[发明专利]一种动态电力负荷模型的结构和参数在线辨识方法

说明书

本发明公开一种动态电力负荷模型的结构和参数在线辨识方法，包括：步骤1，建立动态电力负荷模型结构库，其包括至少两种的动态电力负荷模型结构；步骤2，并行读取动态电力负荷模型结构库中的每种动态电力负荷模型结构，将其待辨识的参数与其状态向量组成扩展状态向量，利用不敏卡尔曼滤波对待辨识的参数进行估计；步骤3，计算出各个动态电力负荷模型结构的后验概率；步骤4，比较各动态电力负荷模型结构的后验概率大小，将后验概率最高者作为最优的动态电力负荷模型结构，同时将该动态电力负荷模型结构下的参数辨识结果作为最优参数。本发明通过模型结构和参数的同时在线辨识，从模型结构和参数两个层面对动态电力负荷特性进行更加准确的描述。

技术领域

本发明涉及电力负荷仿真领域，具体涉及一种动态电力负荷模型的结构和参数在线辨识方法。

背景技术

电力负荷模型可以描述为电压或频率与综合电力负荷节点所消耗的功率之间的某种数学关系，这可以视为一个系统识别问题。电力负荷建模一般具有两个环节：确定一个适当的电力负荷模型结构；对该模型结构的参数值进行辨识。

目前的电力负荷模型结构主要可以分为两类：静态电力负荷模型结构和动态电力负荷模型结构。其中ZIP模型是应用最为广泛的一种静态电力负荷模型结构，它包括恒定阻抗、恒定电流和恒定功率三个部分。静态电力负荷模型结构的优点是比较简单，但在大多数动态仿真分析中并不能准确反映综合电力负荷的动态行为。常用的动态电力负荷模型结构又可分为自适应电力负荷模型结构、指数型电力负荷模型结构、电动机模型结构等。相对而言，动态电力负荷模型结构在动态仿真分析中具有更高的精度。

为了确定某一给定模型结构下的参数，通常采用最小二乘法、遗传算法、蚁群算法、粒子群算法等优化算法进行参数辨识，但这些优化算法只能实现电力负荷参数的离线辨识。为了实现电力负荷参数的在线辨识，卡尔曼滤波算法近年来也在电力负荷参数辨识中得到了应用。

已有的动态电力负荷建模方法主要存在如下的问题：先按经验选定一个动态电力负荷模型结构，再在此基础上进行参数辨识，并不能实现动态电力负荷模型的结构和参数的同时最优。

发明内容

本发明的目的在于针对上述现有技术中存在的问题，提出了一种动态电力负荷模型的结构和参数在线辨识方法，实现动态电力负荷模型的结合和参数的同时最优。

为达到上述发明的目的，本发明通过以下技术方案实现：

一种动态电力负荷模型的结构和参数在线辨识方法，包括如下步骤：

步骤1，建立动态电力负荷模型结构库，其包括至少两种的动态电力负荷模型结构；所述动态电力负荷模型结构是状态向量与量测向量描述的结构；

步骤2，并行读取动态电力负荷模型结构库中的每种动态电力负荷模型结构，对每种动态电力负荷模型结构，将其待辨识的参数与其状态向量组成扩展状态向量，利用不敏卡尔曼滤波对待辨识的参数进行估计；

步骤3，在不敏卡尔曼滤波的估计结果的基础上计算出各个动态电力负荷模型结构的后验概率；

步骤4，比较各动态电力负荷模型结构的后验概率大小，将后验概率最高者作为最优的动态电力负荷模型结构，同时将该动态电力负荷模型结构下的参数辨识结果作为最优参数。

进一步，步骤1所述动态电力负荷模型结构为：

X_i(k+1)＝f_i(X_i(k))+W_i(k) (1)

Z_i(k)＝h_i(X_i(k))+V_i(k) (2)