郝麗麗， 汪成根， 方 鑫， 談怡君， 侯佳欣， 熊海波

(1. 南京工業(yè)大學(xué)電氣工程與控制科學(xué)學(xué)院，江蘇 南京 211816；2. 國網(wǎng)江蘇省電力有限公司電力科學(xué)研究院，江蘇 南京 211103；3. 國網(wǎng)豐縣供電公司，江蘇 豐縣 221700)

0 引言

電力系統(tǒng)多次發(fā)生仿真結(jié)果無法復(fù)現(xiàn)事故真實(shí)情況的事件[1-5]，仿真的有效性問題亟待解決。模型的不準(zhǔn)確是導(dǎo)致仿真結(jié)果異于系統(tǒng)實(shí)際運(yùn)行狀況的關(guān)鍵因素之一。通過信息采集和狀態(tài)估計(jì)，可獲得較為準(zhǔn)確的電力系統(tǒng)網(wǎng)絡(luò)拓?fù)淠Ｐ?。系統(tǒng)額定運(yùn)行狀態(tài)下，線路、變壓器、電容、電抗器等元件的模型參數(shù)較為準(zhǔn)確，通過廠家測試、獨(dú)立建模與定期跟蹤檢驗(yàn)，發(fā)電機(jī)及其控制器的模型也較為可靠。然而，作為電力系統(tǒng)重要元件之一的負(fù)荷，在發(fā)輸電網(wǎng)中其模型通常是由負(fù)荷、變壓器、電源、儲能、補(bǔ)償設(shè)備等值得到。系統(tǒng)中負(fù)荷數(shù)目繁多、接入分散，且負(fù)荷具有隨機(jī)性和時變性，所以負(fù)荷很難逐一、準(zhǔn)確建模，負(fù)荷模型較系統(tǒng)的其它元件更加不可信，是仿真誤差的主要來源之一[6-8]。

將特征接近的空間負(fù)荷點(diǎn)歸為一類，統(tǒng)一辨識各類負(fù)荷的方法兼顧了模型的準(zhǔn)確性和計(jì)算效率[9-11]。負(fù)荷分類涉及負(fù)荷特征向量的選取與聚類，選取的樣本特征應(yīng)能完全體現(xiàn)樣本的本質(zhì)[12-14]，且不影響識別結(jié)果的強(qiáng)壯性[15-16]。需要基于不同的聚類原則與實(shí)際需要選擇合適的聚類方法[17-20]。此外，針對負(fù)荷的時變性，仿真系統(tǒng)中的負(fù)荷模型應(yīng)能跟蹤負(fù)荷實(shí)際變化，如何兼顧負(fù)荷的時間、空間分布規(guī)律，根據(jù)現(xiàn)場測量信息及時識別并自動更新負(fù)荷模型，建立更為準(zhǔn)確的自適應(yīng)負(fù)荷模型，是探討的重點(diǎn)。

通過分析系統(tǒng)主導(dǎo)振蕩模式選取觀測母線，制定模型識別的目標(biāo)函數(shù)，以負(fù)荷用電性質(zhì)構(gòu)成比例作為負(fù)荷節(jié)點(diǎn)的特征，對空間負(fù)荷進(jìn)行分類，同類負(fù)荷采用相同的模型參數(shù)，用梯度優(yōu)化算法對系統(tǒng)各類負(fù)荷進(jìn)行統(tǒng)一識別。文中分別在IEEE 39和118節(jié)點(diǎn)系統(tǒng)上進(jìn)行驗(yàn)證，結(jié)果表明以負(fù)荷用電性質(zhì)構(gòu)成比例進(jìn)行分類，得到的負(fù)荷識別結(jié)果強(qiáng)壯性更好，同時展示了負(fù)荷時變分類閾值的選取方法。

