代次数达到上限K，则辨识失败，结束辨识，其中，阈值
Figure BDA0003283431740000093
取决于实际研究需要的仿真精度，精度要求越高，阈值
Figure BDA0003283431740000094
越小。
上述方法先利用多参数灵敏度分析方法，确定马达负荷模型中的关键参数，然后利用基于数值分析法的单纯形算法智能指导参数寻优方向，再使用电力***机电暂态仿真程序(BPA)的仿真结果计算目标函数值，从而快速可靠地寻找到最优参数组合，为在线与离线的安全稳定计算提供可靠的仿真模型，可以提高电网在大扰动故障下的频率仿真精度，为大电网相应的频率紧急控制措施的制定提供支持，提升在线安全稳定分析、预警及控制决策水平。
上述方法采用单纯形算法和机电暂态仿真程序相结合的非线性参数优化方法，进行频率仿真负荷模型参数的辨识，从而辨识出一套使得仿真结果关键特性与实际响应特性误差最小的参数，从而提高今后电网频率仿真的准确性，利用该方法，能够缩短仿真耗时，大大提高参数辨识的优化效率。
一种频率仿真中负荷参数辨识***，包括：
模型获取模块：获取综合负荷模型；其中，综合负荷模型包括马达负荷模型和静态负荷模型。
关键参数模块：确定马达负荷模型中影响频率响应特性的关键参数。
关键参数模块，包括：
范围确定模块：根据马达负荷模型各典型参数的实测值，确定典型参数的范围；
中值计算模块：根据典型参数的范围，计算典型参数的中值；
中值仿真模块：基于典型参数的中值进行故障扰动仿真，获得故障扰动后频率响应曲线的最小值和稳态值；
均分值中值仿真模块：针对每个典型参数，在典型参数的范围内，获取m个均分值，基于该典型参数的m个均分值以及其余典型参数的中值，进行故障扰动仿真，获得故障扰动后频率响应曲线的最小值和稳态值；
指标值计算模块：根据故障扰动后频率响应曲线的最小值和稳态值，计算典型参数的指标值；
指标值计算模块计算指标值的公式为：
Figure BDA0003283431740000101
其中，
Figure BDA0003283431740000102
为第i个典型参数的指标值；
Figure BDA0003283431740000103
为基于第i个典型参数的m个均分值以及其余典型参数的中值进行故障扰动仿真，获得的频率响应曲线最小值；
Figure BDA0003283431740000104
为基于第i个典型参数的m个均分值以及其余典型参数的中值进行故障扰动仿真，获得的频率响应曲线稳态值；fmin为基于典型参数的中值进行故障扰动仿真，获得的频率响应曲线最小值；fs为基于典型参数的中值进行故障扰动仿真，获得的频率响应曲线稳态值；
参数确定模块：根据典型参数的指标值和预设规则，确定马达负荷模型中的关键参数。
辨识模块：将关键参数、马达负荷占综合负荷模型的占比和静态负荷模型中静态负荷的频率响应因子作为待辨识参数，根据仿真频率响应曲线和实际频率响应曲线，采用单纯形算法，对进行参数辨识；其中，仿真频率响应曲线为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线。
单纯形算法的目标函数为：
min J＝|ffmin-frmin|+|ffs-frs|+|f′fmax-f′rmax|
其中，ffmin为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线最小值；ffs为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线稳态值；f′fmax为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线最大频率变化率；frmin为实际频率响应曲线最小值；frs为实际频率响应曲线稳态值；f′rmax为实际频率响应曲线最大频率变化率；
单纯形算法的收敛判据为：
若最大目标函数值和最小目标函数值的差值小于阈值，则停止辨识，将最小目标函数值对应的参数值作为参数辨识结果。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行频率仿真中负荷参数辨识方法。
一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行频率仿真中负荷参数辨识方法的指令。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (11)

