1、動(dòng)態(tài)負(fù)荷建模是電力系統(tǒng)中公認(rèn)的難題之一。本文從動(dòng)態(tài)負(fù)荷模型結(jié)構(gòu)的對(duì)比與選擇、動(dòng)態(tài)負(fù)荷模型辨識(shí)算法的比較入手對(duì)電力系統(tǒng)動(dòng)態(tài)負(fù)荷建模工作進(jìn)行了探討。指出差分方程模型易辨識(shí)但物理意義不明確，感應(yīng)電動(dòng)機(jī)模型物理意義明確，但辨識(shí)相對(duì)復(fù)雜。非線(xiàn)性最小二乘法算法成熟，但只具有局部收斂性；遺傳算法具有全局收斂性，但工程化還有待考驗(yàn)。并在動(dòng)模試驗(yàn)基礎(chǔ)上，利用編制的電力系統(tǒng)負(fù)荷建模軟件進(jìn)行了負(fù)荷建模實(shí)踐。結(jié)果表明機(jī)理動(dòng)態(tài)模型可以有效的對(duì)實(shí)測(cè)負(fù)荷進(jìn)行建模，但

2、參數(shù)辨識(shí)結(jié)果分散性較大。 通過(guò)分析機(jī)理動(dòng)態(tài)負(fù)荷模型各參數(shù)對(duì)波形變化的影響，討論了負(fù)荷模型參數(shù)辨識(shí)多值性的產(chǎn)生原因。辨識(shí)結(jié)果的多值性使簡(jiǎn)化參數(shù)辨識(shí)成為可能。選取典型電動(dòng)機(jī)參數(shù)，即固定部分參數(shù)，辨識(shí)其余參數(shù)。辨識(shí)結(jié)果表明，固定6個(gè)參數(shù)，只辨識(shí)一個(gè)參數(shù)是可以達(dá)到較好的擬合效果，即簡(jiǎn)化參數(shù)辨識(shí)是可行的；對(duì)于實(shí)際的復(fù)雜負(fù)荷，調(diào)整一個(gè)參數(shù)如果效果不好，就要考慮調(diào)整兩個(gè)以至更多的參數(shù)，則參數(shù)的調(diào)整順序需要進(jìn)一步研究；初始模型的選取對(duì)于簡(jiǎn)化參數(shù)

3、辨識(shí)的效果有很大的影響，與單臺(tái)電動(dòng)機(jī)相比，實(shí)測(cè)負(fù)荷的情況要復(fù)雜得多，則需要更多的典型電動(dòng)機(jī)模型作為初始模型。 動(dòng)靜負(fù)荷組成比例是計(jì)算暫態(tài)穩(wěn)定中的關(guān)鍵數(shù)字。不同的比例會(huì)產(chǎn)生不同的計(jì)算結(jié)果，嚴(yán)重時(shí)會(huì)影響穩(wěn)定計(jì)算的結(jié)論。本文提出了基于ADALINE人工神經(jīng)網(wǎng)絡(luò)的負(fù)荷動(dòng)靜組成比例辨識(shí)方法，并利用典型模型的仿真數(shù)據(jù)仿真數(shù)據(jù)，驗(yàn)證了方法的有效性。討論了ADALINE提取負(fù)荷動(dòng)靜比例時(shí)各種因素對(duì)計(jì)算效果的影響：電壓擾動(dòng)越大對(duì)ADALINE提取

4、負(fù)荷動(dòng)靜比例越有利；噪聲越強(qiáng)，ADALINE提取負(fù)荷動(dòng)靜比例越困難一些；過(guò)小的學(xué)習(xí)率可能會(huì)使ADALINE跟蹤不上負(fù)荷的變化，從而不能及時(shí)反映負(fù)荷系統(tǒng)動(dòng)靜比例的變化，過(guò)大的學(xué)習(xí)率則可能使ADALINE學(xué)習(xí)過(guò)度，失去跟蹤負(fù)荷變化的能力，仿真結(jié)果表明學(xué)習(xí)率取在10附近對(duì)ADALINE提取負(fù)荷動(dòng)靜比例比較適合。 上海作為負(fù)荷中心電壓穩(wěn)定問(wèn)題顯得日益重要，而負(fù)荷特性尤其是負(fù)荷動(dòng)態(tài)特性在電壓穩(wěn)定分析中起到關(guān)鍵作用。通過(guò)分析兩種常用的故障錄