负荷模型泛化能力的研究

被引:28
作者
马进
贺仁睦
周彦军
机构
[1] 华北电力大学电力系统保护与动态安全监控教育部重点实验室
[2] 华北电力大学电力系统保护与动态安全监控教育部重点实验室 北京市昌平区
关键词
电力系统; 负荷建模; 统计分析; 泛化能力;
D O I
10.13334/j.0258-8013.pcsee.2006.21.005
中图分类号
TM743 [模拟与仿真];
学科分类号
080802 ;
摘要
负荷模型的准确度对电力系统仿真的有效性影响很大,但是建立反映实际负荷特性的负荷模型目前仍是一个尚未解决的难题,这主要是由于负荷的组成、大小与特性时刻都处于变化之中,因此根据已获得的负荷数据所建立的负荷模型不一定具备好的泛化能力,即该负荷模型虽然能够精确地拟合已有的负荷数据,但未必能够描述未知的负荷特性。文中应用支持向量机工具,建立了负荷数据的特征样本空间;并以辽宁虎石台变电站2004年所有负荷数据为例,研究对比了以下3类负荷模型:基于某月全部数据所建立的负荷模型;基于随机样本所建立的负荷模型;基于特征样本空间所建立的负荷模型的泛化能力。研究表明:基于文章提出的特征样本空间所建立的负荷模型对整个负荷样本空间内的数据都具有强的解释能力,因此具有很好的泛化能力。
引用
收藏
页码:29 / 35
页数:7
相关论文
共 13 条
[1]   适用于快速暂态稳定计算的新型负荷模型和参数辨识方法 [J].
顾丹珍 ;
艾芊 ;
陈陈 ;
周玉光 ;
章启明 ;
凌小波 ;
王伟 .
中国电机工程学报, 2004, (12) :82-89
[2]   改进BP神经网络在负荷动静比例确定中的应用 [J].
史真惠 ;
朱守真 ;
郑竞宏 ;
王光 ;
曲祖义 ;
王刚 .
中国电机工程学报, 2004, (07) :29-33
[3]   基于量测的负荷建模——分类算法 [J].
石景海 ;
贺仁睦 .
中国电机工程学报, 2004, (02) :79-83
[4]   综合负荷特性的分类综合方法及其应用 [J].
鞠平 ;
金艳 ;
吴峰 ;
程颖 .
电力系统自动化, 2004, (01) :64-68
[5]   基于统计学习理论的电力系统暂态稳定评估 [J].
许涛 ;
贺仁睦 ;
王鹏 ;
徐东杰 .
中国电机工程学报, 2003, (11) :55-59
[6]   电力系统动态仿真准确度的探究 [J].
贺仁睦 .
电网技术, 2000, (12) :1-4
[7]   负荷特性对电力系统静态电压稳定性的影响及静态电压稳定性广义实用判据 [J].
李欣然 ;
贺仁睦 ;
章健 ;
张伶俐 .
中国电机工程学报, 1999, (04) :27-31
[8]   电力负荷动特性实测建模的外推和内插 [J].
贺仁睦,魏孝铭,韩民晓 .
中国电机工程学报, 1996, (03) :151-154+170
[9]   电力负荷的机理式集结模型 [J].
鞠平 ;
马大强 .
中国电机工程学报, 1990, (03) :36-42
[10]  
电力系统辨识[M]. 清华大学出版社 , 沈善德著, 1993