【正文】 電力系統(tǒng)負(fù)荷模型的理論以及參數(shù)辨識，感應(yīng)電動機(jī)模型等知識。 。同時，感應(yīng)電動機(jī) —— 這個運用度及其廣泛的電動機(jī)模型，在建模以及辨識的基礎(chǔ)上可進(jìn)行良好的輔助了解。一般來說，感應(yīng)電動機(jī)定子繞組的暫態(tài)過程比轉(zhuǎn)子繞組的電磁暫態(tài)過程要快得多，且更比電力系統(tǒng)暫態(tài)過程快得多。由于它們的使用范圍很廣， 故非常 值得 我們 了解。 而本文即將著重研究的 粒子群優(yōu)化法算法是由 James Kennedy 和 提出的 。 總體測辨法避免了大量的統(tǒng)計工作，有可能得到隨時間變化的在線實時負(fù)荷特性，其最大的困難在于難以在系統(tǒng)中所有變電站都安裝有關(guān)裝置，另一個困難時參數(shù)的實時性。 目前在負(fù)荷參數(shù)辨識中應(yīng)用得比較有效的是隨機(jī)類方法中的模擬進(jìn)化方法 ， 包括基因算法 ,進(jìn)化策略法 ,模擬退火法等 。 前兩種方法適用于線性系統(tǒng) 。 非線性系統(tǒng)的參數(shù)辨識方法目前大多以優(yōu)化為基礎(chǔ)在負(fù)荷參數(shù)辨識中目標(biāo)函數(shù)不可能寫出其解析關(guān)系 。它具有良好的收斂性、全局性和魯棒性，其最大的往往也是致命的缺陷是計算效率太低。 優(yōu)化搜索方法從其原理上說，有 3 種： 1)梯度類方法。非線性模型的參數(shù)辨識方法目前大都以優(yōu)化為基礎(chǔ) pI。 動態(tài)負(fù)荷模型參數(shù)辨識在參數(shù)尋優(yōu)過程中要考慮動態(tài)約束，例如狀態(tài)方程、差分方程，即動態(tài)負(fù)荷模型參數(shù)辨識是一個具有動態(tài)約束的非線性優(yōu)化問題。 對于靜態(tài)負(fù)荷模型，可采用求解非線性最小二乘問題的牛頓法、阻尼最小二乘法 (Marquart 法 )，也可采用各種非線性優(yōu)化 方法，例如，最速下降法、共扼梯度法、變尺度法、直接法等。文獻(xiàn) [7]則以感應(yīng)電動 機(jī)為負(fù)荷模型利用時域動態(tài)仿真研究電壓穩(wěn)定的機(jī)理和電動機(jī)參數(shù)的變化對電壓穩(wěn)定計算結(jié)果的影響。負(fù)荷模型對電壓穩(wěn)定計算的影響電壓穩(wěn)定的計算與電力系統(tǒng)其 他的定量計算相比較，對負(fù)荷模型的依 賴 度更強(qiáng)。抑制振蕩的鎮(zhèn)定源除勵磁控制系統(tǒng)外，還有負(fù)荷特性、原動機(jī)轉(zhuǎn)矩 —— 速度特性和發(fā)電機(jī)阻尼繞組。另外，研究結(jié)果表明采用靜 態(tài)負(fù)荷模型不足以準(zhǔn)確描述系統(tǒng)在電壓和頻率變化較大情況下 的負(fù)荷特性，例如，有研究表明在研究加拿大安大略西北部一個局部系統(tǒng)從互聯(lián)大系統(tǒng)解裂后的動態(tài)行為時，發(fā)現(xiàn)采用靜態(tài)負(fù)荷模型和采用動態(tài)模型的計算結(jié)果相去甚運，所以該文獻(xiàn)特別強(qiáng)調(diào)在較大電壓、頻率波動情況下的暫態(tài)穩(wěn)定計算中采用動態(tài)負(fù)荷模型的必要性。例如實際負(fù)荷特性為恒電流，其功率隨電壓幅值變化，而采用恒阻抗來表示時，則負(fù)荷功率隨電壓的平方變化，當(dāng)負(fù)荷點位于加速的發(fā)電機(jī)附近，得到的分析結(jié) 果偏于悲觀，因為恒阻抗模型加劇了發(fā)電和功率消耗的不平衡；若負(fù)荷位于減速的發(fā)電機(jī)附近，則得到的分析結(jié)果偏于樂觀。但對于運行條件惡化的電網(wǎng)，例如故障后斷開線路或切除發(fā)電機(jī)組等，系統(tǒng)電壓偏離額定值較大時，采用恒功率負(fù)荷模型的潮流計算則存在收斂性問題，而采用考慮實際負(fù)荷功率隨電壓變化特性的負(fù)荷模型（例如，冪函數(shù)等模型）時潮流計算的收斂性就可以得到改善。模型結(jié)構(gòu)的確定需要針對具體的對象，還要結(jié)合模型驗證來判別其有效性以及有效的范圍，因為除真正的機(jī)理模型以外，非機(jī)理模型都有其相對有效的范圍，很難找到一個絕對有效的非機(jī)理模型。