新型电力负荷建模研究现状与展望

2021-12-02徐衍会邓子琳司大军

云南电力技术 2021年4期

徐衍会，邓子琳，司大军

（1.华北电力大学，北京 102206；2.云南电网有限责任公司，昆明 650011）

0 前言

电力系统仿真对于电力系统规划、调度运行和研究具有重要作用，仿真结果的准确度很大程度上依赖于模型的准确性。负荷模型参数作为电力系统的四大模型参数之一，对电力系统仿真结果具有重要影响。所以，建立准确的负荷模型对于保障电力系统仿真的准确度十分重要。采用不恰当的负荷模型会导致仿真结果和实测曲线严重不符[1]。文献[2]指出采用不同的负荷模型对电力系统仿真的结果影响很大。文献[3]发现不同的负荷模型结构在进行电力系统稳定性分析时会产生相反的结果。因此，研究负荷特性，建立准确的负荷模型具有重要意义。

最早在上世纪五十、六十年代，电力系统仿真开始使用恒阻抗、恒电流、恒功率模型(ZIP模型)，参数的确定也基本根据估计和经验，准确度不高，也不能反映负荷随时间变化的特性。到了七十年代，美国电力科学研究院基于统计综合法开发出了EPRI LOADSYN软件，大大提高了负荷建模的准确性，其方法对现在的研究也有深远的影响。八十年代到九十年代，随着电网数据采集能力的提高以及计算机技术的发展，基于量测数据的总体测辨法开始应用于负荷建模的参数确定[4]，简化了负荷建模参数确定的过程，推动了负荷建模的发展。同时，包含感应电机的动态负荷模型也开始在负荷建模中使用[5]，提高了模型的动态适应性。

二十世纪八十年代，华北电力大学贺仁睦教授等学者开始研究负荷建模相关领域，并取得了丰富的成果。尤其是在2004年和2005年，在东北电网进行了四次人工短路试验[6-7]，为负荷建模的研究提供了大量宝贵的大扰动试验数据。基于这些数据，文献[8]提出了考虑配电网的综合负荷模型，文献[9]提出了负荷实测建模方法，并用大扰动实验的数据进行了验证。华北电力大学贺仁睦教授、中国电科院汤涌教高、河海大学鞠平教授、湖南大学李欣然教授等团队的工作极大程度推进了负荷建模的理论发展和实际应用进程。

由于电力负荷具有随机性、时变性、分布性和复杂性等特点，导致建立准确的负荷模型非常困难。通过几代人的不懈努力，所建立的负荷模型基本能够描述常规电力负荷特性。然而，随着未来的新型电力系统中不断融入新型电力负荷，诸如电动汽车、电解铝以及储能、分布式电源等，导致负荷的构成更为复杂[10]，负荷的波动性、可控性、敏感性也会提高。新型电力负荷的特性尚不清晰，如何建立其模型将成为一个重要的研究方向。

本文首先对负荷建模的主要方法，包括统计综合法和总体测辨法进行了阐述；然后，重点介绍电解铝、电动汽车等新型电力负荷的建模进展；最后，对新型电力负荷特性和建模进行展望。

1 电力系统负荷建模方法

1.1 统计综合法

统计综合法在文献[1]中也称为基于元件的参数确定方法，其基本方法是首先对系统中的典型负荷元件进行建模，比如LED灯、笔记本电脑、充电器，在实验室用专门的仪器对这些电力元件的负荷特性进行测量，并进行负荷特性拟合，得到电力元件的负荷模型；然后将电力元件归到某一类别负荷之中，这里的类别指的是诸如居民用电、商业用电、工业用电等，归类的方法包括但不限于专家经验法[11]、模糊聚类[12]等数学方法，得到每个类别中用电设备的工作方式和比重；最后还需要调查各变电站中各类别负荷的工作特点和比重，分析方法与电力元件的归类类似，可以通过模糊聚类法或者通过仔细统计得到典型变电站负荷参数，并加以推广。统计综合法有明确的物理意义，建模过程也比较容易理解，在不同的电力系统中使用时，只需要修改一些参数即可，具有较好的适用性。

