趙靜波, 鞠 平, 施佳君, 秦 川

(1.國網(wǎng)江蘇省電力有限公司電力科學(xué)研究院,江蘇 南京 210008; 2.河海大學(xué)能源與電氣學(xué)院,江蘇 南京 211100; 3.河海大學(xué)可再生能源發(fā)電技術(shù)教育部工程研究中心, 江蘇 南京 211100)

電力系統(tǒng)仿真計算不僅是電力系統(tǒng)動態(tài)分析與安全控制的基本工具,也是電力生產(chǎn)部門用于指導(dǎo)電網(wǎng)運行的基本依據(jù),數(shù)字仿真結(jié)果的準確度直接影響系統(tǒng)運行、規(guī)劃及決策的正確性。作為電能消耗的核心環(huán)節(jié),電力負荷影響著電力系統(tǒng)設(shè)計、分析以及控制,負荷模型的準確與否對電力系統(tǒng)有著重要影響。1996年北美兩次停電事故,2003年美國“8·14”大停電事故等的分析均表明,不恰當(dāng)?shù)呢摵赡Ｐ蛯?dǎo)致仿真結(jié)果與實際故障曲線不符[1-2]。過于樂觀的負荷模型會對電力系統(tǒng)造成潛在威脅,過于悲觀的負荷模型會造成投入過多,資金浪費嚴重。

然而,負荷節(jié)點幾十千米供電范圍內(nèi)的設(shè)備海量而復(fù)雜,但模型方程要求低階且統(tǒng)一;負荷特性具有非線性和時變性,但模型參數(shù)要求準確且魯棒;大電網(wǎng)中面廣量大的負荷節(jié)點逐個建模工作量巨大且難以實證,但工程實施要求高效且快速。上述困難致使負荷建模成為電力界的公認難題。

正是由于負荷建模的困難性與重要性并重,科研工作者不斷探索,并取得了大量的成果。IEEE(Institute of Electrical and Electronics Engineers) 和國際大電網(wǎng)委員會(International Council on Large Electric Systems,CIGRE)設(shè)有專門研究負荷建模的小組[3],如復(fù)雜電網(wǎng)負荷建模與聚合小組C4.605等,以指導(dǎo)負荷建模方面的研究[4-5];在美國電力科學(xué)研究院(Electric Power Research Institute,EPRI)委托下,美國TXEAS大學(xué)和電力公司通力合作,基于統(tǒng)計綜合法開發(fā)了計算機分析程序(LOADSYN)[6]。我國也在負荷建模領(lǐng)域做出了重要貢獻:國家電網(wǎng)有限公司于2003年成立負荷建模工作組;中國電力科學(xué)研究院基于東北大擾動試驗實測數(shù)據(jù),提出了考慮配電網(wǎng)的綜合負荷模型及其參數(shù)確定方法[7]。國內(nèi)若干院?？蒲袌F隊也對負荷建模方法進行了深入研究,大大豐富了負荷建模理論,進一步推動了負荷建模的實用化[8-13]。

本文首先對現(xiàn)有的負荷建模工作進行了總結(jié):歸納了負荷模型結(jié)構(gòu)和模型參數(shù)的獲取方法,整理了負荷模型實際應(yīng)用現(xiàn)狀,并總結(jié)了現(xiàn)有負荷建模方法的不足;然后分析了負荷建模的發(fā)展趨勢,包括負荷特性重大變化對建模工作的新挑戰(zhàn),電網(wǎng)結(jié)構(gòu)變化對建模工作的新需求,以及大數(shù)據(jù)、人工智能快速發(fā)展帶來的新機遇;最后,將未來負荷建模工作總結(jié)為解決模型結(jié)構(gòu)的“定性正確”和模型參數(shù)的“定量準確”兩步走問題,提出建立考慮主動負荷的廣義綜合負荷模型,借助人工智能技術(shù),綜合采用多種在線建模方法,構(gòu)建“分類分時”負荷模型數(shù)據(jù)庫,建立負荷建模的長效機制。