在一個具體系統(tǒng)辨識中，應(yīng)著重強(qiáng)調(diào)模型對系統(tǒng)行為的描述能力，而不必苛求模型的機(jī)理解釋。這種模型已經(jīng)在國內(nèi)外的電力系統(tǒng)分析軟件中得到廣泛的應(yīng)用。靜態(tài)負(fù)荷模型主要適用于潮流計算和以潮流計算為基礎(chǔ)的穩(wěn)態(tài)分析。但對于象空調(diào)、電動機(jī)等負(fù)荷或某些綜合負(fù)荷，其特性比較特殊，例如，低電壓下隨電壓降低吸收功率反而增加，用一個冪函數(shù)模型難以做整體描述，而采用多個冪函數(shù)模型相加的形式，則可能會得到滿意的結(jié)果，這時有的冪指數(shù)完全可能為負(fù)值 D4。但是畢竟影響因素過多，例如某地區(qū)的生活水平，生活習(xí)慣，氣候條件，資源情況等等的影響，造成了負(fù)荷組成和負(fù)荷對功率需求有很大的隨機(jī)性，再加上電力系統(tǒng)中現(xiàn)場實驗和測量的困難，使得復(fù)合模型的建立成為電力系統(tǒng)研究中的難題 。但是由于負(fù)荷本身的特殊性，建立精確的負(fù)荷模型存在相當(dāng)?shù)睦щy。而對于作為電力系統(tǒng)中重要元件之一的負(fù)荷模型，研究力度歷來是不夠的，在目前電力系統(tǒng)仿真計算 中，使用的負(fù)荷模型也是比較粗糙的。對于規(guī)劃中的系統(tǒng)，因為系統(tǒng)并沒有真正建立起來，也不可能依靠在實際系統(tǒng)上進(jìn)行實驗來預(yù)測系統(tǒng)的特性和尋求改進(jìn)系統(tǒng)性能的途徑。 粒子群優(yōu)化算法是近年來興起的群智能優(yōu)化算法，表達(dá)簡單，設(shè)置參數(shù)少，易于操作。負(fù)荷建模包括兩個重要的方面：確定合適的負(fù)荷模型結(jié)構(gòu)和形式；選擇辨識算法進(jìn)行參數(shù)辨識計算。采用了上述的預(yù)處理方法后 , 可以很好地處理無功電壓特性。因此 , 應(yīng)該考慮合適的系數(shù)進(jìn)行具體的確定。 模型結(jié)構(gòu)的確定是系統(tǒng)辨識中最重要的部分 ,目前對于如何確定模型的結(jié)構(gòu)尚無系統(tǒng)的方法 , 有的只是一些特殊的經(jīng)驗。 IEEE 在 1995 年 2 月的報告列出了負(fù)荷建模研究中提出的許多有價值的負(fù)荷模型、文獻(xiàn)，以期推動負(fù)荷建模的進(jìn)一步研究和實際應(yīng)用。中國、美國 、日本、加拿大和澳大利亞等國在實際系統(tǒng)中研制和投運了大批電力負(fù)荷特性記錄儀，記錄了大量數(shù)據(jù)，籍此開展了大量基于總體測辨法的研究。EPRI 經(jīng)過多年的努力發(fā)表了許多有價值的研究報告，并且研制完成了目前為止統(tǒng) 計綜合法負(fù)荷建模中最具影響的軟件包 EPRILOADSYN，該軟件使用 時需提供三種數(shù)據(jù)：負(fù)荷類型數(shù)據(jù)，即各類負(fù)荷 (民用、工業(yè)、商業(yè)等 )在總負(fù)荷中所占百分比：各類負(fù)荷的構(gòu)成數(shù)據(jù)，即各種用電設(shè)備 (熒光燈、電動機(jī)、空調(diào)等 )所占比例；各負(fù)荷元件平均特性。 在 1976 年美國電力科學(xué)研究院 (EPRI)主持了一項大型研究計劃，其主要目的是為電力公司建立一套基于統(tǒng)計綜合法的負(fù)荷建模方法。在臨界情況下，還有可能徹底改變一些定性的結(jié)論 [3]。若負(fù)荷模型不準(zhǔn)確而產(chǎn)生樂觀的分析結(jié)果，則在規(guī)劃設(shè)計方面將會導(dǎo)致系統(tǒng)結(jié)構(gòu)運行造成不便，帶來許多運行限制，在運行方面將導(dǎo)致系統(tǒng)運行于危險的臨界狀態(tài)或疏于防范而造成事故；若負(fù)荷特性描述的不準(zhǔn)確而產(chǎn)生悲觀的分析結(jié)果，則在規(guī)劃設(shè)計方面將會因不必要的加強(qiáng)系統(tǒng)結(jié)構(gòu)和反事故措施而投入