新型電力負荷建模研究現狀與展望

徐衍會，鄧子琳，司大軍

（1.華北電力大學，北京 102206；2.云南電網有限責任公司，昆明 650011）

0 前言

電力系統仿真對于電力系統規劃、調度運行和研究具有重要作用，仿真結果的準確度很大程度上依賴于模型的準確性。負荷模型參數作為電力系統的四大模型參數之一，對電力系統仿真結果具有重要影響。所以，建立準確的負荷模型對于保障電力系統仿真的準確度十分重要。采用不恰當的負荷模型會導致仿真結果和實測曲線嚴重不符[1]。文獻[2]指出采用不同的負荷模型對電力系統仿真的結果影響很大。文獻[3]發現不同的負荷模型結構在進行電力系統穩定性分析時會產生相反的結果。因此，研究負荷特性，建立準確的負荷模型具有重要意義。

最早在上世紀五十、六十年代，電力系統仿真開始使用恒阻抗、恒電流、恒功率模型(ZIP模型)，參數的確定也基本根據估計和經驗，準確度不高，也不能反映負荷隨時間變化的特性。到了七十年代，美國電力科學研究院基于統計綜合法開發出了EPRI LOADSYN軟件，大大提高了負荷建模的準確性，其方法對現在的研究也有深遠的影響。八十年代到九十年代，隨著電網數據采集能力的提高以及計算機技術的發展，基于量測數據的總體測辨法開始應用于負荷建模的參數確定[4]，簡化了負荷建模參數確定的過程，推動了負荷建模的發展。同時，包含感應電機的動態負荷模型也開始在負荷建模中使用[5]，提高了模型的動態適應性。

二十世紀八十年代，華北電力大學賀仁睦教授等學者開始研究負荷建模相關領域，并取得了豐富的成果。尤其是在2004年和2005年，在東北電網進行了四次人工短路試驗[6-7]，為負荷建模的研究提供了大量寶貴的大擾動試驗數據。基于這些數據，文獻[8]提出了考慮配電網的綜合負荷模型，文獻[9]提出了負荷實測建模方法，并用大擾動實驗的數據進行了驗證。華北電力大學賀仁睦教授、中國電科院湯涌教高、河海大學鞠平教授、湖南大學李欣然教授等團隊的工作極大程度推進了負荷建模的理論發展和實際應用進程。

由于電力負荷具有隨機性、時變性、分布性和復雜性等特點，導致建立準確的負荷模型非常困難。通過幾代人的不懈努力，所建立的負荷模型基本能夠描述常規電力負荷特性。然而，隨著未來的新型電力系統中不斷融入新型電力負荷，諸如電動汽車、電解鋁以及儲能、分布式電源等，導致負荷的構成更為復雜[10]，負荷的波動性、可控性、敏感性也會提高。新型電力負荷的特性尚不清晰，如何建立其模型將成為一個重要的研究方向。

本文首先對負荷建模的主要方法，包括統計綜合法和總體測辨法進行了闡述；然后，重點介紹電解鋁、電動汽車等新型電力負荷的建模進展；最后，對新型電力負荷特性和建模進行展望。

1 電力系統負荷建模方法

1.1 統計綜合法

統計綜合法在文獻[1]中也稱為基于元件的參數確定方法，其基本方法是首先對系統中的典型負荷元件進行建模，比如LED燈、筆記本電腦、充電器，在實驗室用專門的儀器對這些電力元件的負荷特性進行測量，并進行負荷特性擬合，得到電力元件的負荷模型；然后將電力元件歸到某一類別負荷之中，這里的類別指的是諸如居民用電、商業用電、工業用電等，歸類的方法包括但不限于專家經驗法[11]、模糊聚類[12]等數學方法，得到每個類別中用電設備的工作方式和比重；最后還需要調查各變電站中各類別負荷的工作特點和比重，分析方法與電力元件的歸類類似，可以通過模糊聚類法或者通過仔細統計得到典型變電站負荷參數，并加以推廣。統計綜合法有明確的物理意義，建模過程也比較容易理解，在不同的電力系統中使用時，只需要修改一些參數即可，具有較好的適用性。