1 負荷建模研究現(xiàn)狀

1.1 負荷建模的重要性

大量的計算與試驗結(jié)果表明:負荷模型對電力系統(tǒng)動態(tài)行為的定量模型影響很大,對暫態(tài)穩(wěn)定、小擾動穩(wěn)定和電壓穩(wěn)定等都有不同程度的影響。

a. 對暫態(tài)穩(wěn)定的影響:電力系統(tǒng)發(fā)生故障時,會造成發(fā)電機功率不平衡,從而引起功角及其他變量的變化。研究表明負荷特性對暫態(tài)穩(wěn)定有顯著影響,但對于不同的研究對象,影響程度、樂觀與否也有所差異。以湖南電網(wǎng)為例,符合實際的負荷模型能有效提高聯(lián)絡(luò)線的功率輸送極限,甚至能達30%左右,極限切除時間也有所提高[14];而對于典型的發(fā)電-受電系統(tǒng),如華東電網(wǎng)和河南電網(wǎng),提高送端負荷模型的電動機比例有利于提高系統(tǒng)的暫態(tài)穩(wěn)定性,而受端電網(wǎng)的結(jié)論則恰恰相反[15-16]。

b. 對小擾動穩(wěn)定的影響:電力系統(tǒng)發(fā)生低頻振蕩時,電壓和頻率都會發(fā)生顯著變化,因而必須研究負荷的電壓和頻率特性。一般來說,動態(tài)負荷所占的比重和負荷的頻率特性都對系統(tǒng)阻尼有顯著影響,而負荷的一些動態(tài)參數(shù)對系統(tǒng)阻尼影響不大[17-18]。

c. 對電壓穩(wěn)定的影響:負荷特性是電壓穩(wěn)定問題中的關(guān)鍵因素,不同的負荷特性對電壓穩(wěn)定的影響也不盡相同。電壓穩(wěn)定主要取決于無功平衡,綜合負荷模型中動態(tài)負荷所占比例,感應(yīng)電動機的結(jié)構(gòu)和參數(shù)都會直接影響到電壓穩(wěn)定分析的精確度。

總的來說,準確的負荷模型有利于電網(wǎng)安全穩(wěn)定運行,提高用戶供電可靠性。但模型樂觀與否不能一概而論,隨著電力系統(tǒng)的不斷發(fā)展,電網(wǎng)覆蓋面積擴大,相互之間聯(lián)系愈發(fā)緊密,不同條件下,相同的模型也可能得到截然相反的結(jié)果。因此,負荷模型需根據(jù)實際應(yīng)用目的及需求進行確定。

1.2 負荷模型的結(jié)構(gòu)

迄今為止,負荷建模研究已有一定基礎(chǔ)。負荷模型一般可分為靜態(tài)模型、機理動態(tài)模型和非機理動態(tài)模型。

靜態(tài)負荷模型描述電壓或頻率緩慢變化時的負荷特性[19],主要有冪函數(shù)模型、多項式模型以及在這2種模型基礎(chǔ)上的變形和組合;機理動態(tài)模型用于描述電壓或頻率較快變化時的負荷特性,是以物理和電學(xué)等基本定律為基礎(chǔ),通過列寫負荷的各種平衡關(guān)系式而獲得的模型,主要有經(jīng)典負荷模型(classic load model, CLM)和綜合負荷模型(synthesis load model, SLM),對于分布式電源較多的區(qū)域,也可采用增廣負荷模型(generalized load model, GLM)[20];非機理動態(tài)模型將負荷看成是一個黑匣子,建立輸入輸出表達式,由于物理概念不明確,實際應(yīng)用較少。

1.3 負荷模型參數(shù)確定方法

負荷模型參數(shù)確定方法主要包括統(tǒng)計綜合法、總體測辨法和故障仿真法[21]。這3種方法各有優(yōu)缺點:統(tǒng)計綜合法物理意義明確,但需要對成千上萬的設(shè)備進行統(tǒng)計,耗時費力,且準確度較低,另外實際的負荷出力處于動態(tài)變化中,該方法無法解決負荷的時變性問題;通過總體測辨法在線辨識模型參數(shù)可以有效解決時變性問題,但實際情況下,大于10%的電壓波動數(shù)據(jù)不易獲取;故障仿真法所得參數(shù)可能僅針對某一故障有效,需要調(diào)整參數(shù)以滿足較多的實際故障情況,然而實際電網(wǎng)中故障數(shù)據(jù)獲取不易,且該方法認為全系統(tǒng)負荷參數(shù)相同且固定,與實際不符。

