盛四清，朱思宇，馬赟婷，余 洋

(1.華北電力大學(xué) 電氣與電子工程學(xué)院，河北 保定 071003；2.華北電力大學(xué) 新能源電力系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室，河北 保定 071003)

0 引 言

電力系統(tǒng)動(dòng)態(tài)數(shù)字仿真為電力部門規(guī)劃設(shè)計(jì)、調(diào)度運(yùn)行、電網(wǎng)特性研究、安全穩(wěn)定控制分析提供重要的數(shù)據(jù)和分析支持，而電力系統(tǒng)模型結(jié)構(gòu)及其參數(shù)決定了仿真結(jié)果的準(zhǔn)確性和可信性。由于負(fù)荷本身的復(fù)雜和時(shí)變性，負(fù)荷模型需要具有典型性和簡(jiǎn)便性的同時(shí)保證仿真效果，負(fù)荷建模仍是相當(dāng)重要的工作[1，2]。

負(fù)荷建模工作主要從模型結(jié)構(gòu)的確定和模型參數(shù)的獲取兩方面進(jìn)行[3]。常用的負(fù)荷模型結(jié)構(gòu)主要包含靜態(tài)負(fù)荷、感應(yīng)電動(dòng)機(jī)模型的綜合負(fù)荷模型，并考慮配網(wǎng)阻抗以及分布式電源的影響[4-7]。而獲取負(fù)荷模型參數(shù)方面，常用方法有統(tǒng)計(jì)綜合法和總體辨識(shí)法，統(tǒng)計(jì)綜合法需統(tǒng)計(jì)負(fù)荷組成，工作量較大[8]，而總體測(cè)辨法則將大量負(fù)荷等效為一個(gè)節(jié)點(diǎn)，利用系統(tǒng)辨識(shí)理論得到模型參數(shù)，無(wú)需進(jìn)行大量統(tǒng)計(jì)工作，并且各類電力系統(tǒng)監(jiān)測(cè)平臺(tái)的發(fā)展為總體測(cè)辨法的應(yīng)用提供了大量的數(shù)據(jù)支持[9]，因此總體測(cè)辨法近些年來(lái)受到廣泛關(guān)注和應(yīng)用。

為了提高總體測(cè)辨法辨識(shí)負(fù)荷模型參數(shù)的準(zhǔn)確性，研究者們進(jìn)行了大量研究。文獻(xiàn)[10-12]對(duì)參數(shù)辨識(shí)算法進(jìn)行優(yōu)化改進(jìn)，以適應(yīng)負(fù)荷模型的非線性，使辨識(shí)結(jié)果更準(zhǔn)確，但以上研究?jī)H考慮了辨識(shí)參數(shù)仿真曲線與待辨識(shí)曲線的擬合效果，并未考慮其他場(chǎng)景的擬合效果。總體測(cè)辨法的核心是曲線擬合，當(dāng)僅辨識(shí)某一量測(cè)曲線時(shí)，辨識(shí)參數(shù)將會(huì)對(duì)該量測(cè)曲線具有良好的仿真準(zhǔn)確性[13]，但對(duì)其他場(chǎng)景擬合效果未知，而負(fù)荷模型應(yīng)當(dāng)對(duì)多種運(yùn)行場(chǎng)景尤其是不同故障具有良好的擬合效果。有研究者提出使用多曲線進(jìn)行負(fù)荷模型參數(shù)辨識(shí)，文獻(xiàn)[14]將全部辨識(shí)曲線整合為一個(gè)故障樣本矩陣對(duì)負(fù)荷模型進(jìn)行訓(xùn)練，但僅研究了對(duì)非機(jī)理模型的效果。對(duì)機(jī)理模型更多的采用分別辨識(shí)各曲線，再進(jìn)行參數(shù)綜合，即由多曲線得到的多組參數(shù)得出一組典型參數(shù)。文獻(xiàn)[15]采用40%電壓波動(dòng)和60%平均分配的方式確定模型參數(shù)；文獻(xiàn)[16]采用聚類方法以仿真-實(shí)測(cè)擬合誤差為距離得到典型參數(shù)；文獻(xiàn)[17]對(duì)辨識(shí)參數(shù)直接求平均的方法進(jìn)行參數(shù)綜合，但上述文獻(xiàn)均未對(duì)待辨識(shí)曲線類型進(jìn)行研究，并且未考慮各參數(shù)組的擬合效果。綜上所述，待辨識(shí)曲線類型的選擇和參數(shù)綜合優(yōu)化策略還需進(jìn)一步研究。