統計綜合法的核心在于如何進行合理的分類，并對每個類別進行占比的估算。提高分類的合理性和準確度就能更好地提高負荷模型的準確度。為提高分類的合理性和準確度，文獻[13]分析了日負荷曲線與分類依據之間的關系，提出了通過日負荷曲線分類的方法；文獻[14]通過概率潛在語義分析模型，依據電力負荷曲線與特征值的對應關系進行分類；文獻[15]提出了一種基于反一致自適應聚類的分類方法。

統計綜合法在實用中遇到的困難包括調查統計數據需要消耗大量的人力物力，而且在地區負荷產生變化時，不能很及時地修改負荷模型的參數，上面提到的方法也都沒有很好的解決這些問題。隨著數據采集技術的發展，文獻[16]提出了一種通過計算機采集數據以代替人工統計的方法，在相關領域做出了嘗試，但是效果并不比總體測辨法好，相關的方法還有很大的研究空間。

1.2 總體測辨法

1.2.1 模型結構

負荷建模主要包括兩個部分：模型結構和參數辨識方法。負荷模型從結構上可以分為三種：靜態負荷模型、動態負荷模型以及非機理負荷模型。

靜態負荷模型在電路上由恒定阻抗、恒定電流、恒定功率三個部分并聯而成，也稱ZIP模型。靜態負荷模型描述電壓或者頻率緩慢變化時的特性[17]，一般包括多項式和冪函數模型，通過電壓和頻率反應母線功率的變化，是最早被采用也是最簡單的模型。但是靜態負荷模型不反映感應電機一類動態設備的暫態特性，而且感應電機類設備在負荷中占比很大，所以靜態負荷模型不能很好地反映電力系統負荷的實際情況。

動態負荷模型可以分為經典負荷模型(Classic Load Model, CLM)和 綜 合 負 荷 模 型(Synthesis Load Model, SLM)兩種。經典負荷模型(CLM)是IEEE負荷建模工作組于上世紀80、90年代研究得出的，其相較于靜態負荷模型，又在母線上并聯了一臺等效的感應電機，可以通過等效的感應電機的微分方程反映電壓和頻率快速變化時的負荷特性[18]。綜合負荷模型(SLM)是我國相關領域工作者的研究成果[8]，其在經典負荷模型的基礎上，在母線上增加了無功補償環節，在負荷母線到上一電壓等級母線之間增加了配電網等效阻抗，能更好的對負荷組成進行描述。在CLM和SLM的基礎上還發展出了一些改進模型，比如文獻[19]將理想變壓器加入模型中，使低壓母線的電壓更準確；文獻[20]提出并建立了一種“π綜合負荷模型”，在配電網高低壓側之間串聯一個理想變壓器，并用π型電路將其等效，反映配電網的調壓結果，其在參數穩定性和泛化能力等性能上均較SLM有所提高；文獻[21]提出并建立了“綜合異步電動機模型”，用集總參數線路和變壓器組進行等效，并考慮了變壓器分接頭有載調壓的影響，對傳統異步機模型經行了一定的改進。

非機理負荷模型將負荷視作一個黑盒子，只考慮輸入數據和輸出數據之間的關系，沒有明確的物理意義。非機理模型有支持向量機模型[22]、樣條函數模型[23]。因為非機理模型沒有明確的物理含義，其建立的模型只針對一些特殊情況，所以較少采用。但是在未來人工智能、機器學習技術的加持下，有可能發展出用途更廣的非機理負荷模型。

1.2.2 參數辨識方法

總體測辨法，在文獻[1]中也稱為基于量測的參數確定方法，通過采集故障或者人工實驗時的電壓、頻率、電流等數據，根據已知的負荷模型結構，進行參數的確定?？傮w測辨法主要包括以下幾個步驟：首先需要獲取樣本數據，并對樣本數據進行濾波等處理；其次需要根據負荷的特點，確定模型的結構；然后確定模型需要辨識的參數的個數，采用適當的算法進行參數尋優，找到最合適的參數；最后通過一些指標評價參數的泛化能力、參數穩定性等。文獻[24-26]以PMU數據為基礎，進行參數的確定，文獻[27]對故障錄波系統的數據進行處理，用于參數確定。參數尋優的算法也有很多可以應用，包括粒子群算法[28]，遺傳算法[29]，混合優化算法[30]等。對參數的泛化能力進行評判方面，文獻[31-32]給出了比較有效的方法。