在實際應(yīng)用時,通常綜合幾種建模方法以互相取長補短。例如文獻[22]提出基于日負荷曲線分析負荷行業(yè)構(gòu)成比例,并以此為分類依據(jù)對所有負荷節(jié)點分類;然后選取各類中的典型節(jié)點,安裝測量裝置,辨識負荷模型參數(shù);最后根據(jù)分類情況, 推廣得出其他負荷節(jié)點的模型參數(shù);文獻[23]首先將負荷拆分為各類電動機和靜態(tài)負荷,并基于統(tǒng)計調(diào)查獲取其參數(shù),然后利用軌跡靈敏度法估算出各類負荷的比重,從而聚合得到最終的負荷模型;而文獻[24]基于統(tǒng)計調(diào)查和饋線上的故障數(shù)據(jù)確定負荷構(gòu)成相關(guān)參數(shù),然后利用總體測辨法辨識其余參數(shù)。

1.4 負荷建模的應(yīng)用現(xiàn)狀

目前在實際應(yīng)用中,各電網(wǎng)采用的負荷模型主要為靜態(tài)負荷模型和含一定比例電動機的動態(tài)負荷模型。我國國家電網(wǎng)有限公司系統(tǒng)采用的具體負荷模型及參數(shù)如下[25]：

a. 華東電網(wǎng)。上海、江蘇、浙江、安徽：60%恒功率+40%恒阻抗，不計及頻率特性。福建：40%恒功率+60%恒阻抗，有功功率的頻率影響因子LDP=1.2，無功功率的頻率影響因子LDQ=-2.0。

b. 華北電網(wǎng)。京津冀：60%電動機+40%恒阻抗；山東、山西：50%電動機+50%恒阻抗；均不計及頻率特性。

c. 華中電網(wǎng)。河南、湖南、湖北：65%電動機+35%恒阻抗；江西：50%電動機+50%恒阻抗；均不計及頻率特性。

d. 東北電網(wǎng)。東北電網(wǎng)：50%恒功率+50%恒阻抗，不計及頻率特性。

e. 西北電網(wǎng)。陜西：30%電動機+70%恒阻抗；甘肅、寧夏：60%電動機+40%恒阻抗；青海：10%電動機+90%恒阻抗；新疆：60%電動機+40%恒阻抗；均不計及頻率特性。

f. 西南電網(wǎng)。四川、重慶：40%電動機+60%恒阻抗，不計及頻率特性；西藏：SLM模型(工業(yè)負荷70%電動機、其他負荷30%電動機)，LDP=1.8。

g. 南方電網(wǎng)。云南：30%恒阻抗+30%恒電流+40%恒功率；海南：40%恒阻抗+30%恒電流+30%恒功率；廣西、廣東、貴州：30%恒阻抗+40%恒電流+30%恒功率；香港：40%恒阻抗+60%恒功率；均考慮頻率特性。頻率因子取值分別為：廣東、香港：LDP=1.8，LDQ=-2.0；廣西、貴州、云南：LDP=1.2，LDQ=-2.0；海南：LDP=2.0，LDQ=-2.0。

盡管目前負荷建模理論已取得了一定的成果,但在實際應(yīng)用中卻比較滯后,部分電網(wǎng)仍采用單純的靜態(tài)負荷模型。C4.605工作小組對各國負荷模型應(yīng)用情況的調(diào)查結(jié)果也表明,仍有70%的電網(wǎng)在電力系統(tǒng)穩(wěn)定計算中采用靜態(tài)負荷模型[4]?？梢?負荷建模成果的推廣與應(yīng)用任重而道遠。