1 基于負(fù)荷用電性質(zhì)構(gòu)成比例的負(fù)荷分類

1.1 分類特征的選取

就用電性質(zhì)而言，負(fù)荷一般可分為工業(yè)、商業(yè)、農(nóng)業(yè)、居民負(fù)荷及其他4類。各類負(fù)荷的特征一般比較固定，如商業(yè)負(fù)荷、居民及其他負(fù)荷包含比重較大的靜態(tài)用電設(shè)備，而工業(yè)負(fù)荷中電動機(jī)負(fù)荷比重較大，農(nóng)業(yè)負(fù)荷多為灌溉負(fù)荷。統(tǒng)計(jì)表明，各種性質(zhì)負(fù)荷的恒阻抗負(fù)荷比例Ap，Aq，恒電流負(fù)荷比例Bp，Bq，恒功率負(fù)荷比例Cp，Cq和電動機(jī)負(fù)荷比例Kpm，Kqm具有較為固定的分布規(guī)律[21]。因此，可以根據(jù)各節(jié)點(diǎn)不同用電性質(zhì)負(fù)荷構(gòu)成比例得到近似的負(fù)荷模型參數(shù)。文中選取以上4種不同用電性質(zhì)負(fù)荷占所接入負(fù)荷節(jié)點(diǎn)總負(fù)荷量的比例作為負(fù)荷節(jié)點(diǎn)的分類特征。一個樣本周期內(nèi)第s(s=1, 2,…,Ns)次采樣得到的第i(i=1, 2,…,n)個負(fù)荷節(jié)點(diǎn)的負(fù)荷用電性質(zhì)構(gòu)成比例為Xi,s=(xis1,xis2,xis3,xis4)，其中xis1,xis2,xis3,xis4分別表示第i個負(fù)荷第s次采樣時工業(yè)、商業(yè)、農(nóng)業(yè)、居民負(fù)荷及其他所占的用電比例。

大規(guī)模電力系統(tǒng)數(shù)字仿真中，負(fù)荷節(jié)點(diǎn)可能是多個實(shí)際負(fù)荷的聚合，也可能是由多個元件聚合等效并折算到中、高壓側(cè)母線得到。對于前者，事先詳細(xì)分析負(fù)荷節(jié)點(diǎn)所接每個實(shí)際負(fù)荷用戶的用電性質(zhì)，再根據(jù)采集到的各負(fù)荷用戶的實(shí)時接入情況，計(jì)算得到該負(fù)荷節(jié)點(diǎn)的實(shí)時負(fù)荷用電性質(zhì)構(gòu)成比例進(jìn)行負(fù)荷分類；對于后者，則需逐一分析各類元件的性質(zhì)，將其歸為某類用電性質(zhì)的負(fù)荷，并按照每個元件的電壓等級進(jìn)行容量折算，再計(jì)入各元件的實(shí)時接入情況，計(jì)算得到等效負(fù)荷節(jié)點(diǎn)的實(shí)時負(fù)荷用電性質(zhì)構(gòu)成比例。

1.2 基于模糊C均值聚類算法的負(fù)荷分類

文中采用模糊C均值聚類算法，依據(jù)1.1節(jié)中所選負(fù)荷特征，用隸屬度函數(shù)判斷n個負(fù)荷節(jié)點(diǎn)的聚類情況，得到系統(tǒng)總的負(fù)荷分類數(shù)目為C，并求取每類的聚類中心，使得類內(nèi)加權(quán)誤差平方和最小。用[0,1]間的隸屬度μifi來確定第i個負(fù)荷特征屬于第fi(fi=1,2,…,C)組聚類的程度，一個負(fù)荷點(diǎn)各組的隸屬度總和為1。

(1)

式中：C為聚類數(shù)；n為負(fù)荷節(jié)點(diǎn)數(shù)；μifi為隸屬度值。對負(fù)荷特征分類，優(yōu)化C使得類內(nèi)距離最小，類間距離最大。類內(nèi)距離是指同類中與其類中心離差的平方和，表達(dá)式如下：

(2)

不同類的類間距函數(shù)表達(dá)式為：

(3)

式中：m為權(quán)值，1≤m≤∞；Xi為某次采樣得到的第i個負(fù)荷的特征樣本元素；Vfi,Vfj分別為第fi和fj類負(fù)荷的聚類中心,fi≠fj，Vfi表示如下：

(4)

基于模糊C均值聚類算法的負(fù)荷分類步驟為：

步驟(2)：計(jì)算由隸屬度的值所組成的劃分矩陣U；

2 各類負(fù)荷節(jié)點(diǎn)的統(tǒng)一識別

2.1 觀測母線的選取

選擇能充分、有效反映系統(tǒng)關(guān)鍵動態(tài)行為的母線作為觀測對象，比較觀測對象上實(shí)測與模型仿真響應(yīng)的差異程度，作為模型識別的目標(biāo)函數(shù)。擾動可能激發(fā)系統(tǒng)的多種振蕩模式，與主導(dǎo)振蕩模式相關(guān)的母線信息能夠反映模型對系統(tǒng)關(guān)鍵動態(tài)過程的影響。此外，電壓級別高或關(guān)鍵節(jié)點(diǎn)變電站，尤其是位于聯(lián)絡(luò)線上的電站，對系統(tǒng)有更廣泛的影響。如果這些電站仿真響應(yīng)曲線與測量信息接近，則臨近母線的仿真結(jié)果也會與實(shí)測接近。因此，在電力系統(tǒng)模型識別中，應(yīng)選擇那些充分參與系統(tǒng)主導(dǎo)振蕩模式，且位于聯(lián)絡(luò)線上并具有較高電壓等級的關(guān)鍵變電站母線作為觀測對象?；赑rony法從實(shí)測信號中提取系統(tǒng)振蕩模式，過程如下。