1.一种频率仿真中负荷参数辨识方法，其特征在于，包括：
获取综合负荷模型；其中，综合负荷模型包括马达负荷模型和静态负荷模型；
确定马达负荷模型中影响频率响应特性的关键参数；
将关键参数、马达负荷占综合负荷模型的占比和静态负荷模型中静态负荷的频率响应因子作为待辨识参数，根据仿真频率响应曲线和实际频率响应曲线，采用单纯形算法，对进行参数辨识；其中，仿真频率响应曲线为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线。
2.根据权利要求1所述的一种频率仿真中负荷参数辨识方法，其特征在于，确定马达负荷模型中影响频率响应特性的关键参数，包括：
根据马达负荷模型各典型参数的实测值，确定典型参数的范围；
根据典型参数的范围，计算典型参数的中值；
基于典型参数的中值进行故障扰动仿真，获得故障扰动后频率响应曲线的最小值和稳态值；
针对每个典型参数，在典型参数的范围内，获取m个均分值，基于该典型参数的m个均分值以及其余典型参数的中值，进行故障扰动仿真，获得故障扰动后频率响应曲线的最小值和稳态值；
根据故障扰动后频率响应曲线的最小值和稳态值，计算典型参数的指标值；
根据典型参数的指标值和预设规则，确定马达负荷模型中的关键参数。
3.根据权利要求2所述的一种频率仿真中负荷参数辨识方法，其特征在于，指标值的计算公式为：
Figure FDA0003283431730000021
其中，
Figure FDA0003283431730000022
为第i个典型参数的指标值；
Figure FDA0003283431730000023
为基于第i个典型参数的m个均分值以及其余典型参数的中值进行故障扰动仿真，获得的频率响应曲线最小值；
Figure FDA0003283431730000024
为基于第i个典型参数的m个均分值以及其余典型参数的中值进行故障扰动仿真，获得的频率响应曲线稳态值；fmin为基于典型参数的中值进行故障扰动仿真，获得的频率响应曲线最小值；fs为基于典型参数的中值进行故障扰动仿真，获得的频率响应曲线稳态值。
4.根据权利要求2所述的一种频率仿真中负荷参数辨识方法，其特征在于，预设规则包括：
若典型参数的指标值小于等于敏感阈值，则该典型参数不是关键参数；
若典型参数的指标值大于敏感阈值，则该典型参数是关键参数。
5.根据权利要求1所述的一种频率仿真中负荷参数辨识方法，其特征在于，单纯形算法的目标函数为：
min J＝|ffmin-frmin|+|ffs-frs|+|f′fmax-f′rmax|
其中，ffmin为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线最小值；ffs为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线稳态值；f′fmax为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线最大频率变化率；frmin为实际频率响应曲线最小值；frs为实际频率响应曲线稳态值；f′rmax为实际频率响应曲线最大频率变化率；
单纯形算法的收敛判据为：
若最大目标函数值和最小目标函数值的差值小于阈值，则停止辨识，将最小目标函数值对应的参数值作为参数辨识结果。
6.一种频率仿真中负荷参数辨识***，其特征在于，包括：
模型获取模块：获取综合负荷模型；其中，综合负荷模型包括马达负荷模型和静态负荷模型；
关键参数模块：确定马达负荷模型中影响频率响应特性的关键参数；
辨识模块：将关键参数、马达负荷占综合负荷模型的占比和静态负荷模型中静态负荷的频率响应因子作为待辨识参数，根据仿真频率响应曲线和实际频率响应曲线，采用单纯形算法，对进行参数辨识；其中，仿真频率响应曲线为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线。
7.根据权利要求6所述的一种频率仿真中负荷参数辨识***，其特征在于，关键参数模块，包括：
范围确定模块：根据马达负荷模型各典型参数的实测值，确定典型参数的范围；
中值计算模块：根据典型参数的范围，计算典型参数的中值；
中值仿真模块：基于典型参数的中值进行故障扰动仿真，获得故障扰动后频率响应曲线的最小值和稳态值；
均分值中值仿真模块：针对每个典型参数，在典型参数的范围内，获取m个均分值，基于该典型参数的m个均分值以及其余典型参数的中值，进行故障扰动仿真，获得故障扰动后频率响应曲线的最小值和稳态值；
指标值计算模块：根据故障扰动后频率响应曲线的最小值和稳态值，计算典型参数的指标值；
参数确定模块：根据典型参数的指标值和预设规则，确定马达负荷模型中的关键参数。
8.根据权利要求7所述的一种频率仿真中负荷参数辨识***，其特征在于，指标值计算模块计算指标值的公式为：
Figure FDA0003283431730000041
其中，
Figure FDA0003283431730000042
为第i个典型参数的指标值；
Figure FDA0003283431730000043
为基于第i个典型参数的m个均分值以及其余典型参数的中值进行故障扰动仿真，获得的频率响应曲线最小值；
Figure FDA0003283431730000044
为基于第i个典型参数的m个均分值以及其余典型参数的中值进行故障扰动仿真，获得的频率响应曲线稳态值；fmin为基于典型参数的中值进行故障扰动仿真，获得的频率响应曲线最小值；fs为基于典型参数的中值进行故障扰动仿真，获得的频率响应曲线稳态值。
9.根据权利要求7所述的一种频率仿真中负荷参数辨识***，其特征在于，预设规则包括：
若典型参数的指标值小于等于敏感阈值，则该典型参数不是关键参数；
若典型参数的指标值大于敏感阈值，则该典型参数是关键参数。
10.根据权利要求6所述的一种频率仿真中负荷参数辨识***，其特征在于，单纯形算法的目标函数为：
min J＝|ffmin-frmin|+|ffs-frs|+|f′fmax-f′rmax|
其中，ffmin为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线最小值；ffs为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线稳态值；f′fmax为基于待辨识参数进行故障扰动仿真，获得的频率响应曲线最大频率变化率；frmin为实际频率响应曲线最小值；frs为实际频率响应曲线稳态值；f′rmax为实际频率响应曲线最大频率变化率；
单纯形算法的收敛判据为：
若最大目标函数值和最小目标函数值的差值小于阈值，则停止辨识，将最小目标函数值对应的参数值作为参数辨识结果。
11.一种存储一个或多个程序的计算机可读存储介质，其特征在于：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至5所述的方法中的任一方法。
CN202111140127.XA 2021-09-28 2021-09-28 一种频率仿真中负荷参数辨识方法、***及存储介质 Pending CN113901649A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111140127.XA CN113901649A (zh) 2021-09-28 2021-09-28 一种频率仿真中负荷参数辨识方法、***及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111140127.XA CN113901649A (zh) 2021-09-28 2021-09-28 一种频率仿真中负荷参数辨识方法、***及存储介质