1.5 負荷建模存在的問題

雖然負荷建模理論和方法已經(jīng)取得了一定的成果,但也存在其局限性,主要體現(xiàn)在兩方面。

a. 難以解決負荷時變性問題。理論上說,負荷構(gòu)成具有時變性和隨機性,因此負荷模型也需要實現(xiàn)空間上因地制宜,時間上實時調(diào)整,但這過于復(fù)雜,在實際應(yīng)用時也無必要。從1.4節(jié)可以看出,在實際工程應(yīng)用中,各電網(wǎng)選擇采用統(tǒng)一的負荷模型,而這顯然過于粗糙,也與實際不符。此外,傳統(tǒng)負荷建模工作通常離線進行,這對于解決負荷時變性問題是不利的。

b. 難以解決負荷的復(fù)雜性問題。現(xiàn)有的負荷建模對象為傳統(tǒng)負荷,隨著電網(wǎng)建設(shè)的不斷推進,大量新型負荷接入電網(wǎng),負荷的復(fù)雜性進一步增加。新型負荷與傳統(tǒng)負荷的負荷特性存在較大差異,現(xiàn)有的負荷模型已經(jīng)難以描述新型負荷。

2 負荷建模發(fā)展趨勢

2.1 負荷建模新挑戰(zhàn)

負荷自身成分發(fā)生的變化給負荷建模帶來了新挑戰(zhàn)。

a. 負荷復(fù)雜性進一步提高。隨著電力電子技術(shù)的廣泛應(yīng)用,LED燈和變頻拖動設(shè)備等“電力電子化”負荷接入比例不斷上升。這類負荷表現(xiàn)出較強的自主控制能力,有功功率特性更接近于恒功率,而無功功率往往表現(xiàn)出負特性,動態(tài)響應(yīng)比傳統(tǒng)電動機更慢一些[26],這對系統(tǒng)的電壓、頻率穩(wěn)定等造成了不利影響。

b. 負荷波動性進一步提高。一方面,分布式電源與儲能得到快速發(fā)展,其接入可就地消納部分負荷,其功率倒供則使單向的功率流動變?yōu)殡p向,極大地改變了負荷特性。此外,分布式電源存在隨機性和弱可控性等特點,且具有很強的季節(jié)性,進一步提高了負荷的時變性和隨機性[27];另一方面,大規(guī)模高速鐵路、動車組等投入比例不斷增大,其運行將給電網(wǎng)造成較大的沖擊性;電動汽車不斷推廣,其主動性和隨機性給電網(wǎng)的運行帶來了不確定因素[28];一系列新型負荷的接入將進一步加劇負荷的波動性[29]。

c. 負荷可控性提高。負荷主動控制能力的提高,一方面是由于其自身具有越來越強的控制能力,另一方面是電力系統(tǒng)對負荷的調(diào)控能力越來越強。例如柔性負荷可作為發(fā)電調(diào)度的補充,豐富電網(wǎng)調(diào)度運行的調(diào)節(jié)手段,有利于削峰填谷、平衡間歇式能源波動和提供輔助服務(wù),但同時也影響了負荷原有的分布特性[30]。

d. 負荷敏感性提高。近年來,負荷對氣象的敏感程度有所增加。隨著經(jīng)濟的增長和極端天氣的增加,用戶用電行為也發(fā)生了較大變化,氣象敏感負荷水平異常增長。據(jù)統(tǒng)計,上海、蘇州等中心電網(wǎng)夏季空調(diào)負荷占比高達40%以上,2017年蘇州夏季的最大負荷功率與預(yù)測值相差100萬kW。

綜上所述,負荷成分中主動負荷的比例不斷增加,負荷的雙向性、不確定性、可控性和敏感性有所提高,這對于電網(wǎng)穩(wěn)定來說有利有弊,但對于負荷建模來說則是難上加難。