電力系統(tǒng)是一個高階非線性系統(tǒng)，對于小擾動，我們一般將系統(tǒng)在運(yùn)行點(diǎn)附近線性化為：

(5)

(6)

式中：Ri=ciφiψib，φi和ψi分別為特征根λi的左、右特征向量。當(dāng)采樣間隔Δt恒定時，yj(t)可以表示為下述離散形式：

(7)

式中：zi=exp(λiΔt)，λi=σi+jω為模型階數(shù)；n為未知量；第i個模式的參數(shù)zi；Ri可以通過Prony算法估算得到。

方程式(7)可以寫成以下形式：

(8)

式中zi滿足關(guān)于未知系數(shù)ai的n階多項(xiàng)式的根：

zn-(a1zn-1+a2zn-2+...+anz0)=0

(9)

式(8)兩側(cè)左乘[-an,-an-1,...,-a1,1,0,...,0]，可得到：

(10)

式(8)左乘[0,-an,-an-1,...,-a1,1,0,..,0]，等式右側(cè)結(jié)果也為0。重復(fù)式(9)的計(jì)算可得下式：

(11)

利用Prony法識別系統(tǒng)振蕩可以同時對所有量測進(jìn)行頻率、阻尼比、模態(tài)的識別，概括為以下步驟：求解式(11)得到系數(shù)ai，求解式(7)的根得到zi，求解式(8)中的復(fù)數(shù)殘差Ri，判別系統(tǒng)的主導(dǎo)振蕩模式及模態(tài),從而確定每個測點(diǎn)參與主導(dǎo)振蕩的程度，進(jìn)而選擇模型識別的觀測對象。

2.2 模型識別的目標(biāo)函數(shù)

文中選用實(shí)際(或參考)系統(tǒng)與仿真(或模型)系統(tǒng)觀測母線的電壓均方誤差作為負(fù)荷模型識別的目標(biāo)函數(shù)J表達(dá)式為：

(12)

式中：N表示動態(tài)響應(yīng)采樣點(diǎn)數(shù)；Vm(j)表示觀測母線的第j個電壓實(shí)測值；Vs(j)表示仿真系統(tǒng)中觀測母線的第j個電壓響應(yīng)。設(shè)置誤差閾值εJ，若J>εJ，則表明當(dāng)前負(fù)荷模型無效，需要進(jìn)行廣域電力系統(tǒng)負(fù)荷的空間分類及識別；反之，則表明當(dāng)前模型有效。

2.3 待識別參數(shù)的選取

{{α11,α12,...,α1m1},{α21,α22,...,α2m2},...,

{αfi1,αfi2,...,αfimfi},...,{αC1,αC2,...,αCmC}}(13)

目標(biāo)函數(shù)J關(guān)于負(fù)荷模型參數(shù)的靈敏度越大，表明該參數(shù)對變量的影響越大，可以優(yōu)先識別這些靈敏度大的參數(shù)；反之，那些靈敏度小的參數(shù)，其調(diào)整對仿真結(jié)果影響微弱，可以用典型值進(jìn)行替代，從而減少系統(tǒng)待識別參數(shù)的個數(shù)，減少計(jì)算量。

2.4 參數(shù)優(yōu)化算法

(14)

圖1 電力系統(tǒng)負(fù)荷的識別模塊流程Fig.1 Identification sub-module of power system load model