因此，本文選擇多故障曲線作為待辨識(shí)曲線進(jìn)行參數(shù)辨識(shí)，首先簡(jiǎn)要介紹基于總體測(cè)辨法的負(fù)荷模型參數(shù)辨識(shí)流程，其次通過(guò)分析電力系統(tǒng)故障表現(xiàn)，選取了典型故障-三相永久性短路(簡(jiǎn)稱“三永故障”，以‘TP’代指)、單相永久性短路(簡(jiǎn)稱“單永故障”，以‘SP’代指)、振蕩(以‘O’代指)的曲線作為待辨識(shí)曲線；再次，引入仿真準(zhǔn)確度指標(biāo)以充分利用不同參數(shù)對(duì)曲線的擬合效果，采用熵權(quán)法確定各指標(biāo)權(quán)重；進(jìn)而，對(duì)三組參數(shù)進(jìn)行參數(shù)綜合，得到最優(yōu)辨識(shí)參數(shù)并與傳統(tǒng)單故障辨識(shí)參數(shù)對(duì)比，用其他故障曲線驗(yàn)證最優(yōu)辨識(shí)參數(shù)的有效性；最終，采用IEEE-11節(jié)點(diǎn)系統(tǒng)驗(yàn)證了所提方法的有效性和推廣性。

1 基于總體測(cè)辨法的負(fù)荷模型參數(shù)辨識(shí)

1.1 總體測(cè)辨法流程

總體測(cè)辨法辨識(shí)負(fù)荷模型參數(shù)的流程[1]如下：

(1)確定待辨識(shí)曲線，并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理；

(2)選擇負(fù)荷模型的結(jié)構(gòu)，確定待辨識(shí)參數(shù)；

(3)選擇參數(shù)辨識(shí)算法并辨識(shí)出模型參數(shù)；

(4)根據(jù)多組曲線重復(fù)第(2)～(3)步，得到多組參數(shù)，進(jìn)行參數(shù)綜合，最終確定一組優(yōu)化參數(shù)。

本節(jié)主要確定步驟(2)所采用的負(fù)荷模型結(jié)構(gòu)及步驟(3)的參數(shù)辨識(shí)算法，選擇并聯(lián)分布式光伏模塊的綜合負(fù)荷模型結(jié)構(gòu)(synthesis load model with distributed photovoltaic, SLM-DP)表征系統(tǒng)負(fù)荷特性，通過(guò)最小化模型輸出功率曲線和實(shí)際輸出曲線的均方根誤差(Root Mean Squared Error, RMSE)來(lái)辨識(shí)模型參數(shù)。需要指出的是，本文所提的負(fù)荷模型參數(shù)優(yōu)化策略同樣適用于其他負(fù)荷模型結(jié)構(gòu)。

1.2 SLM-DP模型及待辨識(shí)參數(shù)

考慮到分布式光伏在配網(wǎng)側(cè)的裝機(jī)容量日益增大，采用SLM-DP模型來(lái)反映分布式光伏含量較高地區(qū)的負(fù)荷特性，其由綜合負(fù)荷模型(synthesis load model, SLM)在虛擬母線上并聯(lián)一光伏發(fā)電模塊構(gòu)成，結(jié)構(gòu)如圖1所示。

靜態(tài)負(fù)荷部分，我國(guó)電網(wǎng)調(diào)度及規(guī)劃部門一般用恒阻抗表示。感應(yīng)電動(dòng)機(jī)部分采用三階的機(jī)電暫態(tài)模型表示，詳細(xì)公式見(jiàn)文獻(xiàn)[5]，并由文獻(xiàn)[5]可知，待辨識(shí)的重要參數(shù)有：配電網(wǎng)電抗XD、電動(dòng)機(jī)比例PMP、定子電抗Xs和初始負(fù)載率KL，其他參數(shù)取典型值：Rs=0，Rr=0.02，Xr=0.12，Tj=2 s，Xm=3.5，A=0.85，B=0.0，XD/RD=15。