2.2 負荷建模新需求

2.2.1 電網(wǎng)結(jié)構(gòu)變化

一方面,隨著特高壓直流的發(fā)展,受端電網(wǎng)的直流落點增多、容量增大。截至2017年底,國家電網(wǎng)范圍內(nèi)在運特高壓直流達到10回,直流額定輸送總?cè)萘窟_到83.6 GW[31]。與此同時,電網(wǎng)一體化特征不斷凸顯,直流送受端、交直流之間耦合日趨緊密,特高壓電網(wǎng)過渡期“強直弱交”特性更加明顯。另一方面,受空氣污染的影響,部分城市關(guān)停小火電機組,遷移中心火電站,城市電網(wǎng)空間分布發(fā)生較大變化,面臨空心化局面。

此外,選擇在進線端斷路器加裝低壓脫扣器的用戶不斷增多,當(dāng)電網(wǎng)電壓暫降時,低壓脫扣裝置將瞬時或延時后動作使斷路器跳閘斷開電源,從而保護配電設(shè)備和用電設(shè)備的安全,但這使得故障情況下的電網(wǎng)穩(wěn)定問題更加復(fù)雜[32]。

2.2.2 電壓穩(wěn)定及頻率穩(wěn)定問題凸顯

隨著特高壓直流的接入,由于受端電網(wǎng)聯(lián)系日益緊密,有利于縮短電氣距離,減小同步電網(wǎng)內(nèi)機組間相角差,系統(tǒng)的功角穩(wěn)定水平有所提升;但特高壓直流閉鎖將導(dǎo)致大規(guī)模潮流轉(zhuǎn)移,受端電網(wǎng)產(chǎn)生大功率缺額,將對電網(wǎng)頻率造成巨大沖擊[33],可能導(dǎo)致低頻減載動作。以“9·19”錦蘇直流雙極閉鎖事故為例,由于小負荷方式下電網(wǎng)開機規(guī)模較小導(dǎo)致系統(tǒng)轉(zhuǎn)動慣量降低,且機組的一次調(diào)頻情況不及預(yù)期,華東電網(wǎng)損失功率約490萬kW,頻率最低跌落至49.563 Hz[34]。

另外,在特高壓直流大功率送電的方式下,受端電網(wǎng)動態(tài)電壓支撐能力較弱,其中,多直流落點的受端電網(wǎng)電壓穩(wěn)定問題更為突出。送受端交互影響問題嚴重,交、直流混聯(lián)電網(wǎng)中,受端交流短路故障時,系統(tǒng)電壓下降,可能又會引發(fā)直流換相失敗,系統(tǒng)連鎖故障風(fēng)險不斷增加。

當(dāng)主網(wǎng)發(fā)生短路故障或是雷擊引發(fā)輸電線路短路故障時,會引起大范圍電壓暫降,在用戶已安裝低壓脫扣器的情況下,大量負荷會因低壓脫扣器動作而剝離電網(wǎng)。以2014年7月8日東莞電網(wǎng)220 kV莞景乙線BC相間短路故障為例,低壓脫扣損失負荷約1 012.4 MW,進一步加劇了電網(wǎng)頻率的波動和振蕩[35]。

總的來說,大容量直流的接入提高了功角穩(wěn)定性,但暫態(tài)電壓穩(wěn)定和頻率穩(wěn)定問題日益突出。傳統(tǒng)的負荷模型更關(guān)注與功角穩(wěn)定相關(guān)的有功與電壓特性,而暫態(tài)電壓穩(wěn)定和頻率穩(wěn)定對負荷的無功特性和頻率特性比較敏感。因此,負荷模型的無功特性和頻率特性需成為新的研究重點。

2.3 負荷建模新機遇

隨著大數(shù)據(jù)時代的到來和計算機性能的飛躍,人工智能AI (artificial intelligence)技術(shù)有了質(zhì)的發(fā)展,以深度學(xué)習(xí)為代表的機器學(xué)習(xí)算法在圖像識別和語音識別等領(lǐng)域的應(yīng)用取得了極大的成功。若能將其應(yīng)用于電力領(lǐng)域,可能有助于解決一些長期性的難題[36]。