3 算例仿真

3.1 IEEE 39節(jié)點(diǎn)系統(tǒng)仿真

假設(shè)各節(jié)點(diǎn)感應(yīng)電動機(jī)內(nèi)部參數(shù)已明確，僅考慮負(fù)荷節(jié)點(diǎn)上各類靜態(tài)負(fù)荷和動態(tài)負(fù)荷占總負(fù)荷大小的比例參數(shù)，其中Cp=1-Ap-Bp，Cq=1-Aq-Bq。故所需識別的參數(shù)為Ap,Aq,Bp,Bq,Kpm,Kqm。選用IEEE 39節(jié)點(diǎn)系統(tǒng)進(jìn)行分析，選擇負(fù)荷節(jié)點(diǎn)3,15,16,18,21,25—29為研究對象，它們各自的負(fù)荷用電性質(zhì)構(gòu)成比例如表1所示，根據(jù)文獻(xiàn)[20]中各類負(fù)荷中靜態(tài)和動態(tài)負(fù)荷的典型比例數(shù)據(jù)，得到這些負(fù)荷的綜合模型參數(shù)，并將相應(yīng)的系統(tǒng)仿真結(jié)果作為參考系統(tǒng)的實(shí)測值。

表1 IEEE 39節(jié)點(diǎn)系統(tǒng)的負(fù)荷用電性質(zhì)構(gòu)成比例Tab. 1 Proportion of consumption componentof loads of IEEE 39-bus system

基于文中所提特征對負(fù)荷分類并識別得到的負(fù)荷模型記為模型系統(tǒng)Ⅰ。為檢驗(yàn)文中所提分類方法的優(yōu)劣，選取了另外兩種負(fù)荷分類策略，其一為按負(fù)荷間電氣距離的大小分類，用該方法分類識別得到的負(fù)荷模型記為模型系統(tǒng)Ⅱ；其二為負(fù)荷節(jié)點(diǎn)不分類，即將待研究負(fù)荷節(jié)點(diǎn)設(shè)定為一類，且各節(jié)點(diǎn)具有相同的模型參數(shù)，識別得到的模型記為模型系統(tǒng)Ⅲ。設(shè)擾動場景為線路16—19距首端20%處發(fā)生三相短路，故障持續(xù)0.04 s。將系統(tǒng)中所有電壓母線作為候選觀察對象，對其響應(yīng)曲線進(jìn)行Prony振蕩模式計(jì)算，結(jié)果顯示系統(tǒng)發(fā)生約2.5 Hz的區(qū)間振蕩，振蕩模式如圖2所示，多條母線參與程度均較為接近，其中紅色為母線BUS16，綠色和藍(lán)色代表其余母線，因該算例系統(tǒng)無法體現(xiàn)電壓的有名值情況，因此，選取了參與振蕩程度較好且跌落最嚴(yán)重的母線BUS16作為系統(tǒng)區(qū)域負(fù)荷模型識別的觀測母線。

圖2 系統(tǒng)主導(dǎo)區(qū)間振蕩模式分析Fig.2 Mode shape of dominant interarea mode

根據(jù)各節(jié)點(diǎn)負(fù)荷用電性質(zhì)構(gòu)成比例，基于聚類算法將負(fù)荷分為3類：第Ⅰ類為負(fù)荷3, 16, 21, 25；第Ⅱ類為負(fù)荷15, 26, 27；第Ⅲ類為負(fù)荷18, 28, 29。每類負(fù)荷待識別參數(shù)為Ap,Bp,Aq,Bq,Kpm,Kqm，經(jīng)靈敏度計(jì)算，參數(shù)Ap,Kpm,Kqm的靈敏度最高，將它們選取為待識別參數(shù)，則系統(tǒng)需識別的負(fù)荷參數(shù)共9個，為Apfi，Kpmfi，Kqmfi(fi=1,2,3)，其余參數(shù)取典型參數(shù)值代替，模型系統(tǒng)I的負(fù)荷參數(shù)識別結(jié)果見表2。

表2 按負(fù)荷用電性質(zhì)比例分類識別的負(fù)荷參數(shù)Tab. 2 Identification results of load model using theproportion of load consumption componentas the classification characteristics

依據(jù)負(fù)荷節(jié)點(diǎn)間的電氣距離將負(fù)荷分類為：3, 15, 21, 26, 27為第Ⅰ類;16, 18, 25為第Ⅱ類;28, 29為第Ⅲ類。在相同的擾動場景下進(jìn)行參數(shù)識別，得到模型系統(tǒng)Ⅱ的負(fù)荷參數(shù)結(jié)果。設(shè)所有負(fù)荷都有相同的模型參數(shù)，在相同的擾動場景下進(jìn)行參數(shù)識別，得到模型系統(tǒng)Ⅲ的負(fù)荷參數(shù)結(jié)果。圖3給出了模型系統(tǒng)Ⅰ—Ⅲ與參考系統(tǒng)的電壓響應(yīng)。結(jié)果表明，不分類識別對應(yīng)的仿真響應(yīng)誤差最大，以節(jié)點(diǎn)間電氣距離分類識別得到的結(jié)果，其誤差次之，以負(fù)荷用電性質(zhì)特征分類識別的模型，其響應(yīng)與參考系統(tǒng)的電壓軌跡擬合很好。