分布式光伏模塊是由光伏電池模塊和控制環(huán)節(jié)組成，經(jīng)光伏出線等值阻抗與虛擬母線相連，如附錄A1圖A1所示。由于光伏發(fā)電模塊的動(dòng)態(tài)特性主要由逆變器的控制環(huán)節(jié)影響，考慮到模型結(jié)構(gòu)的復(fù)雜性，主要辨識(shí)控制環(huán)節(jié)的參數(shù)，光伏電池模塊結(jié)合工程實(shí)際和I-V輸出外特性搭建，具體結(jié)構(gòu)及公式見(jiàn)文獻(xiàn)[18]?？刂葡到y(tǒng)采用定直流側(cè)電壓控制與定功率因數(shù)控制的控制模式，如圖2所示，其中Vdc-ref為光伏電池陣列模型輸出的直流側(cè)電壓參考值；Vdc為直流側(cè)母線電壓；TMA為有功測(cè)量環(huán)節(jié)時(shí)間常數(shù)；Vm為交流側(cè)測(cè)量電壓；KPA、KIA分別為有功比例環(huán)節(jié)和積分環(huán)節(jié)放大倍數(shù)；Pgen為測(cè)量有功值；PFref為參考有功功率值，通過(guò)其求得參考功率因數(shù)值；TPE為無(wú)功測(cè)量時(shí)間常數(shù)。由上述分析得到，分布式光伏模塊待辨識(shí)參數(shù)共6個(gè)，分別為光伏出線等值阻抗XPV、直流側(cè)電容值C以及控制系統(tǒng)中的4個(gè)控制參數(shù)TMA、KPA、KIA、TPE。

圖2 控制系統(tǒng)框圖

綜上，SLM-DP模型的待辨識(shí)參數(shù)向量pa為(XD，PMP，Xs、KL，XPV，TMA，KPA，KIA，TPE，C)。

1.3 參數(shù)辨識(shí)算法及目標(biāo)函數(shù)

均方根誤差(RMSE)是衡量模擬值和實(shí)測(cè)值之間偏差的重要特征值，本文參數(shù)辨識(shí)采用其作為評(píng)估參數(shù)辨識(shí)結(jié)果優(yōu)劣的判斷標(biāo)準(zhǔn)，當(dāng)采樣點(diǎn)數(shù)為N時(shí)，系統(tǒng)輸出有功和無(wú)功功率的RMSE如式(1)和式(2)所示，目標(biāo)函數(shù)如式(3)所示。

(1)

(2)

mine=εp+εq

(3)

式中：εp、εq分別為系統(tǒng)輸出有功和無(wú)功功率的RMSE；Pm、Qm，Pc、Qc分別為有功和無(wú)功功率的實(shí)測(cè)值和擬合值；N為數(shù)據(jù)樣本個(gè)數(shù)；e為整體誤差。

考慮到粒子群算法良好的優(yōu)化性能和較快的收斂速度，本文采用粒子群算法作為參數(shù)辨識(shí)算法，詳細(xì)的步驟參考文獻(xiàn)[10]。

2 基于多故障曲線辨識(shí)的負(fù)荷參數(shù)優(yōu)化策略

2.1 典型故障的選取

電力系統(tǒng)運(yùn)行時(shí)出現(xiàn)的故障類型多樣，造成的影響與其類型、位置、持續(xù)時(shí)間等因素息息相關(guān)，將所有故障曲線均用于參數(shù)辨識(shí)中，數(shù)據(jù)規(guī)模龐大且計(jì)算時(shí)間過(guò)長(zhǎng)，而僅采用一種或相似類型的故障曲線難以保證對(duì)其他類型故障的仿真效果，因此選取較典型的故障類型作為參數(shù)辨識(shí)的待辨識(shí)曲線。

當(dāng)發(fā)生短路故障時(shí)，系統(tǒng)受到?jīng)_擊，結(jié)構(gòu)發(fā)生變化，導(dǎo)致電壓潮流等發(fā)生大幅度波動(dòng)，在繼電保護(hù)裝置的有效作用下，故障元件被切斷，電壓和潮流迅速恢復(fù)到穩(wěn)定狀態(tài)。其中，三相短路故障是交流系統(tǒng)短路故障中最嚴(yán)重故障，也是電力系統(tǒng)規(guī)劃設(shè)計(jì)、安全穩(wěn)定分析工作中關(guān)注度最高的故障類型；另外，單相短路故障作為高壓電網(wǎng)中發(fā)生概率最大、次數(shù)最多的短路故障，有必要對(duì)其進(jìn)行仿真分析。

