[发明专利]基于似然剖面法的负荷模型参数可辨识性确定方法

权利要求书

1.一种基于似然剖面法的负荷模型参数可辨识性确定方法，其特征在于，该方法首先确定负荷模型参数可辨识性确定的条件，并通过仿真或实测得到负荷模型参数辨识所用数据；选定负荷模型结构后，确定需要进行可辨识性确定的负荷模型参数，并采用参数辨识算法得到每个参数的最优值，并对每个需要进行可辨识性确定的负荷模型参数分别计算各自的可辨识性曲线；通过可辨识性曲线最终得到每个参数的置信区间与可辨识性指标。

2.如权利要求1所述的方法，其特征在于，该方法包括以下步骤：

1)确定负荷模型参数可辨识性确定的条件，包括：扰动幅值、量测噪声以及辨识数据长度三个方面；通过仿真或实测得到一组用于负荷模型参数辨识的类噪声数据，包括：电压幅值、电压相角、有功功率和无功功率四组曲线；

2)选定负荷模型结构，确定需要进行可辨识性确定的负荷模型参数，采用参数辨识算法得到每个参数最优值，然后对每个需要进行可辨识性确定的负荷模型参数分别计算各自的可辨识性曲线；具体步骤如下：

2-1)选择需要进行可辨识性确定的一个参数计算其可辨识性曲线，将该参数数值设定在一定区间内变化，并且在该区间内每个数值处，固定这一待确定的参数数值后，采用相应的辨识算法得到剩余每个需要进行可辨识性确定的参数的参数值，以使目标函数的加权最小二乘偏差最小，并记录下该加权最小二乘偏差的数值；其中，目标函数的加权最小二乘偏差如式(1)所示：

$W\left({\mathrm{\θ}}_i\right)={\mathrm{\Σ}}_{j=1}^m{\mathrm{\Σ}}_{t=t_0}^T{\left(\frac{y_j\left(t\right)-y_{pj}(t,{\mathrm{\θ}}_i)}{{\mathrm{\σ}}_j}\right)}^2---\left(1\right)$

式中，θ_i为待进行可辨识性确定的第i个参数，W(θ_i)为加权最小二乘偏差，y_j(t)为第j个量测维度在t时刻的响应输出，y_pj(t,θ_i)为固定参数θ_i取值后进行参数辨识所得第j个量测维度在t时刻的响应输出预测值，m为量测维度总数，t₀-T为辨识所采用的数据段，σ_j为第j个量测维度量测误差的标准差；

2-2)得到步骤2-1)选定参数的各个数值点的加权最小二乘偏差值之后，将各个数值点的加权最小二乘偏差值绘制成曲线，得到所述参数的可辨识性曲线；

3)根据最小二乘偏差在最优值附近服从卡方分布的条件，得到待确定参数在置信水平为α，置信度为df的情况下，置信区间的表达式为其中θ_i为待进行可辨识性确定的第i个参数，为固定θ_i取值之后为使加权最小二乘偏差最小通过辨识算法所得到的其他参数取值，为负荷模型每个参数的最优值，由此得到待确定参数的置信区间的上下界分别为[θ_i,α⁺,θ_i,α^-]，进而得到可辨识性指标如式(2)所示：

${\mathrm{\β}}_{i,\mathrm{\α}}=\frac{{{\mathrm{\θ}}_{i,\mathrm{\α}}}^{+}-{{\mathrm{\θ}}_{i,\mathrm{\α}}}^{-}}{{\widehat{\mathrm{\θ}}}_i}---\left(2\right)$

式中，为参数θ_i的最优值，β_i,α即为参数θ_i在置信水平为α的条件下的可辨识性指标，可辨识性指标越小，说明该负荷模型参数可辨识性越好。