圖3 參考系統(tǒng)和模型系統(tǒng)的觀測對象電壓響應(yīng)Fig.3 Voltage response of reference and model systems

在某一特定運(yùn)行場景下識別得到的模型參數(shù)能否在其他場景下也較好的反映元件動態(tài)，即模型的適用性問題，需要進(jìn)一步檢驗(yàn)。各負(fù)荷大小及組成保持不變，分別改變系統(tǒng)擾動強(qiáng)度、擾動位置、系統(tǒng)潮流分布和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，檢驗(yàn)在某運(yùn)行場景中識別得到的模型系統(tǒng)Ⅰ—Ⅲ的參數(shù)對其他運(yùn)行場景的適用性。

(1) 擾動強(qiáng)度影響的檢驗(yàn)。擾動場景為線路16—15距首端30%處發(fā)生三相短路，擾動持續(xù)時間τ。τ分別取為0.04 s,0.045 s,0.05 s。BUS15為參考系統(tǒng)觀測母線，當(dāng)τ=0.04 s時的電壓響應(yīng)曲線如圖4所示，模型系統(tǒng)Ⅰ與參考系統(tǒng)的電壓響應(yīng)基本重合，模型系統(tǒng)Ⅱ的電壓響應(yīng)與參考系統(tǒng)擬合略差，而模型系統(tǒng)Ⅲ的響應(yīng)曲線與參考系統(tǒng)響應(yīng)差別最大，其主導(dǎo)振蕩模式頻率明顯增加。表3給出了τ取不同值時的響應(yīng)誤差J，隨著擾動強(qiáng)度的增加，各模型系統(tǒng)誤差值J都在不斷增大，也顯示出模型系統(tǒng)I的誤差值J總能保持在相對較小的范圍，而模型系統(tǒng)Ⅲ的誤差值最大。

圖4 τ=0.04 s時模型與參考系統(tǒng)電壓響應(yīng)Fig.4 Voltage response of model and reference system while τ=0.04 s

表3 擾動強(qiáng)度變化時的響應(yīng)誤差Tab. 3 Response error changedwith the duration of disturbance

(2) 擾動位置影響的檢驗(yàn)。擾動場景取為線路16—15距首端x%處發(fā)生三相短路，持續(xù)時間為0.04 s。分別取x為10, 20, 50，BUS15仍為參考系統(tǒng)觀測母線。圖5給出了當(dāng)x=10時的電壓響應(yīng)。表4給出了故障發(fā)生在不同位置時各模型系統(tǒng)與參考系統(tǒng)的電壓誤差值J。模型系統(tǒng)Ⅰ與參考系統(tǒng)電壓響應(yīng)的接近程度明顯優(yōu)于模型系統(tǒng)Ⅱ和Ⅲ，且當(dāng)擾動地點(diǎn)變化時，模型系統(tǒng)Ⅰ的適用性更好。

圖5 x=10時模型與參考系統(tǒng)電壓響應(yīng)Fig.5 Voltage response of model and reference system while x=10

表4 擾動位置變化時的響應(yīng)誤差Tab. 4 Response error changedwith the disturbance location

(3) 系統(tǒng)潮流分布影響的檢驗(yàn)。在原始系統(tǒng)的基礎(chǔ)上，僅改變部分機(jī)組出力，如表5所示，得到系統(tǒng)的潮流分布Ⅰ—Ⅲ，記初始有功功率為P0，調(diào)整后的有功功率為P。擾動場景仍為線路16—15距首端30%處發(fā)生三相短路故障，持續(xù)時間為0.04 s，BUS15為觀測母線。圖6給出了系統(tǒng)潮流分布為情況Ⅰ時模型系統(tǒng)和參考系統(tǒng)的電壓響應(yīng)，表6給出了當(dāng)潮流分布改變后，各模型系統(tǒng)與參考系統(tǒng)的電壓誤差值J。結(jié)果顯示，雖然潮流分布變化，但模型系統(tǒng)Ⅰ仍然可以很好的反映參考系統(tǒng)的動態(tài)，模型系統(tǒng)Ⅱ和Ⅲ的響應(yīng)卻與參考系統(tǒng)有較大差距。

