北京电网是一个典型的大城市电网,随着用电负荷、受电比率的增长及网架结构的不断变化,电网电压质量和稳定问题将日益突出,驾驭电网电压的工作将更加艰巨。基于现代通信自动化技术的自动电压控制系统的出现为推动北京电网无功电压管理水平提供了新的契机,北京电网自动电压控制系统投运以来,系统一直保持稳定运行,北京电网无功电压更加趋于优化,220 k V层面网损大大减少,极大降低了电网控制中心值班人员的无功设备投切操作量,将北京电网无功电压管控水平提升了一个新台阶。
负荷建模对电力系统仿真和分析非常重要,其中负荷模型参数辨识是负荷建模的关键环节,因而大量的研究工作集中在负荷模型参数辨识方面,但针对辨识所得负荷模型参数的分析研究却很少。为了进一步挖掘辨识所得大量负荷模型参数潜在的规律性,提出采用支持向量聚类(support vector clustering,SVC)和决策树分类(decision tree classification,DTC)的方法。首先,通过Matlab电力系统仿真分析工具箱PSAT(power system analysis toolbox,PSAT)得到仿真数据,然后利用仿真所得动态数据辨识得到相应的负荷模型参数。在得到不同场景下的负荷模型参数后,采用支持向量聚类算法为每一个样本添加类别标签。随后,通过决策树来展现负荷特性类别标签与不同条件属性之间的相关性规则。最后,WSCC 3-机、9-节点系统的仿真结果表明了所提算法对负荷模型参数校验和预测的有效性。
