导读:本文包含了负荷模型的分类与综合论文开题报告文献综述及选题提纲参考文献，主要关键词:负荷模型参数辨识,负荷特性分类与综合,粒子群优化算法,SOM神经网络
负荷模型的分类与综合论文文献综述
刘忠辉[1]（2011）在《综合负荷模型参数辨识及负荷特性分类综合方法研究》一文中研究指出电力系统数字仿真已成为电力系统规划、运行、控制和决策的主要手段,负荷模型则是影响仿真结果精度和可信度最为重要的因素之一。由于负荷自身的随机时变性、多样性、地域分散性和非线性等特点,负荷建模仍然是国内外电力系统界公认的难题。电力系统负荷建模研究中,负荷模型结构一直是倍受关注的最基本和最关键的问题之一。电力系统综合负荷成分复杂,单纯采用静态或动态负荷模型难以精确描述其复杂特性,采用静态模型与动态模型相结合的综合负荷模型已成为趋势。针对现有机理综合负荷模型结构复杂、参数不容易辨识等问题,本文采用改进ZIP／幂函数+差分方程模型来描述综合负荷的动态特性。其中,ZIP／幂函数描述负综合荷中的静态负荷成分,差分方程描述综合负荷中的动态负荷成分。将动模试验中获得的故障录波数据作为建模数据,基于模型回响辨识原则建立模型参数辨识所对应的优化目标函数,采用粒子群算法求解优化问题,实现了模型参数的辨识。建模结果表明该模型结构简单,参数易辨识,能够较好的描述综合负荷的动态特性。该模型可以作为综合负荷建模时模型结构的一种选择。大区电网中的负荷节点数目众多,对每一个负荷节点均进行测量建模比较困难,有效的办法是将众多负荷节点进行分类,从每类中挑选出典型节点建模。本文提出一种基于SOM神经网络的变电站负荷特性分类与综合方法。SOM神经网络能够对输入模式进行自动聚类,已建立的SOM神经网络能够对新的输入模式进行判别。以变电站各行业的构成比例作为分类特征向量,利用SOM神经网络对某电网48个变电站负荷特性进行了分类与综合,取得了令人满意的结果。在不改变电网已有的变电站负荷特性分类的情况下,利用已训练好的SOM神经网络可以方便地实现新增变电站负荷特性的判别。该方法克服了变电站负荷特性分类与综合的随机性和主观性,为负荷建模走向实用化提供了新的途径。(本文来源于《山东大学》期刊2011-04-10）
刘祥圣[2]（2010）在《负荷模型辨识与负荷特性的分类综合方法研究》一文中研究指出电力负荷模型对电力系统分析、计算、规划、运行和控制具有极大的影响,但由于综合负荷自身的随机时变性、成分多样性、地域分散性和严重的非线性等特点,负荷建模问题仍然是国内外电力系统公认的难题。本文针对负荷建模工作的若干问题进行了研究。充分的数据来源是负荷建模的基础,本文比较了负荷建模所需数据的几种获取方式,包括数据采集与监控系统(SCADA)、广域测量系统(WAMS)、专门的负荷特性测量装置、故障录波器等。随着故障录波技术的发展,采用故障录波数据进行负荷模型辨识不但投资少,而且可以使大量的故障录波数据得到充分利用。负荷模型结构的选择和评价是十分困难的,本文对常见的几种负荷模型,包括综合负荷模型、线性差分方程模型、50%恒阻抗+50%电动机模型、四六模型和叁叁四模型进行了辨识与比较,通过EPRI36节点系统算例说明了综合负荷模型的优势和目前负荷模型存在的一些问题。提出采用“反摄动法”对综合负荷模型参数进行灵敏度分析,即固定某参数为典型值而辨识其他参数,然后根据模型响应与实测响应的拟合效果判定该参数的灵敏度。最后得出灵敏度较大的有Xs,Rr,Kpm,Mlf,Pv, Qv等6个参数。负荷特性的分类与综合是目前解决负荷随机时变性和地域分散性问题的主要思想,本文提出了一种基于改进模糊C均值聚类的负荷特性分类与综合方法。首先对模糊C均值聚类算法进行改进,使之适用于时间序列数据的聚类问题；然后以实测响应作为特征向量,采用改进模糊C均值聚类算法进行分类；最后对聚类中心直接辨识作为该类的通用负荷模型,分类与综合属于同一过程。文章最后通过EPRI36节点系统对该方法进行了验证,仿真结果证明了该方法的方便、快捷、准确、实用、有效等特点。(本文来源于《山东大学》期刊2010-04-15）
洪志鹏,马进,贺仁睦[3]（2008）在《基于统计学分类的综合负荷模型实测建模》一文中研究指出电力系统负荷模型参数的简化是负荷模型实用化的关键,基于所辨识的负荷模型参数进行负荷统计学特性分析对于建立具有强泛化能力的负荷模型具有重要意义。以综合负荷模型为研究对象,采用标准阶跃响应为特征向量,用统计学中的系统聚类法并结合方差分析指标对负荷数据加以筛选和分类,并对分类后的结果进行观察,得到了一些参数和时间上的特征,揭示了负荷数据内部所存在的部分统计学规律。进而应用支持向量机工具对分类后的负荷建立了具有良好泛化能力的负荷模型。归纳出了负荷数据由筛选、分类到建立模型的一条思路。(本文来源于《现代电力》期刊2008年02期）
