的幕指数分别为0、l和2,并且三个幂函数的系数之和为l。至于恒阻抗、恒电流、恒功率负荷模型则又是多项式模型的特例。因此,静态负荷模型采用幂函数形式具有很大灵活性。静态负荷模型主要适用于潮流计算和以潮流计算为基础的稳态分析。在电力系统动态仿真中,静态负荷模型一般适用于计算结果对负荷模型不太敏感的负荷点、长过程动态分析等。
(2)动态负荷模型:
动态负荷模型进一步可分为:机理模型与非机理模型。其中,由于感应电动机是最重要的动态负荷,所以机理模型通常就是感应电动机模型,一般将感应电动机模型并联上有关静态模型来描述综合负荷。这种模型已经在国内外的电力系统分析软件中得到广泛的应用。对于由成千上万台特性差别极大的感应电动机和其他各种用电设备组成的综合负荷,采用一台等值电动机来描述,且不说等值机参数和状态变量失去了物理意义,单就等值效果来看也是较差的,因此文献[9]给出了电动机群等值或合并的条件。
非机理模型则是在系统辨识理论发展过程中,从大量具体动态系统建模中概括抽象出来的,对一大类动态系统具有很强描述能力的模型。每一种非机理模型都有其普遍适用的范围,也正是由于其普遍适用性掩盖了它作为具体系统模型的机理。在一个具体系统辨识中,应着重强调模型对系统行为的描述能力,而不必苛求模型的机理解释。常见的非机理动态负荷模型形式有:常微分方程模型、传递函数模型、状态空间模型、时域离散模型。其中较具影响的模型有:考虑低电压下功率恢复特性的常微分方程模型;具有外部控制项的自回归滑动平均模型NARMAX(Nonlinear Auto Regressive Moving Average Model with exogenousinputs),以及NARMAX模型的特例,如线性差分方程模型以及近年来提出的人工神经网络模型。目前还不存在一种被人们广泛承认的普遍适用的负荷模型。模型结构的确定需要针对具体的对象,还要结合模型验证来判别其有效性以及有效的范围,因为除过真正的机理模型以外,非机理模型都有其相对有效的范围,很难找到一个绝对有效的非机理模型[2]。
1.3.3 负荷模型的参数辨识
负荷模型的模型形式和结构确定后,模型参数辨识相对来说比较容易,本质上是一个单纯的数值优化问题。对于静态负荷模型,可采用求解非线性最小二乘问题的牛顿法、阻尼最小二乘法(Marquart法),也可采用各种非线性优化方法,例如,最速下降法、共扼梯度法、变尺度法、直接法等。对于动态负荷模型,其参数辨识包括准则和算法两部分,常用的准则有最小二乘、最大似然、最小方差等。有了准则,参数辨识问题就化为求某准则函数达极值的优化计算问题,可采用上述各种非线性优化方法。与静态负荷模型参数辨识不同.动态负荷模型参数辨识在参数寻优过程中要考虑动态约束,例如状态方程、差分方程,即动态负荷模型参数辨识是一个具有动态约束的非线性优化问题。从整体上说,电力负荷辨识方法大体可以分为线性和非线性两大类。线性类方法包括最,b-乘估计、卡尔曼滤波等方法,对于参数线性模型通常是行之有效的。但对于参数非线性模型,容易产生不准确及收敛性差等问题
上一篇:
论文-改进的模糊C均值法在负荷特性统计数据聚类中的应用(word文档)
下一篇:
西班牙语医院科室名称