表5 潮流分布情況I—ⅢTab. 5 Power flow distribution I—Ⅲ

圖6 潮流分布I下模型與參考系統(tǒng)電壓響應(yīng)Fig.6 Voltage response of model and reference system with flow distribution I

表6 潮流分布變化時的響應(yīng)誤差Tab. 6 Response error with flow distribution changed

(4) 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)影響的檢驗(yàn)。在原始系統(tǒng)基礎(chǔ)上僅切除線路5—6得到拓?fù)浣Y(jié)構(gòu)Ⅰ，僅切除線路13—14得到拓?fù)浣Y(jié)構(gòu)Ⅱ，僅切除線路6—11得到拓?fù)浣Y(jié)構(gòu)Ⅲ。擾動場景為線路16—15距首端10%處發(fā)生三相短路，擾動持續(xù)時間為0.03 s。BUS15為觀測母線。圖7給出了拓?fù)浣Y(jié)構(gòu)Ⅰ時系統(tǒng)的電壓響應(yīng)，表7給出了當(dāng)拓?fù)涓淖兒?，各模型系統(tǒng)與參考系統(tǒng)的電壓誤差J。結(jié)果表明模型系統(tǒng)Ⅰ適應(yīng)其他拓?fù)浣Y(jié)構(gòu)的能力更強(qiáng)。

圖7 拓?fù)浣Y(jié)構(gòu)I下模型與參考系統(tǒng)電壓響應(yīng)Fig.7 Voltage response of model and reference system with grid topology I

表7 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)變化時的響應(yīng)誤差Tab. 7 Response error changed with the grid topology

綜上，當(dāng)保持各節(jié)點(diǎn)負(fù)荷的大小和組成不變，僅改變系統(tǒng)其他運(yùn)行條件，按負(fù)荷用電性質(zhì)構(gòu)成比例分類得到的參數(shù)識別結(jié)果具有良好的精度和適用能力，遠(yuǎn)優(yōu)于按負(fù)荷節(jié)點(diǎn)所屬區(qū)域分類和不分類兩種情況下的識別結(jié)果，而不分類的負(fù)荷模型識別結(jié)果，其精度和適用性最差。

3.2 IEEE 118節(jié)點(diǎn)系統(tǒng)仿真

本節(jié)選取IEEE 118節(jié)點(diǎn)系統(tǒng)再次對上述分類識別方法進(jìn)行檢驗(yàn)。選取27個負(fù)荷節(jié)點(diǎn)作為研究對象，各節(jié)點(diǎn)負(fù)荷用電性質(zhì)構(gòu)成比例如表8所示。擾動場景為線路6—7距首端母線30%處發(fā)生三相短路，持續(xù)時間為0.05 s，將系統(tǒng)中220 kV以上電壓母線作為候選觀察對象，對其響應(yīng)曲線進(jìn)行Prony振蕩模式計(jì)算，結(jié)果顯示系統(tǒng)發(fā)生約0.4 Hz的區(qū)間振蕩，振蕩模式如圖8所示，其中紅色為500 kV 母線BUS20，位于區(qū)域間的聯(lián)絡(luò)線上，綠色和藍(lán)色代表其余母線，鑒于BUS20充分參與了系統(tǒng)的區(qū)間振蕩，且電壓等級高，因此將其選為系統(tǒng)區(qū)域負(fù)荷模型識別的觀測母線。以負(fù)荷用電性質(zhì)構(gòu)成比例分類，結(jié)果如表9所示，經(jīng)過靈敏度計(jì)算，參數(shù)Ap,Bp,Kpm的靈敏度較大，表10給出了模型參數(shù)的識別結(jié)果。

表8 IEEE 118節(jié)點(diǎn)系統(tǒng)的負(fù)荷用電性質(zhì)構(gòu)成比例Tab. 8 Proportion of load consumption component ofloads in IEEE 118-bus system

圖8 系統(tǒng)主導(dǎo)區(qū)間振蕩模式分析Fig.8 Mode shape of dominant interarea mode

表9 根據(jù)負(fù)荷用電性質(zhì)構(gòu)成比例進(jìn)行分類Tab. 9 Load classification based on proportionof load consumption component

表10 按負(fù)荷用電性質(zhì)比例分類識別的負(fù)荷參數(shù)Tab. 10 Identification results of load model usingthe proportion of load consumption component as theclassification characteristics

同4.1節(jié)，選用不同分類特征對負(fù)荷分類識別得到的模型系統(tǒng)響應(yīng)曲線如圖9所示。通過計(jì)算，模型系統(tǒng)Ⅰ、Ⅱ和Ⅲ與參考系統(tǒng)的響應(yīng)誤差值J分別為0.000 401,0.000 913,0.001 124，該算例進(jìn)一步說明文中所提負(fù)荷分類識別方法的有效性。

