基于自组织神经网络和稳态模型的多台感应电动机聚合方法 aggregation of multi induction motors based on the self-organized neural network and steady state model.pdfVIP

第3l卷第11期 电力系统自动化 V01．31No．11 ofElectricPower Automation 10，2007 44 2007年6月10日 Systems June 基于自组织神经网络和稳态模型的多台感应电动机聚合方法 张景超1’2，张承学1，鄢安河2，张鹏飞2，李奎2 (1．武汉大学电气工程学院，湖北省武汉市430072；2．河南省电力公司，河南省郑州市450052) 摘要：电力系统稳定计算中，精确的负荷模型为计算结果的可信度提供了保证。在利用统计综合 法进行负荷建模时，如何提高多台感应电动机的聚合精度是研究的重要内容之一。文中提出一种 基于自组织神经网络对电动机进行分类、并针对同一类型的电动机采用稳态模型进行等值的聚合 方法。最后，应用中国电力科学研究院开发的PSD-BPA暂态稳定计算程序，将分类聚合前后的典 型居民和典型商业电动机数据分别代入进行仿真计算。结果表明，采用所提出的聚合方法可以提 高多台电动机的聚合精度。 关键词：稳态负荷模型；电动机聚合；自组织神经网络；负荷建模 中图分类号：TM714；TPl8 0 引言 当前河南电网正在进行负荷模型动态数据库的 研发与构建工作，如何利用统计综合法提高多台感 电力系统稳定计算中，各元件数学模型的精度 应电动机的聚合精度是研究的重要内容之一。本文 直接影响着最终仿真结果的可信度。随着发电机、 提出一种应用自组织神经网络对多台电动机进行分 励磁系统和输电线路参数的精确性不断提高，努力 类并基于稳态模型进行电动机聚合的方法。 提高负荷模型参数的精度变得越来越重要。 负荷建模方法主要有统计综合法和总体测辨法 1 基于自组织神经网络的电动机分类 2种。目前较一致的看法是将这2种方法结合起 1．1 自组织神经网络概述[1明 来，基于实际电网进行负荷建模工作[1屯]。近年来对 自组织神经网络模拟大脑神经系统自组织特征 基于负荷测辨装置实测结果进行分类建模研究得比 映射的功能，是一种竞争式学习网络，能够无监督地 较多。文献E3]提出一种基于单一现场实测负荷记 进行自组织学习。它包含输入层和输出层2层神经 录的感应电动机参数加权平均综合建模法；文献[4] 元。每个输入层神经元与输出层神经元之间进行前 提出了基于模糊C均值聚类的负荷特性分类方法 馈全连接，并且在输出层的各神经元之间存在侧反 并提出了多种特征量；文献[53提出了负荷模型向量 馈连接。 基的概念；文献[6]基于随机过程相关性原理，提出 在学习算法上，自组织神经网络通过对输入向 一种基于实测响应空间的负荷动特性分类方法。 量进行反复学习，找出获胜神经元。设输入向量为 应用统计综合法进行建模时，电动机负荷模型 的聚合多从稳态模型和暂态模型人手。稳态模型多 z一[z。，记