隨著分布式電源的增多，常經(jīng)由電力電子換流器并網(wǎng)，其作為零轉(zhuǎn)動(dòng)慣量發(fā)電單元接入系統(tǒng)往往會(huì)對(duì)系統(tǒng)電氣阻尼特性造成一定負(fù)面影響，而隨著負(fù)荷的增加和電網(wǎng)互聯(lián)規(guī)模的擴(kuò)大，系統(tǒng)受擾動(dòng)后更易出現(xiàn)因阻尼不足導(dǎo)致振蕩失去動(dòng)態(tài)穩(wěn)定的現(xiàn)象?？紤]將振蕩狀態(tài)曲線作為待辨識(shí)曲線對(duì)提高負(fù)荷模型動(dòng)態(tài)穩(wěn)定擬合效果的準(zhǔn)確性有重要意義。

綜上，選定三永、單永、振蕩故障曲線，根據(jù)上節(jié)的參數(shù)辨識(shí)流程，辨識(shí)出各組負(fù)荷模型參數(shù)。

2.2 基于仿真準(zhǔn)確度指標(biāo)和熵權(quán)法的負(fù)荷模型參數(shù)優(yōu)化策略

考慮到負(fù)荷建模的目的是為系統(tǒng)仿真建立更準(zhǔn)確的模型，因此在進(jìn)行參數(shù)綜合時(shí)，引入仿真準(zhǔn)確度指標(biāo)作為參數(shù)權(quán)重的評(píng)價(jià)指標(biāo)，采用熵權(quán)法 確定各指標(biāo)權(quán)重，從而確定參數(shù)權(quán)重。

2.2.1 仿真準(zhǔn)確度指標(biāo)的選取及定義

仿真準(zhǔn)確度指標(biāo)的選取既要考慮模型輸出與實(shí)際輸出的整體仿真效果，也應(yīng)考慮輸出曲線中局部重點(diǎn)區(qū)域仿真效果，為此，本文采用第1節(jié)的整體誤差e作為整體仿真準(zhǔn)確度指標(biāo)，另由文獻(xiàn)[19]得知，故障切除后的第一擺幅值和后續(xù)振蕩阻尼特性是輸出曲線仿真的重點(diǎn)區(qū)域，且后續(xù)振蕩阻尼特性可采用prony變換法得到振蕩頻率和阻尼比，因此本文選擇有功、無(wú)功輸出曲線的第一擺幅值、振蕩頻率、阻尼比的準(zhǔn)確度為局部仿真準(zhǔn)確度指標(biāo)?？紤]到振蕩狀態(tài)可能并未由大擾動(dòng)產(chǎn)生，不會(huì)出現(xiàn)較大的第一擺幅值，因此其不考慮第一擺幅值指標(biāo)。具體指標(biāo)如表1所示。

表1 仿真準(zhǔn)確度指標(biāo)體系

第一擺幅值準(zhǔn)確度指標(biāo)的計(jì)算公式為

(4)

式中：AS為第一擺幅值準(zhǔn)確度；Sm、Sc為實(shí)測(cè)曲線、模型擬合曲線的第一擺幅值；g為輸出曲線類型判別因子，分為有功P和無(wú)功Q。當(dāng)g=P時(shí)，取有功實(shí)測(cè)、擬合曲線，計(jì)算有功準(zhǔn)確度指標(biāo)；當(dāng)g=Q時(shí)，取無(wú)功實(shí)測(cè)、擬合曲線，計(jì)算無(wú)功準(zhǔn)確度指標(biāo)。

振蕩頻率準(zhǔn)確度指標(biāo)的計(jì)算公式為

(5)

式中：AF為振蕩頻率準(zhǔn)確度；fm、fc為實(shí)測(cè)曲線、模型擬合曲線的主導(dǎo)振蕩模式的振蕩頻率；g同上。

阻尼比準(zhǔn)確度指標(biāo)的計(jì)算公式為

(6)

式中：AD為阻尼比準(zhǔn)確度；ζm、ζc為實(shí)測(cè)曲線、模型擬合曲線的主導(dǎo)振蕩模式的阻尼比；g同上。

2.2.2 基于熵權(quán)法的負(fù)荷模型參數(shù)優(yōu)化策略

熵權(quán)法[20]是利用指標(biāo)信息熵進(jìn)行權(quán)重設(shè)定的客觀賦權(quán)法，熵值越小，信息量越大，其權(quán)重也越大。采用熵權(quán)法確定指標(biāo)權(quán)重可以得出較客觀的評(píng)價(jià)結(jié)果。

