[优秀论文]基于扩展卡尔曼滤波的动态负荷建模与参数辨识.pdf

上海交通大学
硕士学位论文
基于扩展卡尔曼滤波的动态负荷建模与参数辨识
姓名:仲卫进
申请学位级别:硕士
专业:电力系统及其自动化
指导教师:艾芊
20070101
上海交通大学硕士学位论文
基于扩展卡尔曼滤波的动态负荷建模与参数辨识

摘要

负荷建模的重要性已经被广大电力工作者所认识和重视,负荷
建模是电力系统中公认的难题之一。本文从负荷建模的基本概念出发,
对负荷建模的现状,负荷模型的结构,负荷建模对电力系统计算的影
响,以及负荷建模的方法作了全面的综合和概括。其中不仅对经典的
算法作了阐述,并对当前比较新的人工智能方法,主要包括遗传算法,
人工神经网络和免疫算法,以及基于这几种算法的改进算法作了详细
的介绍,并对它们与经典算法的优越性和不足作了比较。
论文指出,差分方程模型易辨识,但物理意义不明确,感应电动机
模型物理意义明确,但辨识相对复杂。非线性最小二乘法算法成熟,
但只具有局部收敛性,人工智能算法理论上具有全局收敛性,通过运
算可以得到全局最优解,其对模型结构要求甚少,但由于它是一种模
拟进化的方法,运算时间大大超过非线性最小二乘法,工程化应用还
有待考验。
在本论文中,扩展卡尔曼滤波被用来实现电力参数辨识,实际上,
这种方法适用于任何形式的综合负荷。论文中我们把它应用到动态负
荷——由等价的感应电机并联静态负荷组成以及差分方程模型。这种
算法只需要获得从现场试验中很容易测量的数据:感应电机电压与电
I
上海交通大学硕士学位论文
流即可实现。试验结果表明扩展卡尔曼滤波能很快实现动态负荷的辨
识,最后通过比较估计值与测量值来验证算法的准确性。论文在动模
试验基础上,利用编制的电力系统负荷建模软件进行了负荷建模实
践,结果表明机理动态模型可以有效的对实测负荷进行建模。
作为负荷中心,上海电网电压稳定问题显得日益重要,而负荷特
性尤其是负荷动态特性在电压稳定分析中起到关键作用。针对上海地
区的负荷特点,开发了基于 QT,C++的电力系统负荷建模软件。选取
了作为试验地点的典型变电站,确定了上海地区负荷建模流程,为今
后上海地区负荷建模范围的扩大提供有效的参考经验。
关键词:负荷建模,参数辨识,扩展卡尔曼滤波,人工智能方法,
动态负荷模型











II
上海交通大学硕士学位论文
DYNAMIC LOAD MODELING AND SYSTEM PARAMETER
IDENTIFICATION BASED ON THE EXTENDED KALMAN FILTER



ABSTRACT


Load modeling has been the importance of awareness and attention to
the electricity researchers. Load modeling is one of the difficult problems
in power system analysis. Based on the basic conception of load
modeling, this paper gives prehensive and broad expatiation about
the status quo, the structure, the operation of electric power systemand
the methods of load modeling. And this paper not only describes the
classic algorithms, but also introduces the relatively new method of
artificial intelligence mainly including the ic Arithmetic, the
Artificial work and immunity strategy; furthermore, a detailed
presentation is given about the improved algorithm of the methods
mentioned, and parison of the superiority and inadequate between
the two methods and the classic algorithms is illustrated.