董 坤，趙劍鋒，2，孫睿晨，虞 悅，林亭君，湯程燁

（1.東南大學(xué)電氣工程學(xué)院，江蘇省南京市 210096；2.南京林業(yè)大學(xué)信息科學(xué)技術(shù)學(xué)院，江蘇省南京市 210037；3.國網(wǎng)上海市電力公司市區(qū)供電公司，上海市 200080；4.國家電網(wǎng)有限公司西北分部，陜西省西安市 710001）

0 引言

傳統(tǒng)的電力系統(tǒng)負荷模型已成為決定電力系統(tǒng)潮流計算、電網(wǎng)仿真和事故反演分析準確性的關(guān)鍵因素，直接或間接地影響電力系統(tǒng)可靠性、穩(wěn)定性和經(jīng)濟性。隨著“雙碳”能源政策實施，電力系統(tǒng)加速電力電子化，新型電力系統(tǒng)面臨調(diào)峰能力、阻尼與慣性常量等缺乏的問題，且已經(jīng)對電網(wǎng)安全穩(wěn)定運行形成了愈發(fā)嚴重的困擾［1］。需求側(cè)可控負載與分布式發(fā)電、儲能設(shè)備等不同類型的靈活資源，聚合形成虛擬電廠等形態(tài)［2］，在現(xiàn)有電網(wǎng)的基礎(chǔ)上，響應(yīng)電網(wǎng)調(diào)度指令、參與電網(wǎng)多尺度穩(wěn)定性提升與市場化運行。同時，相量測量單元（PMU）、高級量測體系（AMI）、數(shù)據(jù)采集與監(jiān)控（SCADA）系統(tǒng)、故障信息系統(tǒng)（FIS）等平臺的成熟為負荷建模提供了多源異構(gòu)的細粒度數(shù)據(jù)基礎(chǔ)。其中，F(xiàn)IS 具有為負荷建模方法提供擾動過程的負荷動態(tài)行為量測數(shù)據(jù)的功能。數(shù)據(jù)統(tǒng)計、神經(jīng)網(wǎng)絡(luò)、模式識別等計算方法為負荷模型識別及其參數(shù)辨識提供了強大的算法引擎。其中，非侵入式負荷監(jiān)測技術(shù)（NILM）借助電力大數(shù)據(jù)和智能算法，辨識出電力負荷元件的模型和參數(shù)，在一定程度上實現(xiàn)了負荷數(shù)據(jù)統(tǒng)計。另外，電力系統(tǒng)控制設(shè)備導(dǎo)致“保守”負荷模型帶來可能危及電力系統(tǒng)安全的“樂觀”計算結(jié)果［3］。

面對電力負荷新變化，負荷模型及建模方法具有工程應(yīng)用價值新需求和準確性提升的新機遇。因此，有必要實施更多的電力負荷研究，梳理電力負荷已有研究成果，更新分布式發(fā)電系統(tǒng)［4］、電動汽車［5］、儲能系統(tǒng)［6］和可控負載［7］等新型負荷元件模型，提升負荷建模時空數(shù)據(jù)顆粒精細度，實現(xiàn)既符合電力負荷物理機理［8］，又能適應(yīng)大電網(wǎng)計算效率高且精確的新型電力負荷模型系統(tǒng)化理論和工程化工具。

20 世紀末葉，學(xué)術(shù)界和工業(yè)界在負荷模型方面展開了大量研究并取得了巨大成果。電氣與電子工程師協(xié)會（IEEE）［9］、國際大電網(wǎng)會議（CIGRE）［10］、美國電力科學(xué)研究院（EPRI）［11］、西部電力協(xié)調(diào)委員會（WECC）［12］和中國電力科學(xué)院有限公司［13］等先后組織負荷建模研究。IEEE 負荷建模特別委員會針對一系列典型負荷設(shè)備提出了相應(yīng)的負荷模型及其參數(shù)［14］；WECC 考慮負荷多樣性和輸配電網(wǎng)之間的電氣距離，提出了組合負荷模型（composite load model，CLM）［15］；CIGRE 針對柔性電網(wǎng)中的負荷建模和聚合問題，成立了特別研究小組，主要任務(wù)是重新評估已有的負荷模型，并在此基礎(chǔ)上研究新的負荷模型以適應(yīng)電網(wǎng)發(fā)展新要求［16］。該小組發(fā)表了柔性電網(wǎng)中負荷建模與聚合的研究成果［17］，概述了主動式配電網(wǎng)型負荷聚合模型等研究進展和發(fā)展趨勢。