與此同時,電網(wǎng)公司開發(fā)了一系列數(shù)據(jù)平臺,包括調(diào)度管理系統(tǒng)(OMS)、生產(chǎn)管理系統(tǒng)(PMS)、配電管理系統(tǒng)(DMS)、能量管理系統(tǒng)(EMS)、用電信息采集系統(tǒng) (AMI) 、廣域測量系統(tǒng)(WAMS)、地理信息系統(tǒng)(GIS)和氣象預(yù)報系統(tǒng)(WFS)。這些平臺提供的海量數(shù)據(jù),為人工智能算法的應(yīng)用提供了良好的數(shù)據(jù)支撐。

目前,人工智能算法在負荷領(lǐng)域的應(yīng)用已有一定嘗試,如文獻[37-39]將深度學(xué)習(xí)等算法應(yīng)用于負荷預(yù)測,對比驗證結(jié)果表明基于人工智能算法的預(yù)測結(jié)果具有更高的準確度。深度學(xué)習(xí)等新一代人工智能技術(shù),能夠提取復(fù)雜數(shù)據(jù)的深層特征,因而對于解決負荷的復(fù)雜性等問題有一定優(yōu)勢,而海量負荷數(shù)據(jù)則為負荷側(cè)人工智能的實現(xiàn)提供了可能。同樣,在負荷建模領(lǐng)域,可借助人工智能算法在特征挖掘方面的優(yōu)勢,解決負荷模型的復(fù)雜性和模型參數(shù)的時變性難題[40]。

近年來,基于深度學(xué)習(xí)算法的聚類分析和非侵入式負荷分解(non-intrusive load monitoring and disaggregation, NILMD)算法不斷發(fā)展[41-42]。將其應(yīng)用于負荷建模領(lǐng)域,在用戶層面,可以對海量底層用戶負荷曲線進行聚類分析,獲得底層用戶負荷的行業(yè)屬性;然后,通過非侵入式負荷分解獲得用戶負荷的電氣構(gòu)成,進而構(gòu)建上層負荷節(jié)點的時變負荷模型。

3 負荷建模研究展望

3.1 模型結(jié)構(gòu)的“定性正確”

模型結(jié)構(gòu)的“定性正確”即負荷模型的結(jié)構(gòu)是否能夠正確反映負荷特性。從1.4節(jié)可以看出,目前很多電網(wǎng)仍然采用靜態(tài)負荷模型或者CLM模型,而SLM模型直接計及配電網(wǎng)阻抗的影響,已經(jīng)獲得了國內(nèi)電力工業(yè)界的廣泛認可。因此,在負荷模型的實際應(yīng)用層面,要解決模型結(jié)構(gòu)的“定性正確”,首先要實現(xiàn)由靜態(tài)負荷模型或CLM模型向SLM模型的轉(zhuǎn)變。

圖1 考慮主動負荷的廣義綜合負荷模型Fig.1 Generalized synthesis load model considering the active load

圖2 在線綜合負荷建模方案Fig.2 Online synthetical load modeling method

此外,由前所述,近年來電網(wǎng)的負荷特性發(fā)生了重大變化,其主要標志為主動負荷比例不斷提高。所謂“主動”是指負荷功率不僅隨電壓和頻率的變化而變化，而且通過內(nèi)部控制率自變,也即P=S(U,f,K)。其中,P為負荷功率,U為電壓,f為頻率,K為負荷的內(nèi)部控制率。為此,筆者提出,在SLM模型的基礎(chǔ)上,增加接口模型以反映負荷的主動性,從而建立計及主動負荷的廣義綜合負荷模型(GSLM, generalized synthesis load model),如圖1所示。圖1中,C表示配電網(wǎng)無功補償;ZIP表示靜態(tài)負荷模型;M表示等值異步電動機;G表示等值發(fā)電機;RD+jXD為配電網(wǎng)等值阻抗;H1、H2、H3為反映負荷主動性的接口模型。

3.2 模型參數(shù)的“定量準確”

“定量準確”即負荷模型的參數(shù)是否準確。模型參數(shù)的確定在理論研究層面和工程應(yīng)用層面存在兩個極端:理論上,模型參數(shù)隨時隨地而變,但過于精細,難以實際應(yīng)用;工程上,往往以不變應(yīng)萬變,又過于粗糙,不符實際。為此,筆者提出了基于“分類、分時、在線、綜合”思想的在線綜合負荷建模方案,其示意圖如圖2所示。