總體測辨法在處理負荷的時變性問題上相較于統計綜合法更有優勢，總體測辨法可以根據負荷的動特性將負荷分為幾類，再進行聚合，可以得到全部負荷的動態模型。文獻[33]以每個樣本的參數辨識值進行分類，在解決時變性問題上做出了一些嘗試?？傮w測辨法的缺點是需要發生故障或者是進行人工故障試驗時才能采集到數據，條件比較苛刻，數據量有時得不到保障。

2 新型電力負荷建模研究現狀

早期的電力負荷主要為電阻性負荷、異步電動機負荷等，隨著變頻空調、電動汽車等新型電力負荷的不斷普及，電力負荷特性正在發生比較大的變化。隨著分布式風電、光伏大量接入配電網，大電網仿真中的負荷模型有必要考慮含分布式電源的特殊負荷特性。下面，重點介紹在電力系統中具有比較大比重的三種新型電力負荷的研究現狀。

2.1 電解鋁負荷模型

電解鋁是典型的高耗能產業，在2007年電解鋁占全國用電總量的6.4 %，如果電解鋁能夠使用清潔的新能源生產，將極大程度的降低由于電解鋁產生的碳排放。研究電解鋁模型對新能源的適應性，對電解鋁負荷進行建模，并研究其在電力系統中的應用方法，成為了一個熱點，許多電力工作者進行了相關的研究。

文獻[34]通過仿真實驗，論證了采用風電進行鋁電解是可行的，而且大致計算了永豐店進行電解鋁可以減少多少碳排放。文獻[35]建立了高耗能電解鋁負載的有功電源電壓外特性模型，論證了電解鋁負荷具有動態調節快的特點，說明電解鋁負荷能夠承受新能源高波動性帶來的影響。電解鋁的電解槽是直流設備，需要使用整流設備，文獻[36]從實用的角度，認為電解鋁負荷采用整流器，屬于恒電流的負荷，加之系統中存在一定數量的感應電機，采用了“I+M”的恒電流并聯感應電機的綜合負荷模型來描述電解鋁負荷的特性。文獻[37]考慮了飽和電抗器的影響，認為電解鋁負荷在一定的電網電壓范圍內可視為恒功率模型，超過這個范圍則功率受電網電壓影響。文獻[38]考慮了電解鋁作為沖擊負荷對電網穩定的影響。

對于電解鋁負荷建模的研究已經有了一定的成果，但是在如何繼續優化電解鋁負荷模型以及采用電解鋁消納新能源方面，仍然需要繼續研究。

2.2 電動汽車負荷模型

電動汽車作為一種具有“源”、“荷”兩種特性的負荷，在解決由于風電、光伏大規模接入而產生的峰谷差大的問題時，顯示出了很高的應用價值。然而電動汽車負荷不同于其他負荷，像上文提到的電解鋁，電網調度部門或者生產部門可以基本掌握負荷的控制權，不用考慮人為因素的影響，而電動汽車因其充電時間、充電地點、充電量等都具有人為因素影響的隨機性，電動汽車的負荷建模大多都基于一定的考慮隨機性的算法。

文獻[39]首先給出了適用于概率潮流計算的單車充電模型，再根據排隊理論對充電過程進行了建模。文獻[40]提出了兩種對充電站進行負荷建模的方法，分別考慮了進站流量和充電時長。文獻[41]提出了基于支持向量機的電動公交車日負荷充電負荷預測模型，通過灰色理論數據挖掘技術，確定了模型的參數，有一定的準確性。文獻[42]提出了電動汽車的擴散負荷模型，重點探究了大量電動汽車并網充電的過程。隨著V2G技術的發展，電動汽車向電網輸送能量起到削峰填谷的作用逐漸變得可能。文獻[43]針對電動汽車參與放電潛力評估的研究現狀進行了介紹。文獻[44]對充放電策略進行了優化，同時計算出了當電池成本和放電電價到達什么水平時可以在市場層面實施充放電。