统计综合法的核心在于如何进行合理的分类，并对每个类别进行占比的估算。提高分类的合理性和准确度就能更好地提高负荷模型的准确度。为提高分类的合理性和准确度，文献[13]分析了日负荷曲线与分类依据之间的关系，提出了通过日负荷曲线分类的方法；文献[14]通过概率潜在语义分析模型，依据电力负荷曲线与特征值的对应关系进行分类；文献[15]提出了一种基于反一致自适应聚类的分类方法。

统计综合法在实用中遇到的困难包括调查统计数据需要消耗大量的人力物力，而且在地区负荷产生变化时，不能很及时地修改负荷模型的参数，上面提到的方法也都没有很好的解决这些问题。随着数据采集技术的发展，文献[16]提出了一种通过计算机采集数据以代替人工统计的方法，在相关领域做出了尝试，但是效果并不比总体测辨法好，相关的方法还有很大的研究空间。

1.2 总体测辨法

1.2.1 模型结构

负荷建模主要包括两个部分：模型结构和参数辨识方法。负荷模型从结构上可以分为三种：静态负荷模型、动态负荷模型以及非机理负荷模型。

静态负荷模型在电路上由恒定阻抗、恒定电流、恒定功率三个部分并联而成，也称ZIP模型。静态负荷模型描述电压或者频率缓慢变化时的特性[17]，一般包括多项式和幂函数模型，通过电压和频率反应母线功率的变化，是最早被采用也是最简单的模型。但是静态负荷模型不反映感应电机一类动态设备的暂态特性，而且感应电机类设备在负荷中占比很大，所以静态负荷模型不能很好地反映电力系统负荷的实际情况。

动态负荷模型可以分为经典负荷模型(Classic Load Model, CLM)和综合负荷模型(Synthesis Load Model, SLM)两种。经典负荷模型(CLM)是IEEE负荷建模工作组于上世纪80、90年代研究得出的，其相较于静态负荷模型，又在母线上并联了一台等效的感应电机，可以通过等效的感应电机的微分方程反映电压和频率快速变化时的负荷特性[18]。综合负荷模型(SLM)是我国相关领域工作者的研究成果[8]，其在经典负荷模型的基础上，在母线上增加了无功补偿环节，在负荷母线到上一电压等级母线之间增加了配电网等效阻抗，能更好的对负荷组成进行描述。在CLM和SLM的基础上还发展出了一些改进模型，比如文献[19]将理想变压器加入模型中，使低压母线的电压更准确；文献[20]提出并建立了一种“π综合负荷模型”，在配电网高低压侧之间串联一个理想变压器，并用π型电路将其等效，反映配电网的调压结果，其在参数稳定性和泛化能力等性能上均较SLM有所提高；文献[21]提出并建立了“综合异步电动机模型”，用集总参数线路和变压器组进行等效，并考虑了变压器分接头有载调压的影响，对传统异步机模型经行了一定的改进。

非机理负荷模型将负荷视作一个黑盒子，只考虑输入数据和输出数据之间的关系，没有明确的物理意义。非机理模型有支持向量机模型[22]、样条函数模型[23]。因为非机理模型没有明确的物理含义，其建立的模型只针对一些特殊情况，所以较少采用。但是在未来人工智能、机器学习技术的加持下，有可能发展出用途更广的非机理负荷模型。

