基于结构特征的复合负荷模型参数估计方法：结合分布式发电与基于相互依赖性的参数分组技术

《Journal of Modern Power Systems and Clean Energy》：Structure-Inspired Parameter Estimation of Composite Load Model with Distributed Generation via Interdependency-Based Parameter Grouping

　　

摘要：

本文提出了一种基于结构的参数估计方法，用于西方电力协调委员会（WECC）开发的包含分布式发电（CMPLDWG）的复合负载模型。由于聚合的分布式能源资源（DER_A）组分的存在，该模型具有高维度和强非线性特性，这极大地增加了参数估计的复杂性。我们提出了一种参数相互依赖性分析方法，将整个参数空间划分为较小的子集，从而将原始的高维估计问题分解为多个易于处理的子问题。在应用基于相互依赖性的参数分组后，每个子集的估计分别使用Levenberg-Marquardt（LM）算法和增强型蛇形优化器（ESO）进行，证明了该方法在收敛稳定性和估计精度方面的改进，且不受求解器的影响。进一步开发了一种初始化策略以提高后续优化的鲁棒性。在新英格兰68节点系统中的案例研究证实，基于相互依赖性的参数分组显著提高了不同干扰情景下的收敛速度、数值稳定性和估计精度。所提出的估计方法在实现高估计精度方面的能力通过实际测量得到了验证，并且该方法可广泛应用于其他建模问题。