[发明专利]一种电力负荷模型构建方法、装置和设备

说明书

本申请公开了一种电力负荷模型构建方法、装置和设备，利用随机高斯测量矩阵对电力负荷信号进行压缩感知采样，能够极大减少采集数据量，从而节约了存储与通讯资源，加快了传输速度，在接收到压缩感知采样后的低维信号之后，再根据低维信号是属于稳态信号还是暂态信号分别用傅里叶基稀疏矩阵恢复算法和小波基稀疏矩阵恢复算法进行信号的准确恢复，根据恢复后的信号参数分别构建负荷静态模型和负荷动态模型，具有小存储快速传输和精准建模的优点，解决了现有的缺少一种具备小存储快速传输的精准电力负荷模型的技术问题。

技术领域

本申请涉及电力负荷技术领域，尤其涉及一种电力负荷模型构建方法、装置和设备。

背景技术

电力负荷模型是描述负荷端口的功率或电流随其端口电压和频率变化特性的数学方程以及相应的参数，负荷模型对电力系统分析和计算有着重要的影响，负荷模型的不准确已经成为制约电力系统仿真计算精度的重要因素，因负荷模型不准确而得出的过于乐观或悲观的系统分析结果，可能给电力系统的规划、运行带来巨大的损失，由于电力负荷本身具有随机性、时变性和复杂性，使得电力负荷建模问题始终未能得到很好的解决。

随着网络技术的快速发展，电力负荷的数据量也越来越大，系统对电力负荷信息的传输速度和存储容量也提出了越来越高的要求，因此，如何设计一种具备小存储快速传输的精准电力负荷模型，是本领域技术人员亟待解决的技术问题。

发明内容

本申请实施例提供了一种电力负荷模型构建方法、装置和设备，解决了现有的缺少一种具备小存储快速传输的精准电力负荷模型的技术问题。

有鉴于此，本申请第一方面提供了一种电力负荷模型构建方法，包括：

101、根据随机高斯测量矩阵对获取到的电力负荷信号进行实时压缩感知采样，得到的包含全部信号信息的低维信号并传输至接收端；

102、若接收到的所述低维信号为稳态信号，执行步骤103和步骤104，若接收到的所述低维信号为暂态信号，则执行步骤105和步骤106；

103、根据傅里叶基稀疏矩阵恢复算法将所述低维信号恢复为压缩感知采样前的第一高维采样信号；

104、根据所述第一高维采样信号获取信号电气量参数，所述信号电气量参数包括：信号电压有效值、信号电流有效值、信号有功功率、信号无功功率、频率和谐波，建立负荷静态模型；

105、根据小波基稀疏矩阵恢复算法将所述低维信号恢复为压缩感知采样前的第二高维采样信号；

106、根据所述第二高维采样信号获取暂态信号电压和暂态信号电流，建立负荷动态模型。

优选地，步骤101之前还包括：

100、根据高频采集装置实时采集电力馈线的电力负荷信号并进行AD信号转换，其中，采集频率满足Shannon-Nyquist定理要求。

优选地，步骤105和步骤106之后，还包括：

107、将所述负荷静态模型和/或所述负荷动态模型存入负荷模型数据库，并实时更新。

优选地，所述负荷静态模型为ZIP多项式模型。

优选地所述负荷动态模型为三阶感应电机并联ZIP模型。

优选地，所述随机高斯测量矩阵为：

其中，为测量矩阵，N为均值为0方差为1/m的高斯正态分布，m为经压缩感知压缩后的数据点数目。

优选地，所述ZIP多项式模型为：