袁辉[4]（2000）在《基于综合与分类的负荷模型参数库的实现》一文中研究指出本论文针对负荷时变性及基于总体测变法现场实测数据建模给负荷建模工作所带来的模型参数分散性，模型外推、内插性较差等缺点和不足，以及随着现场实测数据的增加给数据的处理和管理工作所带来的不便，在电力负荷动特性综合和负荷模型分类的基础上，通过基于神经网络模式识别的方法，建立负荷模型分类器，借助于该分类器，将实测的负荷数据归入不同的类别之中，以期将已有数据分门别类，建立一个个相应的类别库。在此基础上可以将每一类中的数据通过电力负荷动特性综合的方法建立起一个代表该类别的、参数集中的且外推及内插性能均得到较大改善的综合负荷模型。 首先以考察负荷建模效果好坏直观意义上的曲线拟合程度为依据，初步探索了模型分类的方法。以模型参数之间的距离作为模型分类的指标，并且定义了“错误分类百分比”作为衡量模型结构好坏的尺度。在此基础上为了提高分类精度以及将负荷运行状态与模型分类联系起来，借助人工神经网络解决模糊的、不确定的、非线性的问题的能力，构造了一个BP网络的负荷模型分类器。经过大量实测数据的检验，该分类器能够很好地对已有数据进行分类，并将分类结果存储于相应的类别库中，以便于管理、查阅与综合。(本文来源于《华北电力大学》期刊2000-01-01）
贺仁睦,周文[5]（1999）在《电力系统负荷模型的分类与综合》一文中研究指出负荷模型对电力系统分析具有重要的影响，但由于负荷建模本身的困难，电力系统负荷建模一直是电力系统分析计算中没有很好解决的问题，以致于许多人认为负荷特性没有规律可言。文中给出基于模式识别的分类方法和综合建模方法，并通过对河北沧州 １９９６ 年、１９９７ 年、１９９８ 年数据的分类和综合处理，发现负荷特性具有可重复性。这说明虽然存在着负荷特性的时变性、随机性，但是负荷特性还是有规律的，这也证明了总体测辨法的可行性。(本文来源于《电力系统自动化》期刊1999年19期）
负荷模型的分类与综合论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
电力负荷模型对电力系统分析、计算、规划、运行和控制具有极大的影响,但由于综合负荷自身的随机时变性、成分多样性、地域分散性和严重的非线性等特点,负荷建模问题仍然是国内外电力系统公认的难题。本文针对负荷建模工作的若干问题进行了研究。充分的数据来源是负荷建模的基础,本文比较了负荷建模所需数据的几种获取方式,包括数据采集与监控系统(SCADA)、广域测量系统(WAMS)、专门的负荷特性测量装置、故障录波器等。随着故障录波技术的发展,采用故障录波数据进行负荷模型辨识不但投资少,而且可以使大量的故障录波数据得到充分利用。负荷模型结构的选择和评价是十分困难的,本文对常见的几种负荷模型,包括综合负荷模型、线性差分方程模型、50%恒阻抗+50%电动机模型、四六模型和叁叁四模型进行了辨识与比较,通过EPRI36节点系统算例说明了综合负荷模型的优势和目前负荷模型存在的一些问题。提出采用“反摄动法”对综合负荷模型参数进行灵敏度分析,即固定某参数为典型值而辨识其他参数,然后根据模型响应与实测响应的拟合效果判定该参数的灵敏度。最后得出灵敏度较大的有Xs,Rr,Kpm,Mlf,Pv, Qv等6个参数。负荷特性的分类与综合是目前解决负荷随机时变性和地域分散性问题的主要思想,本文提出了一种基于改进模糊C均值聚类的负荷特性分类与综合方法。首先对模糊C均值聚类算法进行改进,使之适用于时间序列数据的聚类问题；然后以实测响应作为特征向量,采用改进模糊C均值聚类算法进行分类；最后对聚类中心直接辨识作为该类的通用负荷模型,分类与综合属于同一过程。文章最后通过EPRI36节点系统对该方法进行了验证,仿真结果证明了该方法的方便、快捷、准确、实用、有效等特点。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
负荷模型的分类与综合论文参考文献
[1].刘忠辉.综合负荷模型参数辨识及负荷特性分类综合方法研究[D].山东大学.2011
[2].刘祥圣.负荷模型辨识与负荷特性的分类综合方法研究[D].山东大学.2010
[3].洪志鹏,马进,贺仁睦.基于统计学分类的综合负荷模型实测建模[J].现代电力.2008
[4].袁辉.基于综合与分类的负荷模型参数库的实现[D].华北电力大学.2000
[5].贺仁睦,周文.电力系统负荷模型的分类与综合[J].电力系统自动化.1999