基于改进蝴蝶算法的光伏综合负荷模型参数辨识

亢朋朋，朱思宇，王衡，樊国伟，杨桂兴

（1.国网新疆电力有限公司，新疆乌鲁木齐 830002；2.北京科东电力控制系统有限责任公司，北京 100089；3.新疆大学，新疆乌鲁木齐 830046）

0 引言

受政策倾斜影响、维护成本下降和设备技术改良等原因，清洁环保的可再生能源装机容量增长迅速[1]，[2]。大量分布式光伏并入配电网，特别是负荷侧，会导致配电网从原有的无源网络变为有源网络，动态特性发生明显变化，从而可能对系统安全性、稳定性产生影响[3]。传统的综合负荷模型无法准确地描述此类配电网的区域负荷特性，严重影响电力系统仿真分析结果的准确性[4]。因此，对含分布式光伏的配电网进行准确建模与参数辨识成为亟待解决的问题。

文献[5]通过构造一个等值光伏电站与负荷模型并联的方式，搭建了考虑光伏动态特性的等值模型，采取动态轨迹灵敏度法筛选出重要参数，再通过遗传算法进行重要参数的辨识。文献[6]采用一个有功随电压变化的有功功率源来代表光伏并网系统，采用聚合算法聚合参数，并对低灵敏度参数进行固定，然后通过遗传算法对高灵敏度参数进行辨识。文献[7]采用改进的遗传算法来辨识高灵敏度参数。在待辨识参数较多的情况下，传统的遗传算法因其收敛慢、易陷入局部极值等缺点，不利于综合负荷模型的参数辨识速度及精度的提高。为了更快地得到精确的辨识结果，本文搭建了计及分布式光伏的综合负荷模型（Synthesis Load Model with Distributed Photovoltaic，SLM-DP），将蝴蝶算法加以改进后引入负荷模型参数辨识领域。……