买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东电网有限责任公司中山供电局

摘要：本申请提供了一种电力负荷模型构成的辨识方法、装置和辨识系统，该方法包括：确定目标节点的关键节点，关键节点为在扰动下对目标节点影响的相对灵敏度大于或者等于预定相对灵敏度的其他负荷节点，目标节点为任意一个负荷节点，其他负荷节点为目标节点以外的负荷节点；仿真步骤，修改目标节点的不同类型负荷的构成比例，并随机在其他负荷节点注入固定小扰动进行仿真，得到关键节点的目标参数的量测曲线；重复仿真步骤多次，并将每次得到的量测曲线和对应的构成比例组成训练集来训练神经网络模型，得到辨识模型；将关键节点的目标参数的实际量测曲线输入辨识模型，得到目标节点的实际构成比例，解决了在线负荷构成分析工作量大的问题。

主权项：1.一种电力负荷模型构成的辨识方法，其特征在于，电力负荷仿真模型包括多个负荷节点，所述方法包括：确定目标节点的关键节点，所述关键节点为在扰动下对所述目标节点影响的相对灵敏度大于或者等于预定相对灵敏度的其他负荷节点，所述目标节点为任意一个所述负荷节点，所述其他负荷节点为所述目标节点以外的所述负荷节点；仿真步骤，修改所述目标节点的不同类型负荷的构成比例，并随机在所述其他负荷节点注入固定小扰动进行仿真，得到所述关键节点的目标参数的量测曲线，所述目标参数包括电压、注入有功功率、注入无功功率和频率；重复所述仿真步骤多次，并将每次得到的所述量测曲线和对应的所述构成比例组成训练集来训练神经网络模型，得到辨识模型；将所述关键节点的所述目标参数的实际量测曲线输入所述辨识模型，得到所述目标节点的实际构成比例；所述确定目标节点的关键节点，包括：在所述电力负荷仿真模型的当前仿真参数下，向所述电力负荷仿真模型随机注入所述固定小扰动进行仿真，得到各所述负荷节点的第一参数向量，所述第一参数向量为所述电力负荷仿真模型输出的所述负荷节点的所述目标参数组成的向量；调整步骤，调整所述当前仿真参数的任意一个仿真参数θi，并向所述电力负荷仿真模型随机注入所述固定小扰动进行仿真，得到各所述负荷节点的第二参数向量；计算步骤，根据所述第二参数向量和所述第一参数向量计算得到各所述负荷节点的局部灵敏度；依次重复所述调整步骤和所述计算步骤至少一次，直至所述当前仿真参数的所有的所述仿真参数θi均调整一次，得到各所述负荷节点的灵敏度向量，所述灵敏度向量包括所述负荷节点的所有的所述局部灵敏度；将各所述负荷节点的多个所述灵敏度向量的所述局部灵敏度的平均值确定为在各所述负荷节点的全局灵敏度；计算所述其他负荷节点的各所述全局灵敏度与所述目标节点的对应的所述全局灵敏度的比值的平均值，得到所述其他负荷节点的所述相对灵敏度；将所述相对灵敏度大于或者等于所述预定相对灵敏度的所述其他负荷节点确定为所述关键节点；所述根据所述第二参数向量和所述第一参数向量计算得到各所述负荷节点的局部灵敏度，包括：将所述第二参数向量和所述第一参数向量代入计算得到所述局部灵敏度，其中，T为一次仿真的采样总数，为第三参数向量，θ为调整步长；所述计算所述其他负荷节点的各所述全局灵敏度与所述目标节点的对应的所述全局灵敏度的比值的平均值，得到所述其他负荷节点的所述相对灵敏度，包括：采用计算所述其他负荷节点的所述相对灵敏度，其中，为所述仿真参数θi调整时所述目标节点m对应的所述全局灵敏度，为所述仿真参数θi调整时所述其他负荷节点n对应的所述全局灵敏度，1≤i≤N，N为所述当前仿真参数的各所述仿真参数θi的数量。

全文数据：

权利要求：

百度查询： 广东电网有限责任公司中山供电局 电力负荷模型构成的辨识方法、装置和辨识系统