負(fù)荷模型參數(shù)優(yōu)化策略的具體流程如下：

(1)步驟1：假設(shè)有m個(gè)待評(píng)參數(shù)向量pa，形成參數(shù)矩陣PA:

(7)

式中：paj為第j個(gè)參數(shù)向量。

對(duì)每個(gè)參數(shù)向量有n個(gè)評(píng)價(jià)指標(biāo)，形成原始指標(biāo)矩陣X=(xjk)m×n：

(8)

式中：xjk為第j個(gè)參數(shù)向量的第k個(gè)指標(biāo)。

(2)步驟2：數(shù)據(jù)標(biāo)準(zhǔn)化

由于不同故障對(duì)電力系統(tǒng)造成的影響不同，指標(biāo)數(shù)值可能出現(xiàn)幾倍的差距，因此將指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，防止出現(xiàn)“大數(shù)吃小數(shù)”的現(xiàn)象，由于整體誤差指標(biāo)為負(fù)向指標(biāo)，越小越優(yōu)，則按下式進(jìn)行標(biāo)準(zhǔn)化得到矩陣Y=(yjk)m×n：

(9)

其他指標(biāo)均為正向指標(biāo)，越大越優(yōu)，則按下式進(jìn)行標(biāo)準(zhǔn)化：

(10)

(3)步驟3：計(jì)算指標(biāo)比重矩陣P=(pjk)m×n，其公式為

(11)

(4)步驟4：計(jì)算第k個(gè)指標(biāo)的信息熵ck，得到信息熵向量c=(c1,c2,…,ck,…,cn)，其公式為

(12)

(5)步驟5：計(jì)算第k個(gè)指標(biāo)的權(quán)重wk，得到指標(biāo)權(quán)重向量w=(w1,w2,…,wk,…,wn)，其公式為

(13)

(6)步驟6：計(jì)算第j個(gè)參數(shù)組的權(quán)重Wj，得到參數(shù)組權(quán)重向量W=(W1,W2,…,Wj,…,Wm)，其公式為

(14)

(7)步驟7：進(jìn)行參數(shù)綜合，得到優(yōu)化參數(shù)向量pabest，其公式為

(15)

3 算例分析

3.1 仿真系統(tǒng)及故障設(shè)置

本文在PSD-BPA平臺(tái)搭建仿真系統(tǒng)，其結(jié)構(gòu)見(jiàn)圖3。其中虛線框內(nèi)為含分布式光伏的簡(jiǎn)單配網(wǎng)即待辨識(shí)負(fù)荷區(qū)域，箭頭表示負(fù)荷，DG表示分布式光伏。在C節(jié)點(diǎn)得到節(jié)點(diǎn)電壓、功率響應(yīng)曲線。

圖3 仿真系統(tǒng)結(jié)構(gòu)圖

故障發(fā)生地點(diǎn)為線路2～6，各故障設(shè)置見(jiàn)表2，其中三永、單永、振蕩為待辨識(shí)故障，兩相永久性短路(簡(jiǎn)稱“兩永故障”)、單相瞬時(shí)性短路(簡(jiǎn)稱“單瞬故障”)為用于測(cè)試參數(shù)適用性的故障，各故障對(duì)應(yīng)的仿真電壓曲線見(jiàn)附錄A2圖A2。

表2 故障設(shè)置表

3.2 辨識(shí)結(jié)果及參數(shù)優(yōu)化結(jié)果

針對(duì)三種待辨識(shí)故障曲線數(shù)據(jù)，進(jìn)行參數(shù)辨識(shí)得到如表3所示的負(fù)荷模型參數(shù)。

表3 參數(shù)辨識(shí)結(jié)果

由各參數(shù)向量對(duì)應(yīng)的負(fù)荷模型擬合輸出與故障實(shí)測(cè)輸出曲線比較，得到2.2.1節(jié)所確定的指標(biāo)數(shù)據(jù)如表4所示。

表4 仿真準(zhǔn)確度指標(biāo)