1.2.2 参数辨识方法

总体测辨法，在文献[1]中也称为基于量测的参数确定方法，通过采集故障或者人工实验时的电压、频率、电流等数据，根据已知的负荷模型结构，进行参数的确定。总体测辨法主要包括以下几个步骤：首先需要获取样本数据，并对样本数据进行滤波等处理；其次需要根据负荷的特点，确定模型的结构；然后确定模型需要辨识的参数的个数，采用适当的算法进行参数寻优，找到最合适的参数；最后通过一些指标评价参数的泛化能力、参数稳定性等。文献[24-26]以PMU数据为基础，进行参数的确定，文献[27]对故障录波系统的数据进行处理，用于参数确定。参数寻优的算法也有很多可以应用，包括粒子群算法[28]，遗传算法[29]，混合优化算法[30]等。对参数的泛化能力进行评判方面，文献[31-32]给出了比较有效的方法。

总体测辨法在处理负荷的时变性问题上相较于统计综合法更有优势，总体测辨法可以根据负荷的动特性将负荷分为几类，再进行聚合，可以得到全部负荷的动态模型。文献[33]以每个样本的参数辨识值进行分类，在解决时变性问题上做出了一些尝试。总体测辨法的缺点是需要发生故障或者是进行人工故障试验时才能采集到数据，条件比较苛刻，数据量有时得不到保障。

2 新型电力负荷建模研究现状

早期的电力负荷主要为电阻性负荷、异步电动机负荷等，随着变频空调、电动汽车等新型电力负荷的不断普及，电力负荷特性正在发生比较大的变化。随着分布式风电、光伏大量接入配电网，大电网仿真中的负荷模型有必要考虑含分布式电源的特殊负荷特性。下面，重点介绍在电力系统中具有比较大比重的三种新型电力负荷的研究现状。

2.1 电解铝负荷模型

电解铝是典型的高耗能产业，在2007年电解铝占全国用电总量的6.4 %，如果电解铝能够使用清洁的新能源生产，将极大程度的降低由于电解铝产生的碳排放。研究电解铝模型对新能源的适应性，对电解铝负荷进行建模，并研究其在电力系统中的应用方法，成为了一个热点，许多电力工作者进行了相关的研究。

文献[34]通过仿真实验，论证了采用风电进行铝电解是可行的，而且大致计算了永丰店进行电解铝可以减少多少碳排放。文献[35]建立了高耗能电解铝负载的有功电源电压外特性模型，论证了电解铝负荷具有动态调节快的特点，说明电解铝负荷能够承受新能源高波动性带来的影响。电解铝的电解槽是直流设备，需要使用整流设备，文献[36]从实用的角度，认为电解铝负荷采用整流器，属于恒电流的负荷，加之系统中存在一定数量的感应电机，采用了“I+M”的恒电流并联感应电机的综合负荷模型来描述电解铝负荷的特性。文献[37]考虑了饱和电抗器的影响，认为电解铝负荷在一定的电网电压范围内可视为恒功率模型，超过这个范围则功率受电网电压影响。文献[38]考虑了电解铝作为冲击负荷对电网稳定的影响。

对于电解铝负荷建模的研究已经有了一定的成果，但是在如何继续优化电解铝负荷模型以及采用电解铝消纳新能源方面，仍然需要继续研究。

2.2 电动汽车负荷模型

电动汽车作为一种具有“源”、“荷”两种特性的负荷，在解决由于风电、光伏大规模接入而产生的峰谷差大的问题时，显示出了很高的应用价值。然而电动汽车负荷不同于其他负荷，像上文提到的电解铝，电网调度部门或者生产部门可以基本掌握负荷的控制权，不用考虑人为因素的影响，而电动汽车因其充电时间、充电地点、充电量等都具有人为因素影响的随机性，电动汽车的负荷建模大多都基于一定的考虑随机性的算法。

文献[39]首先给出了适用于概率潮流计算的单车充电模型，再根据排队理论对充电过程进行了建模。文献[40]提出了两种对充电站进行负荷建模的方法，分别考虑了进站流量和充电时长。文献[41]提出了基于支持向量机的电动公交车日负荷充电负荷预测模型，通过灰色理论数据挖掘技术，确定了模型的参数，有一定的准确性。文献[42]提出了电动汽车的扩散负荷模型，重点探究了大量电动汽车并网充电的过程。随着V2G技术的发展，电动汽车向电网输送能量起到削峰填谷的作用逐渐变得可能。文献[43]针对电动汽车参与放电潜力评估的研究现状进行了介绍。文献[44]对充放电策略进行了优化，同时计算出了当电池成本和放电电价到达什么水平时可以在市场层面实施充放电。

