[发明专利]小扰动环境下基于预报误差法的电力系统闭环负荷辨识方法

说明书

本发明涉及电力系统负荷辨识领域，更具体地，涉及一种小扰动环境下基于预报误差法的电力系统闭环负荷辨识方法，包括以下步骤S1，小扰动环境下，预报法应用条件验证；S2，获取序列总长度为N的负荷的电压幅值序列，电压相角序列，有功功率序列，无功功率序列；S3，建立待辨识负荷的状态空间模型；S4，将连续状态空间模型转化成离散状态空间模型；然后离散状态空间形式转化成卡尔曼滤波形式；S5，定义待辨识负荷的输出，寻找最优的负荷参数使得目标函数最小。本发明利用预报误差法进行小干扰环境下负荷的闭环辨识，克服了传统开环辨识方法存在的辨识不准确问题。

技术领域

本发明涉及电力系统负荷辨识领域，更具体地，涉及一种小扰动环境下基于预报误差法的电力系统闭环负荷辨识方法。

背景技术

负荷模型的准确性对电力系统的安全稳定运行与保护控制有着至关重要的影响，如何建立准确的负荷模型一直是学者们关注的热点课题，长期以来受到广泛关注。

长期以来，负荷辨识被认为是开环辨识。但小扰动环境下，内部扰动和外部扰动对负荷辨识输入输出关系的影响是完全相反的，待辨识负荷的输入输出关系不再仅由负荷自身性质确定，此时，负荷开环辨识的准确度很难达到令人满意的要求。

发明内容

本发明为克服上述现有技术缺陷，提供一种小扰动环境下基于预报误差法的闭环负荷辨识方法。本发明方法采用预报误差法解决小扰动时负荷闭环辨识，辨识对比结果显示，该方法准确性高于传统的辨识方法。

为实现上述目的，本发明采用的技术方案为；本发明提供的一种小扰动环境下基于预报误差法的电力系统闭环负荷辨识方法，该方法包括以下步骤：

S1，获取电力系统的输入数据和扰动信号；在小扰动环境下，预报误差法需要满足条件如下；

(1)：可持续激励

预报误差法要求输入是可持续激励的。假定输入数据序列为u(k),k＝1,2,,,N，N为数据长度，输入数据是n阶可持续激励的定义如下式所示矩阵非奇异：

R^u为输入数据的自相关矩阵，输入数据是n阶可持续激励的物理意义在于输入数据可以用来辨识小于n阶的系统。

(2)：信息充足

定义信号χ₀＝[u^T(k)e₀^T(k)]，e₀^T(k)为扰动信号，T为转置符号；信号χ₀的谱密度表示为：

其中Φ_u(ω)是输入数据u(k)的谱密度，Φ_ue(ω)是输入数据u(k)和e₀(k)的互谱。Φ_eu(ω)是扰动信号e₀(k)和u(k)的互谱，Λ₀是扰动信号e₀(k)的协方差矩阵。信息充足的定义为矩阵正定，即

S2，获取序列总长度为N的负荷数据的电压幅值序列V(k)，电压相角序列θ(k)，有功功率序列P(k)，无功功率序列Q(k)；

S3，根据步骤S2获取的数据建立待辨识负荷的连续状态空间模型；

S4，将步骤S3的连续状态空间模型离散化，转化成离散状态空间模型，然后将离散状态空间模型转化成卡尔曼滤波形式；

S5，定义待辨识负荷的输出，寻找一组最优的负荷参数使得目标函数最小；目标函数如下：

其中，y(k)为电力系统测量值，为电力系统估计值。