通過(guò)式(8)～式(13)得到各指標(biāo)權(quán)重為

w=[0.065,0.038,0.039,0.047,0.056,0.038,0.039,0.099 7,0.086,0.046,0.077,0.038,0.038,0.041,0.078,0.039,0.040,0.038,0.057]。

通過(guò)式(14)得到各參數(shù)向量的權(quán)重系數(shù)為

W=[0.143 908，0.430 735，0.781 655]。

最終進(jìn)行參數(shù)綜合得到優(yōu)化參數(shù)組如表5所示。

表5 優(yōu)化參數(shù)結(jié)果

3.3 優(yōu)化參數(shù)適用性分析

為了驗(yàn)證優(yōu)化參數(shù)的效果和多故障適用性，針對(duì)三種典型故障和兩種測(cè)試故障，對(duì)比使用多故障辨識(shí)的優(yōu)化參數(shù)組的負(fù)荷模型和使用單故障辨識(shí)的參數(shù)組的負(fù)荷模型的輸出曲線和故障仿真輸出曲線的整體誤差，如表6所示。

由表6可見(jiàn)，優(yōu)化參數(shù)組對(duì)五種故障均有良好的仿真擬合效果，準(zhǔn)確度較高，而采用單故障辨識(shí)的其他三組參數(shù)對(duì)自身辨識(shí)故障的擬合效果尚可，但對(duì)其他故障的擬合效果一般。因此優(yōu)化參數(shù)組具有更好的多故障場(chǎng)景適用性。

表6 仿真整體誤差

單故障辨識(shí)的參數(shù)組以基于三永故障辨識(shí)的參數(shù)為例，優(yōu)化參數(shù)組的負(fù)荷模型和單故障辨識(shí)參數(shù)組的負(fù)荷模型對(duì)測(cè)試故障的有功功率、無(wú)功功率仿真擬合結(jié)果如圖4、圖5所示。典型故障的仿真結(jié)果見(jiàn)附件A3圖A3、A4。由圖4、圖5、圖A3、圖A4可知，采用多故障法的優(yōu)化參數(shù)仿真結(jié)果與故障曲線更為接近，在曲線局部同樣表現(xiàn)良好。

圖4 有功功率曲線擬合

圖5 無(wú)功功率曲線擬合

3.4 策略穩(wěn)定性分析

為了驗(yàn)證所提優(yōu)化策略的穩(wěn)定性，進(jìn)行30余次多故障曲線辨識(shí)及參數(shù)優(yōu)化實(shí)驗(yàn)，得到擬合整體誤差分布圖如圖6所示，進(jìn)行基于三永故障的單故障辨識(shí)實(shí)驗(yàn)30余次，得到擬合整體誤差分布圖如圖7所示。

圖6 多故障辨識(shí)的參數(shù)擬合整體誤差分布圖

圖7 單故障辨識(shí)的參數(shù)擬合整體誤差分布圖

對(duì)比圖6、圖7，多故障辨識(shí)的優(yōu)化策略得到的參數(shù)擬合誤差變化范圍在10-4～10-3數(shù)量級(jí)，單故障辨識(shí)的參數(shù)擬合誤差變化范圍在10-2～10-3數(shù)量級(jí)，說(shuō)明所提優(yōu)化策略可以提高參數(shù)準(zhǔn)確度，且結(jié)果相差不大，證明了所提策略的穩(wěn)定性和有效性。

4 結(jié) 論

針對(duì)負(fù)荷模型仿真準(zhǔn)確度提升和多故障場(chǎng)景適用性問(wèn)題，本文選擇三組典型故障進(jìn)行多故障辨識(shí)，基于仿真準(zhǔn)確度指標(biāo)和熵權(quán)法進(jìn)行參數(shù)綜合和優(yōu)化，形成基于多故障曲線辨識(shí)的負(fù)荷模型參數(shù)優(yōu)化策略。策略充分利用仿真準(zhǔn)確度信息來(lái)確定參數(shù)綜合時(shí)的各組權(quán)重，實(shí)現(xiàn)了負(fù)荷模型參數(shù)的優(yōu)化。最后通過(guò)算例驗(yàn)證所提策略的有效性和多故障場(chǎng)景適用性，與傳統(tǒng)單故障辨識(shí)方法相比，所提策略得到的模型參數(shù)仿真效果更好，并且對(duì)不同類型故障均具有較好的仿真效果。為提高負(fù)荷模型仿真準(zhǔn)確度提供了一種新的優(yōu)化方法。