电动汽车的负荷建模还有很大的发展空间，如何更好的描述随机的充电行为，以及如何合理的建立电动汽车充放电的负荷模型都还有很大的研究空间。

2.3 含分布式电源的特殊负荷模型

随着分布式电源的应用越来越多，其接入将对系统的安全性、可靠性、稳定性产生重大影响。分布式电源虽然是发电设备，但是其数量多、分布广的特点使其更适合以倒送功率的负荷来考虑。文献[45]指出负荷模型对配网中分布式发电的规划影响很大，说明很有必要对分布式电源进行负荷建模。

湖南大学李欣然教授及其团队对分布式电源中许多元件进行了负荷建模。文献[46]和文献[47]分别对光伏和燃料电池进行了负荷建模。其他科研工作者也开展了相关研究。文献[48]提出了一种新的负载模型——异步发电机+ZIP，并证明了模型的有效性。文献[49]以含有风电的广义负荷建模为基础，提出了含有风电的广义负荷模型，并给出了其参数确定的方法。

分布式电源负荷建模的研究已经有了丰富的研究成果，针对新出现负荷进行负荷建模以及对负荷进行综合，减少仿真的计算量将会是未来的研究方向。

3 负荷建模研究展望

经过几十年科研工作者的努力，电力系统负荷建模已经有了丰富的成果，但同时也有很多问题亟待解决。下面将从三个方面，对电力系统负荷建模的发展方向进行展望。

3.1 新型电力负荷的特性

电力系统的发展总是伴随着新型电力负荷的加入，对新型电力负荷特性的研究也还会继续。最近对新型电力负荷的研究集中在能够消纳新能源，起到削峰填谷作用的负荷上。电解制氢与电解铝有一定的相似性，都是高耗能产业，都能在电源波动性比较大的情况下工作，而且氢能的利用空间更大，还可以做燃料电池给电网返送功率，而且无碳排放、清洁环保。所以，电解制氢的负荷建模及其他相关研究有可能成为下一个研究热点。

电解制氢、电解铝等电解行业都要使用电力电子设备将交流电整流为直流电使用，如何针对含电力电子设备的负荷提出一个具有代表性的模型，也会是一个十分有意义的研究方向。

3.2 广义电力负荷建模

对于如何建立简单而有效的描述广义负荷的模型，一方面需要对现有的模型有更深入的了解，另一方面也需要对广义负荷中复杂负荷的工作原理，比如电池、热源等影响因素进行深入研究。未来的负荷建模工作可能会需要跨学科领域的合作，或者要求负荷建模的工作者掌握一些跨学科的知识。将其他学科的知识融入到电力系统的负荷建模中来，将更有效地解决负荷建模的问题。

3.3 基于大数据的负荷建模

在量测数据方面，随着测量技术的不断提高和计算机存储以及计算能力的不断提升，负荷建模可以使用的数据越来越多。能量管理系统(EMS)、广域测量系统(WAMS)、地理信息系统(GIS)、气象预报系统(WFS)等都可以为负荷建模提供有力的数据支撑。利用丰富的数据，再加以人工智能和机器学习技术的支持，可以将负荷建模需要的数据结合诸如光照、风速、汽车位置、地理信息结合起来，建立更贴近实际的负荷模型，进一步提高负荷模型的准确度。

同时，对于如何解决负荷时变性以及实时反映负荷特性的问题，大数据以及人工智能可能会为解决这个问题提供很大的帮助。大数据可以为负荷分类提供大量的分类依据，更容易找到负荷变化与自然环境、人为因素之间的关系。人工智能可以更快速地处理负荷数据，更有效地反映负荷的实时变化。