圖9 參考系統(tǒng)和模型系統(tǒng)的電壓響應(yīng)Fig.9 Voltage response of reference and model system

5 結(jié)語

選取不同用電性質(zhì)負(fù)荷占所接入負(fù)荷節(jié)點(diǎn)總負(fù)荷量的比例作為負(fù)荷節(jié)點(diǎn)的分類特征，采用模糊C均值聚類算法對負(fù)荷節(jié)點(diǎn)進(jìn)行分類，認(rèn)為同一類負(fù)荷節(jié)點(diǎn)具有相同的負(fù)荷參數(shù)，進(jìn)行負(fù)荷模型識別。為了在不增大觀察維度的前提下充分反映區(qū)域負(fù)荷對電網(wǎng)動態(tài)的整體影響，利用Prony算法從實(shí)測信號中提取系統(tǒng)振蕩模式，并識別其中的主導(dǎo)振蕩模式，用參與主導(dǎo)振蕩模式的高電壓級別母線作為觀測母線，并用觀測母線的電壓建立參數(shù)識別的目標(biāo)函數(shù)及主導(dǎo)參數(shù)的選擇方法，用優(yōu)化算法對主導(dǎo)參數(shù)尋優(yōu)，獲得負(fù)荷模型。在IEEE 39節(jié)點(diǎn)和IEEE 118節(jié)點(diǎn)系統(tǒng)上進(jìn)行檢驗(yàn)，通過多種分類策略下的負(fù)荷參數(shù)識別結(jié)果優(yōu)劣的比較，表明按負(fù)荷用電性質(zhì)構(gòu)成比例分類識別的方法，得到的負(fù)荷模型識別結(jié)果具有更好的適用性。

[1] 郝麗麗, 岳浩永, 張恒旭, 等. 分類策略對廣域系統(tǒng)負(fù)荷識別結(jié)果適應(yīng)性的影響分析[J]. 電網(wǎng)技術(shù), 2014, 38(2):381-387.

HAO Lili, YUE Haoyong, ZHANG Hengxu, et al. Influence analysis of classification strategy on wide area system load identification result adaptablity [J]. Power System Technology, 2014, 38(2): 381-387.

[2] WALVE K. Modeling of power system components at severe disturbances[C]∥CIGRE Meeting, Paris, France, 1986.

[3] KOSTEREV D N, TAYLOR C W, MITTELSTADT W A. Model validation for August 10, 1996 WSCC system outage[J]. IEEE Transactions on Power Systems, 1999, 14(3): 967-979.

[4] VENKATASUBRAMANIAN V, LI Y. Analysis of 1996 Western American electric blackouts[C]∥Bulk Power System Dynamics and Control-VI, Cortinad Ampezzo, Italy, 2004.

[5] 方勇杰. 美國9.8大停電對連鎖故障防控技術(shù)的啟示[J]. 電力系統(tǒng)自動化, 2012, 36(15): 1-7.

FANG Yongjie. Lessons from September 8, 2011 southwest America blackout for prevention and control of cascading outages [J]. Automation of Electric Power Systems, 2012, 36(15): 1-7.

[6] CHICCO G. Overview and performance assessment of the clustering methods for electrical load pattern grouping[J]. Energy, 2012, 42(1):68-80.

[7] 鞠 平, 金 艷, 吳 峰, 等. 綜合負(fù)荷特性的分類綜合方法及其應(yīng)用[J]. 電力系統(tǒng)自動化, 2004, 28(1):64-68.

JU Ping, JING Yan, WU Feng, et al. Studies on classification and synthesis of composite dynamic loads [J]. Automation of electric power systems, 2004, 28(1):64-68.

[8] MAHMOUDI-KOHAN N. An annual framework for clustering-based pricing for an electricity retailer[J]. Electric Power Systems Research, 2010, 80(9):1042-1048.

[9] 鄭曉雨, 賀仁睦, 馬 進(jìn), 等. 基于軌跡靈敏度的負(fù)荷分類[J]. 電工技術(shù)學(xué)報(bào), 2010, 25(9):145-150.

ZHENG Xiaoyu, HE Renmu, MA Jin, et al. A method of load classification based on the trajectory sensitivity [J]. Transactions of china electro technical society, 2010, 25(9):145-150.