電動汽車的負荷建模還有很大的發展空間，如何更好的描述隨機的充電行為，以及如何合理的建立電動汽車充放電的負荷模型都還有很大的研究空間。

2.3 含分布式電源的特殊負荷模型

隨著分布式電源的應用越來越多，其接入將對系統的安全性、可靠性、穩定性產生重大影響。分布式電源雖然是發電設備，但是其數量多、分布廣的特點使其更適合以倒送功率的負荷來考慮。文獻[45]指出負荷模型對配網中分布式發電的規劃影響很大，說明很有必要對分布式電源進行負荷建模。

湖南大學李欣然教授及其團隊對分布式電源中許多元件進行了負荷建模。文獻[46]和文獻[47]分別對光伏和燃料電池進行了負荷建模。其他科研工作者也開展了相關研究。文獻[48]提出了一種新的負載模型——異步發電機+ZIP，并證明了模型的有效性。文獻[49]以含有風電的廣義負荷建模為基礎，提出了含有風電的廣義負荷模型，并給出了其參數確定的方法。

分布式電源負荷建模的研究已經有了豐富的研究成果，針對新出現負荷進行負荷建模以及對負荷進行綜合，減少仿真的計算量將會是未來的研究方向。

3 負荷建模研究展望

經過幾十年科研工作者的努力，電力系統負荷建模已經有了豐富的成果，但同時也有很多問題亟待解決。下面將從三個方面，對電力系統負荷建模的發展方向進行展望。

3.1 新型電力負荷的特性

電力系統的發展總是伴隨著新型電力負荷的加入，對新型電力負荷特性的研究也還會繼續。最近對新型電力負荷的研究集中在能夠消納新能源，起到削峰填谷作用的負荷上。電解制氫與電解鋁有一定的相似性，都是高耗能產業，都能在電源波動性比較大的情況下工作，而且氫能的利用空間更大，還可以做燃料電池給電網返送功率，而且無碳排放、清潔環保。所以，電解制氫的負荷建模及其他相關研究有可能成為下一個研究熱點。

電解制氫、電解鋁等電解行業都要使用電力電子設備將交流電整流為直流電使用，如何針對含電力電子設備的負荷提出一個具有代表性的模型，也會是一個十分有意義的研究方向。

3.2 廣義電力負荷建模

對于如何建立簡單而有效的描述廣義負荷的模型，一方面需要對現有的模型有更深入的了解，另一方面也需要對廣義負荷中復雜負荷的工作原理，比如電池、熱源等影響因素進行深入研究。未來的負荷建模工作可能會需要跨學科領域的合作，或者要求負荷建模的工作者掌握一些跨學科的知識。將其他學科的知識融入到電力系統的負荷建模中來，將更有效地解決負荷建模的問題。

3.3 基于大數據的負荷建模

在量測數據方面，隨著測量技術的不斷提高和計算機存儲以及計算能力的不斷提升，負荷建?？梢允褂玫臄祿絹碓蕉唷Ｄ芰抗芾硐到y(EMS)、廣域測量系統(WAMS)、地理信息系統(GIS)、氣象預報系統(WFS)等都可以為負荷建模提供有力的數據支撐。利用豐富的數據，再加以人工智能和機器學習技術的支持，可以將負荷建模需要的數據結合諸如光照、風速、汽車位置、地理信息結合起來，建立更貼近實際的負荷模型，進一步提高負荷模型的準確度。

同時，對于如何解決負荷時變性以及實時反映負荷特性的問題，大數據以及人工智能可能會為解決這個問題提供很大的幫助。大數據可以為負荷分類提供大量的分類依據，更容易找到負荷變化與自然環境、人為因素之間的關系。人工智能可以更快速地處理負荷數據，更有效地反映負荷的實時變化。

4 結束語

本文對新型電力負荷的特性、研究現狀進行了闡述，重點對電解鋁、電動汽車和含分布式電源的特殊負荷模型進行了分析；對于未來有廣闊發展前景的新型電力負荷，例如電解制氫、燃料電池等電力設備的建模進行了展望，從利用大數據開展建模方面進行了探討，希望為新型電力負荷建模研究提供思路。