“分類”,用于解決參數(shù)因地而變的問題。對于負荷特性相差較大的負荷節(jié)點,應(yīng)采用不同的負荷模型?？山柚斯ぶ悄芩惴ㄔ谔卣魈崛》矫娴膬?yōu)勢,挖掘各負荷節(jié)點的隱含特征,進行節(jié)點分類;而對于同一類別的負荷節(jié)點,考慮到工程實用性,可選取典型節(jié)點確定負荷模型參數(shù),并推廣至其余相似節(jié)點。

“分時”,用于解決參數(shù)因時而變的問題。針對主動負荷比例不斷提高、負荷特性隨多種因素影響而不斷變化導(dǎo)致的模型參數(shù)時變性問題,利用大數(shù)據(jù)及人工智能技術(shù),挖掘負荷特性及模型參數(shù)隨時間及多影響因素的變化特征,進而開展適用的負荷時序多場景技術(shù)研究,分季節(jié)和時段給定推薦的模型參數(shù)。

“在線”,也即采用在線建模方式。傳統(tǒng)負荷建模一般都是離線方式,即離線采集數(shù)據(jù)然后離線建模,或在線采集數(shù)據(jù)然后離線建模。由于系統(tǒng)狀態(tài)和模型參數(shù)存在時變性,應(yīng)采用在線建模方式,即在線采集數(shù)據(jù)然后在線建模,然后根據(jù)獲得的一系列模型參數(shù),分析其時變性,為“分時”“分類”應(yīng)用奠定基礎(chǔ)。

“綜合”,即綜合運用在線統(tǒng)計綜合法、在線總體測辨法等負荷建模方法,互相取長補短。一是利用在線統(tǒng)計綜合法宏觀定性,確定參數(shù)變化范圍。首先基于人工智能技術(shù)及非侵入式負荷分解,感知底層負荷的構(gòu)成;然后,對海量底層負荷進行分類,獲取各類負荷模型的參數(shù);最后,通過逐層聚合及歸算獲取上層負荷節(jié)點總的模型參數(shù)。二是利用在線總體測辨法微觀定量,搞準典型節(jié)點的負荷模型參數(shù)。在線采集PMU量測數(shù)據(jù)及故障錄波數(shù)據(jù),基于人工智能技術(shù)進行數(shù)據(jù)挖掘,根據(jù)不同數(shù)據(jù)類型分別辨識模型的“電氣”參數(shù)和“主動性”參數(shù),并對在線統(tǒng)計綜合法獲得的模型參數(shù)進行校核。

基于上述的在線綜合負荷建模方案,可建立“分類分時”負荷模型數(shù)據(jù)庫,實現(xiàn)負荷模型參數(shù)的在線發(fā)布和靈活應(yīng)用,從而建立負荷建模的長效機制,實現(xiàn)模型參數(shù)的“定量準確”。

4 結(jié) 語

負荷建模發(fā)展至今,已經(jīng)取得了大量的成果,但也存在不足之處。近年來,隨著現(xiàn)代電網(wǎng)的快速發(fā)展,負荷特性和電網(wǎng)結(jié)構(gòu)都發(fā)生了巨大變化,負荷建模面臨新挑戰(zhàn)和新需求,而人工智能算法的突破為這些難題的解決帶來了新思路,負荷建模領(lǐng)域機遇和挑戰(zhàn)并存。為此,將未來負荷建模工作總結(jié)為解決模型結(jié)構(gòu)的“定性正確”和模型參數(shù)的“定量準確”兩步走問題。一是建立考慮主動負荷的廣義綜合負荷模型,實現(xiàn)模型結(jié)構(gòu)的“定性正確”；二是借助人工智能技術(shù),綜合采用多種在線建模方法,構(gòu)建“分類分時”負荷模型數(shù)據(jù)庫,實現(xiàn)模型參數(shù)的“定量準確”。