电力系统负荷建模与电压稳定性分析的研究

论文摘要

负荷模型在电力系统的稳定计算、数字仿真和决策运行中起着十分重要的作用。负荷模型是决定仿真结果可信度的关键因素之一。由于电力负荷具有随机时变性、地域分散性、严重非线性等特点,致使负荷模型相对粗糙,已影响到仿真结果的可信度,甚至有些情况下可能得出截然相反的结论。同时,随着电压稳定研究的深入,在影响电压稳定性的诸多因素中,负荷特性是最活跃、最关键、最直接的因素,它从很大程度上决定了电压失稳和电压崩溃的进程。在电压稳定性分析中,负荷模型对计算结果影响较大,不恰当的负荷模型会使得计算结果与实际情况不一致,从而构成系统的潜在危险或造成不必要的浪费。本文通过总体测辨法负荷建模的基础理论研究,采用一种适合描述综合负荷特性的GMDH神经网络方法,建立了新的非机理式负荷模型。实例证明该方法能够较好的描述负荷中实测的所有样本,同时该法还具有物理意义清晰、实用方便等特点。其次,根据负荷特性与电压稳定性之间的关系,针对不同负荷模型、动态负荷参数、空调动态负荷及无功补偿电容对暂态电压稳定性的影响进行了仿真分析。仿真结果表明负荷模型结构与参数的不同对电力系统暂态电压稳定性的影响存在很大的差异性。所得的结论对今后的负荷建模工作,特别是建立适合暂态电压稳定分析的负荷模型结构和参数具有重要的意义。

论文目录

• 摘要
• Abstract
• 1 前言
• 1.1 选题背景
• 1.2 电力系统负荷建模概述
• 1.2.1 电力系统负荷建模的意义
• 1.2.2 国内外负荷建模的发展和研究现状
• 1.3 电压稳定性问题概述
• 1.3.1 电压稳定性问题研究的意义
• 1.3.2 负荷特性对电压稳定分析的意义和必要性
• 1.4 本文的主要工作
• 2 负荷建模的理论基础
• 2.1 负荷建模的基本概念及其分类
• 2.2 电力系统负荷模型的结构
• 2.3 人工神经网络基本原理
• 2.3.1 神经元结构模型
• 2.3.2 神经网络的特性及实现
• 2.4 负荷模型参数辨识
• 2.4.1 遗传算法
• 2.4.2 遗传算法的改进策略
• 2.4.3 参数辨识中的改进遗传算法
• 2.5 小结
• 3 基于GMDH神经网络的电力系统负荷建模
• 3.1 神经网络在负荷建模中的应用
• 3.1.1 基于神经网络的系统建模理论
• 3.1.2 基于BP神经网络算法的系统建模
• 3.2 基于GMDH网络的负荷建模
• 3.2.1 GMDH算法的基本原理
• 3.2.2 GMDH算法在负荷建模中的应用
• 3.3 算例分析
• 3.4 小结
• 4 负荷模型对电压稳定性的影响
• 4.1 电压稳定的含义、分类及其研究方法
• 4.1.1 电压稳定的含义与分类
• 4.1.2 电压稳定研究方法
• 4.2 负荷模型结构与参数对暂态电压稳定性的影响
• 4.2.1 负荷模型接在不同电压等级下的比较
• 4.2.2 综合负荷模型中的静态部分分析
• 4.3 综合负荷模型中的动态部分分析
• 4.3.1 不同动态负荷比例的分析
• 4.3.2 动态负荷参数对暂态电压稳定性的影响
• 4.4 不同模型参数下的暂态电压稳定性比较
• 4.5 空调动态负荷的暂态电压稳定性
• 4.6 无功补偿电容对暂态电压稳定性的影响
• 4.7 小结
• 5 总结与展望
• 5.1 本文研究内容和研究成果
• 5.2 今后进一步研究工作的展望
• 致谢
• 参考文献
• 附录
• 硕士研究生期间的成果