[發明專利]一種實用模型機構建及在線應用方法

有效

• 申請號: 202010017275.1
• 申請日: 2020-01-08
• 公開（公告）號: CN111415059B
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 曾沅;孟德壯;賈凡;胡心遠;劉芮彤;韓月
• 申請（專利權）人: 天津大學;國網遼寧省電力有限公司電力科學研究院;國網遼寧省電力有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 韓帥

本發明公開了一種實用模型機構建及在線應用方法，包括：(1)離線調研節點負荷組成，以及獲取節點歷史量測數據；(2)利用調研與量測數據，逐層進行負荷模型聚合，以及在不同觸發場景下仿真訓練，建立負荷模型；(3)提取量測量的特征，構建其與對應場景以及聚合模型的映射關系，將此關系作為模型的一種屬性，同模型一并放入模型庫中；(4)負荷模型機在線應用，若待辨識節點的下屬節點量測信息完備，則通過聚合得到該節點的聚合模型；若下屬量測信息不足，則提取該點量測量的特征，在模型庫中快速匹配，輸出匹配模型及準確性指標；本發明通過負荷模型機構建及在線應用，為實現電力系統負荷模型的在線生成提供了一種可行性方案。

技術領域

本發明涉及電力系統負荷在線建模領域，具體涉及一種實用模型機構建及在線應用方法。

背景技術

隨著現代電力系統的快速發展，電力系統實時安全穩定性分析與在線仿真計算對負荷模型的準確性提出了更高的要求，同時由于系統復雜性的提升、分布式電源在負荷區的大量接入，也給負荷建模工作帶來了全新的挑戰。電力負荷作為電力系統的用電終端，由于其類型多樣性、投入不確定性等因素，嚴重影響著電力系統仿真計算的精度，建立跟蹤負荷變化的、能夠實時反映動態特性的負荷模型具有十分重要的實際意義。

目前，數據采集與監控系統(SCADA)、廣域測量系統(WAMS)、故障錄波監測系統(FRMS)等電力系統監測系統日益完善，為不同電壓等級節點的負荷模型的建立提供了詳實的運行數據支撐。同時，非侵入式監測技術的應用為最底層負荷的組成與實時用電信息的獲取提供了技術保障。隨著人工智能算法在電力系統領域的快速發展，深度學習方法充分利用海量多源量測數據，通過反復訓練與學習，建立更為精確的實時負荷模型。

發明內容

本發明要解決的技術問題為：通過綜合運用離線統計數據與量測數據，提出了一種用于在線建立準確負荷模型的方法，克服了傳統負荷建模方法缺乏時效性、無法在線應用的缺點，為電力系統的在線仿真分析與控制提供更為有效的電力負荷模型。

為了實現上述發明目的，本發明采取的技術方案具體為：一種實用模型機構建及在線應用方法，包括以下步驟：

步驟1：通過離線調研，統計得到負荷節點下的用電負荷組成成分以及典型行業負荷構成比例，同時獲取典型時間段內負荷節點的歷史量測數據，包括負荷節點的有功功率P、無功功率Q、節點電壓U以及母線頻率f；

步驟2：綜合節點調研、量測等多源數據，基于聚合理論，逐層進行負荷模型聚合，以及基于辨識理論，在不同觸發場景下運用人工智能算法進行離線仿真訓練與學習，建立節點的負荷模型。

步驟2-1：按電壓等級自下向上分層聚合生成不同電壓等級的負荷聚合模型。對于低電壓等級的負荷節點，根據實地調研統計數據以及量測數據，采用容量加權聚合方法進行負荷模型聚合，得到上一層級節點負荷的初始聚合模型。利用上一層級的量測數據對此聚合模型進行校核，對聚合模型進行參數修正，得到該電壓等級下的準確負荷聚合模型。以此層建立的負荷模型為基礎，并結合此層節點的統計與量測數據，采用相同的聚合方法，構建更高電壓等級的負荷模型，最后逐層建立各電壓等級負荷聚合模型。

步驟2-2：在不同離線場景下進行仿真訓練，建立節點負荷模型。分別在事故觸發(故障)和周期觸發(擾動)兩種場景下，對不同負荷節點進行負荷模型測辨。在PSASP仿真系統中，設置不同類型的故障和擾動，對負荷模型中的各類參數在取值范圍內進行隨機取值，得到一系列參數不同的負荷模型進行仿真計算，得到不同故障情況下大量暫態離線樣本和不同擾動情況下大量小擾動離線樣本。將離線樣本中負荷節點的有功功率P、無功功率Q、節點電壓U以及母線頻率f作為輸入，以樣本對應的負荷模型參數作為輸出，采用深度學習網絡，得到節點的負荷模型。