论文部分内容阅读
电力系统的规划、调度及事故预想分析等各个方面都依赖于计算机建模及仿真计算,仿真的准确性取决于模型的正确性和精度,因此需要建立合理的系统模型。发电机及负荷模型是电力系统中最重要的两大模型,其精确程度将直接影响到整个仿真结果的准确性。以往的参数辨识采用离线试验数据,对系统的状态估计不够准确,会造成不必要的浪费。广域测量系统能为参数辨识提供更多实时数据,现基于WAMS系统的参数辨识,提高了分析结果精度和准确性。本文主要研究了以下几方面的内容：(1)总结了发电机和综合负荷模型建立的研究现状和存在问题。针对Park模型参数的不易辨识性,确立采用发电机五阶实用模型,并给出了由Park模型得到实用模型的推导过程。针对负荷建模方法的可行性,分析了静态模型和动态负荷模型的参数特点。本文选择采用的三阶感应电动机并联ZIP模型的综合负荷模型。(2)分析了基于广域测量系统的参数辨识与传统参数辨识的区别,总结了PMU数据用于参数辨识的优点。基于WAMS系统及PMU装置基本原理及同步相量信息的特点,对发电机和综合负荷模型的参数辨识的具体流程进行了设计,并利用MATLAB编程实现了基于遗传算法的模型参数辨识。(3)研究了WAMS主站获取PMU数据的实际过程,以河北南网的WAMS主站为例,给出了提取并读入PMU数据的方法。(4)利用MATLAB中的Simulink功能模块搭建仿真系统,验证了遗传算法辨识发电机模型参数的可行性,并分析励磁扰动的大小和初始值设定的范围对参数辨识精度的影响。(5)在PSASP软件中搭建IEEE8机36节点系统,通过仿真算例验证了遗传算法辨识综合负荷参数的可行性。全系统负荷的70%采用动态负荷模型,30%采用ZIP334模型,通过动态系统的故障仿真,验证了综合负荷模型的有效性。最后总结本文所做工作,基于广域测量系统的发电机及负荷模型的参数辨识使辨识的准确度更高,进一步改善了电力系统运行仿真的精度。