[发明专利]一种基于空调负荷比例的SVM静态无功负荷建模方法

说明书

一种基于空调负荷比例的SVM静态无功负荷建模方法，属于电网仿真计算技术领域，用SVM建立起无功功率和电压幅值、频率值以及空调负荷比例之间的非线性映射关系，将空调负荷比例作为负荷特性参数，突出了空调负荷比例对综合负荷的无功特性起的关键作用，解决传统方法中模型中只有几组负荷无功特性数据导致的拟合系数不连续的问题；通过数据采样获得一定数量的学习数据，然后采用SVM算法进行学习，学习好后用测试样本进行测试；通过少数几组负荷无功特性数据即推算出任意空调比例的负荷无功特性数据；该静态无功负荷建模方法具有拟合精度高、对噪声和异常值不敏感的优点。

技术领域

本发明属于电网仿真计算技术领域，涉及一种基于空调负荷比例的SVM静态无功负荷建模方法。

背景技术

电力系统电压稳定性问题已成为国内外电力界普遍关注的课题之一。电力系统电压不稳定事故通常发生在高峰负荷、电力系统处于较小运行裕度期间。这些事故造成了巨大的经济损失和社会影响，其严重后果引起了人们的广泛重视。在影响电压稳定性的诸多因素中，电力负荷特性是最关键、最直接的因素。1987年夏季，日本东京电力系统发生电压崩溃事故的主要原因之一就是在重负荷条件下大量具有不良特性的空调负荷的增长，而当时电网并没有发生非正常运行工况和其他故障情况(三个变电站距离保护是因为线路电压降低、电流增加而动作跳闸的)。后经过事故分析，认为空调负荷在这次事故中起了很大的负面作用，大量空调设备在低电压时从电网吸取了更多的无功电流，加速了电网电压的崩溃。

虽然我国目前还没有发生过类似日本东京电力系统的恶性电压崩溃事故，但随着国民经济的高速发展和人民生活水平的日益提高，我国电力负荷快速增长，城市电网的负荷水平和负荷构成发生了很大变化，尤其是空调类负荷增长迅速。在一些中心城市的夏季炎热期间，空调负荷比例可高达40％以上，大量空调负荷不良的无功-电压特性，将给城市电网电压稳定性带来威胁。因此，研究空调负荷对城市电网电压稳定性的影响，研究存在大量空调负荷的静态无功负荷建模，为电网运行人员采取预防措施提供决策依据，这对保证城市电网的安全稳定运行具有非常重要的意义。

在电力系统的潮流分析、静态稳定分析和研究长期动态过程中，以及负荷以静态成分为主(如商业、民用负荷)的情况下，一般采用静态负荷模型。常用的静态负荷模型为多项式模型。多项式模型由恒定阻抗、恒定电流、恒定功率三类负荷按一定比例组合的负荷特性，综合考虑电压和频率变化对负荷的影响，写成如下形式的函数：

由于频率对无功的影响很小，在忽略频率对无功的影响的情况下，可近似表达为：Q＝Q₀(b₂U²+b₁U+b₀)。空调负荷比例不同，综合无功特性的曲线不同，用最小二乘法拟合得到的模型系数b₀～b₂也不同。用以上传统的静态负荷建模方法建模，缺点有二，一是拟合的精度不高，而且用最小二乘法进行拟合对噪声和异常值敏感，二是对不同比例区段的空调负荷，模型系数b₀～b₂不同，要分别进行拟合得到。很显然，这样得到的模型连续性不好，用这种模型用于相关的计算分析(如中、长期电压稳定计算)时，当空调负荷比例由一个区段变化到另一个区段时，由于模型参数的突变，会导致计算结果的跳跃。

统计学习理论是一种专门研究小样本情况下机器学习规律的基本理论和数学架构，它是对小样本和预测学习理论的最佳理论，它的主要内容包括：1、学习问题一致性的充要条件，即经验风险收敛于实际风险值的充分必要条件；2、学习机推广能力(泛化能力)界的理论，即结构风险的理论；3、在推广能力界的基础上针对小样本的归纳推理原则，即结构风险最小化原则；4、实现这种新的推理原则的方法，即支持向量机 (Support VectorMachines,SVM)。

1、专门针对有限样本情况，其目标是得到现有信息下的最优解而不仅仅是样本数趋于无穷大时的最优值，它实现的是结构风险最小化而不是经验风险最小化；