Publications (1)

Publication Number Publication Date
CN113901649A true CN113901649A (zh) 2022-01-07

Family

ID=79029799

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111140127.XA Pending CN113901649A (zh) 2021-09-28 2021-09-28 一种频率仿真中负荷参数辨识方法、***及存储介质

Country Status (1)

Country Link
CN (1) CN113901649A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115408949A (zh) * 2022-11-02 2022-11-29 广东电网有限责任公司中山供电局 一种负荷模型参数辨识方法、***、设备和介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115408949A (zh) * 2022-11-02 2022-11-29 广东电网有限责任公司中山供电局 一种负荷模型参数辨识方法、***、设备和介质
CN115408949B (zh) * 2022-11-02 2023-02-17 广东电网有限责任公司中山供电局 一种负荷模型参数辨识方法、***、设备和介质

Similar Documents

Publication Publication Date Title
CN112069727B (zh) 具备高可信度的电力***暂态稳定智能化评估***及方法
CN113591379B (zh) 一种电力***暂态稳定预防及紧急协调控制辅助决策方法
CN116306798A (zh) 一种超短时风速预测方法及***
CN109143972A (zh) 一种基于贝叶斯与故障树的数控机床可靠性评价方法
CN113239132A (zh) 一种电压互感器的超差在线辨识方法
CN116663747B (zh) 一种基于数据中心基础设施的智能预警方法及***
CN112330488B (zh) 基于迁移学习的电网频率态势预测方法
CN108448566B (zh) 一种电力***在线混合仿真方法和***
CN112821424A (zh) 一种基于数据-模型融合驱动的电力***频率响应分析方法
CN113901649A (zh) 一种频率仿真中负荷参数辨识方法、***及存储介质
CN115453356A (zh) 一种动力设备运行状态监测分析方法、***、终端及介质
CN110994589A (zh) 电力电子接入电力***调频能力在线评价方法及***
CN111478332B (zh) 基于保守极限的暂态稳定紧急控制切机定值在线调整方法
CN116032016B (zh) 智慧风电场运行状态在线监测预警***及预警方法
CN111756031B (zh) 一种电网运行趋势估算方法和***
CN116975544A (zh) 基于armax模型的电力***惯量在线辨识***与方法
CN106599337B (zh) 一种基于单纯形法的电网频率仿真参数辨识方法
CN115907526A (zh) 一种电网电压暂降评估方法、***、存储介质及计算设备
CN110601215A (zh) 考虑连续换相失败的动态无功支撑能力评估方法及***
CN114726090A (zh) 基于潮流调整的中低压网络数据在线拼接方法和***
CN110661261B (zh) 一种用于低频振荡在线分析的pmu数据处理方法及装置
CN113517693A (zh) 一种弱电压暂态稳定节点分析方法及装置
CN112800625A (zh) 一种区域电网全清洁供电运行边界确定方法和***
CN117851719A (zh) 异步电动机负荷等效参数计算方法、频率分析方法及装置
CN113822470B (zh) 计及新能源场站出力不确定性的出力数据生成方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Xu Xian

Inventor after: Zhang Hongli

Inventor after: Liu Fusuo

Inventor after: Lin Wenli

Inventor after: Huang Hui

Inventor after: Gao Jianliang

Inventor after: Pei Chaohui

Inventor after: Nie Luyan

Inventor after: Hu Yang

Inventor after: Wu Xuelian

Inventor after: Liu Shengsong

Inventor after: Chen Qiuping

Inventor after: Zhou Ting

Inventor after: Luo Kaiming

Inventor after: Liu Lin

Inventor after: Zhou Wenjun

Inventor after: Li Zhaowei

Inventor before: Wu Xuelian

Inventor before: Zhang Hongli

Inventor before: Liu Fusuo

Inventor before: Lin Wenli

Inventor before: Huang Hui

Inventor before: Gao Jianliang

Inventor before: Pei Chaohui

Inventor before: Nie Luyan

Inventor before: Hu Yang

Inventor before: Xu Xian

Inventor before: Liu Shengsong

Inventor before: Chen Qiuping

Inventor before: Zhou Ting

Inventor before: Luo Kaiming

Inventor before: Liu Lin

Inventor before: Zhou Wenjun

Inventor before: Li Zhaowei