[10] 李欣然, 林舜江, 劉楊華, 等. 基于實(shí)測響應(yīng)空間的負(fù)荷動特性分類原理與方法[J]. 中國電機(jī)工程學(xué)報(bào), 2006, 26(8):39-44.

LI Xinran, LIN Shunjiang, LIU Yanghua, et al. A new classification method for aggregate load dynamic characteristics based on field measured response [J]. Proceedings of the CSEE. 2006, 26(8):39-44.

[11] 石景海, 賀仁睦. 動態(tài)負(fù)荷建模中的負(fù)荷時變性研究[J]. 中國電機(jī)工程學(xué)報(bào). 2004, 24(4):85-90.

SHI Jinghai, HE Renmu. Load time-variantion study in dynamic load modeling[J]. Proceedings of the CSEE. 2004, 24(4):85-90.

[12] 張紅斌, 賀仁睦, 劉應(yīng)梅. 感應(yīng)電動機(jī)負(fù)荷模型參數(shù)靈敏度分析及參數(shù)辨識策略研究[J]. 電網(wǎng)技術(shù), 2004, 28(6):10-14.

ZHANG Hongbing, HE Renmu, LIU Yingmei. Analysis on parameter analytic sensitivity of induction motor load model and parameter identification strategy [J]. Power System Technology, 2004, 28(6): 10-14.

[13] 鞠 平, 陳 謙, 熊傳平, 等. 基于日負(fù)荷曲線的負(fù)荷分類和綜合建模[J]. 電力系統(tǒng)自動化, 2006, 30(16): 6-9.

JU Ping, CHEN Qian, XIONG Chuanping, et al. Load clustering and synthetic modeling based on daily load curves [J]. Automation of electric power systems, 2006, 30(16):6-9.

[14] WANG Z S, BIAN S R,et al. The load characteristics classification and synthesis of substations in large area power grid[J]. International Journal of Electrical Power and Energy Systems, 2013, 48(1):71-82.

[15] 汪小明, 劉滌塵, 吳 軍, 等. 電力系統(tǒng)暫態(tài)穩(wěn)定分析廣義負(fù)荷模型[J]. 電網(wǎng)技術(shù), 2011, 35(3):44-48.

WANG Xiaoming, LIU Dichen, WU Jun, et al. A generalized load model for transient stability analysis of power system [J]. Power System Technology, 2011, 35(3):44-48.

[16] 朱建全, 李 穎, 譚 偉. 基于特性融合的電力負(fù)荷建模[J]. 電網(wǎng)技術(shù), 2015, 39(5):1358-1364.

ZHU Jianquan, LI Ying, TAN Wei. Characteristic fusion based on electric load modeling [J]. Power System Technology, 2015, 39(5):1358-1364.

[17] 申定輝，于曉蕾，吳 丹. 基于混合高斯模型的配電網(wǎng)負(fù)荷偽量測權(quán)重優(yōu)化算法[J]. 廣東電力，2016，29(5)：86-91，123.

SHEN Dinghui, YU Xiaolei, WU Dan. Optimization algorithm for pseudo measurement weight of power distribution network load based on Gaussian mixture model[J]. Guangdong Electric Power，2016，29(5)：86-91，123.

[18] HAN D, MA J, HE R M, et al. A real application of measurement-based load modeling in large-scale power grids and its validation[J]. IEEE Transactions on Power Systems, 2009, 24(4): 1756-1764.

[19] 黃 梅, 賀仁睦, 楊少兵, 等. 東北電網(wǎng)負(fù)荷模型的分類與應(yīng)用[J]. 電力系統(tǒng)自動化, 2005, 29(4):85-87.

HUANG Mei, HE Renmu, YANG Shaobing, et al. Application of load model classification in northeast power network [J]. Automation of Electric Power Systems, 2005, 29(4):85-87.

[20] 張樹卿, 韓英鐸, 于松泰, 等. 區(qū)域綜合負(fù)荷動態(tài)等值參數(shù)在線測辨關(guān)鍵技術(shù)[J]. 電力系統(tǒng)自動化, 2012, 36(19):114-121.

ZHENG Shuqing, HAN Yingduo, YU Songtai. et al. Key techniques for composite load area integral equivalence and online parameter identification [J]. Automation of Electric Power Systems, 2012, 36(19):114-121.

[21] 鞠 平. 電力系統(tǒng)負(fù)荷建模理論與方法[M]. 北京: 科學(xué)出版社, 2010.

JU Ping. Power system load modeling theory and method[M]. Beijing:Science Press,2010.