[发明专利]一种配电网负荷建模中感应电机模型参数确定方法

说明书

本发明涉及配电网负荷建模技术领域，具体涉及到一种配电网负荷建模中感应电机模型参数确定方法，包括以针对配电网负荷建模中感应电机模型参数计算构建状态方程；针对配电网负荷建模中感应电机模型参数计算构建目标函数；通过自适应人工鱼群算法对状态方程和目标函数进行求解，确定感应电机模型参数。本发明的配电网负荷建模中感应电机模型参数确定方法采用了自适应人工鱼群算法对构建的状态方程和目标函数进行求解，以确定感应电机模型参数，确保感应电机模型参数的精确性；本发明的自适应人工鱼群算法将遗传算法和人工鱼群算法结合，融合了遗传算法的多个优点，在改进过程中，选择、交叉、变异三种操作都发挥了作用。

技术领域

本发明涉及配电网负荷建模技术领域，具体涉及到一种配电网负荷建模中感应电机模型参数确定方法。

背景技术

随着我国特高压大电网的建设、新能源发电和新型电力电子设备的引入，我国电网的规模不断扩大，复杂程度不断增加，电力系统的短路电流、动态稳定性及电压稳定性问题更加突出，负荷模型对电力系统仿真计算结果的影响不容忽视。目前主流的负荷建模方法主要有统计综合法和总体辨识法两种。统计综合法具有物理模型清晰、模型精度高的优点。由于负荷的复杂性、分散性和随机性的特点，这类方法的缺点不够灵活、工作量大。电力系统负荷模型建立后，参数辨识便成为建模的核心，可引入启发式算法来加以处理。

现代启发式方法是运用计算机技术，模仿某些自然现象的运行机制研究出的优化求解算法，该类算法具有对目标函数和约束函数要求宽松、跳出局部极值的能力较强、计算效率高等突出优点。现代启发式方法主要有：禁忌搜索算法、遗传算法、模拟退火算法、粒子群算法、蚁群算法、人工鱼群算法等。现代启发式方法比较接近于人类的思维方式，易于理解，与数学优化方法相比，它更适用于求解组合优化问题或非线性优化问题。人工鱼群算法模拟鱼类觅食、聚群和追尾行为，从构造单条人工鱼的底层行为做起，通过人工鱼各个体的局部寻优，使全局最优值在群体寻优中突现出来。该算法具有跳出局部极值、实现搜索全局极值的良好能力，对搜索空间具有一定的自适应能力；算法对初值无要求，对各参数的选择也是不很敏感。人工鱼群算法虽然具有把握搜索方向和在一定程度上避免陷入局部最优的特性，但当一部分人工鱼处于漫无目的的随机移动或人工鱼在局部极值区域大量聚集时，收敛速度将大大减慢，搜索精度大大降低，这些缺点有待进一步改进。

在配电网负荷建模中，感应电机模型参数的确定必不可少，因此，有必要依据启发式算法提供一种适合的配电网负荷建模中感应电机模型参数确定方法。

发明内容

本发明的目的在于至少解决现有技术中存在的技术问题之一，提供一种配电网负荷建模中感应电机模型参数确定方法。

为实现上述目的，本发明采用的技术方案如下：一种配电网负荷建模中感应电机模型参数确定方法，包括以下步骤：

步骤1，针对配电网负荷建模中感应电机模型参数计算构建状态方程；

步骤2，针对配电网负荷建模中感应电机模型参数计算构建目标函数；其中，所述目标函数为：

式中，F为不同实测电压下的感应电机机端有功功率和无功功率与实际有功功率和无功功率的误差百分比；N₀为数据长度；分别为实测有功功率、无功功率；分别为负荷响应有功功率、无功功率；

步骤3，通过自适应人工鱼群算法对状态方程和目标函数进行求解，确定感应电机模型参数。

进一步的，在步骤1中，所述状态方程为：