國內(nèi)研究人員在該領(lǐng)域也取得了卓越的成果［18-19］，在負荷模型及其參數(shù)辨識技術(shù)方面進行了深入研究，并將研究成果應(yīng)用于生產(chǎn)實踐。其中，文獻［13］研究了基于實測數(shù)據(jù)的負荷模型和參數(shù)辨識方法，分析了聚類方法、隨機響應(yīng)面法和支持向量機等新技術(shù)在負荷模型的泛化和實用化方面的應(yīng)用，重點描述了包含新能源系統(tǒng)的廣義負荷和沖擊負荷，拓寬了負荷模型的范疇，進一步完善了負荷模型體系。文獻［20］探討了負荷動特性數(shù)據(jù)的獲取和特征提取、分類及綜合方法，分析了負荷模型對電力系統(tǒng)穩(wěn)定性、輸電能力和實際電網(wǎng)的影響。

與傳統(tǒng)負荷元件不同，新型負荷元件以電力電子為并網(wǎng)接口設(shè)備［21］，借助控制算法實現(xiàn)電網(wǎng)友好［22］，但是負荷元件的物理特征被屏蔽，尤其是功率大于75 W 且采用開關(guān)電源供電的負載，借助其自帶因數(shù)校正功能，實現(xiàn)其負荷功率因數(shù)可近似為1［23］，使得負荷的建模難度大大增加。

負荷建模方法可分為統(tǒng)計綜合法、總體測辨法和故障擬合法。統(tǒng)計綜合法將電力元件模型及參數(shù)自下而上匯聚至配電網(wǎng)母線處，形成綜合負荷模型。文獻［9］將統(tǒng)計綜合法用到的負荷元件歸類為恒阻抗、節(jié)能照明、開關(guān)電源或直流電源、直驅(qū)電機負荷和變頻驅(qū)動電機?？傮w測辨法將負荷作為一個整體，借助電力大數(shù)據(jù)平臺，采用現(xiàn)代智能方法提取模型結(jié)構(gòu)特征及其參數(shù)，并基于大量的實測數(shù)據(jù)對模型可靠性進行驗證。目前，國內(nèi)外40%的電力部門采用統(tǒng)計綜合法進行電力系統(tǒng)仿真計算，50%的電力部門采用總體測辨法［24］。故障擬合法是一種系統(tǒng)級別的建模方法，并不針對具體的負荷元件或一個變電站的聚合負荷進行建模，而是根據(jù)系統(tǒng)受擾動后的暫態(tài)過程，對負荷模型及其相關(guān)參數(shù)進行校正，以獲取更好的仿真結(jié)果［18］。統(tǒng)計綜合法、總體測辨法和故障擬合法分別適用于負荷建模的中觀定性、微觀定量和宏觀校驗［19］。IEEE 在分析已有負荷建模方法優(yōu)缺點的基礎(chǔ)上，借助于大數(shù)據(jù)技術(shù)，提出了一種融合統(tǒng)計綜合法與總體測辨法的負荷建模方法［9］。

本文在國內(nèi)外負荷模型與建模技術(shù)已有成就的基礎(chǔ)上進行歸納總結(jié)，關(guān)注當前模型理論和建模方法中的突出問題，闡述了該領(lǐng)域的研究趨勢。首先，介紹了經(jīng)典負荷模型和新型負荷模型的研究現(xiàn)狀；然后，對3 種負荷建模方法進行歸納分析；最后，針對負荷建模面臨的挑戰(zhàn)做出展望。

1 負荷模型

1.1 電力負荷元件經(jīng)典模型

電力系統(tǒng)負荷模型可分為靜態(tài)負荷模型和動態(tài)負荷模型。靜態(tài)負荷模型被定義為時間斷面上的有功功率和無功功率與母線電壓幅度和頻率間的函數(shù)關(guān)系式，可以描述考慮頻域影響因子的恒定阻抗（Z）、恒定電流（I）和恒定功率（P）等靜態(tài)負荷和感應(yīng)電機（induction motor，IM）的滑差變化率為零時的表達式。文獻［25］還給出EPRI LOADSYN 暫態(tài)穩(wěn)定分析，所采用的是考慮頻率因子的ZIP 與指數(shù)模型的組合模型。文獻［19］指出靜態(tài)模型廣泛地應(yīng)用在潮流計算、無功補償規(guī)劃、電壓穩(wěn)定、頻率穩(wěn)定和長期動態(tài)過程的分析中。在此基礎(chǔ)上，CIGRE［17］負荷建模委員認為電力電子接口負載在穩(wěn)態(tài)運行階段屬于靜態(tài)模型，其具體描述形式可參考整流電路；IEEE［26］在負荷建模導(dǎo)則中將電力電子接口負荷分為4 類（直流負載、節(jié)能燈、單相電機和三相電機），其數(shù)學(xué)表達式采用多項式和指數(shù)模型，該文還進一步指出，電動汽車應(yīng)歸類為電力電子接口負載。靜態(tài)負荷模型無法體現(xiàn)系統(tǒng)負荷隨電壓、頻率變化而產(chǎn)生的動態(tài)行為。因此，需要建立動態(tài)負荷模型以表征負荷的動態(tài)行為。

動態(tài)負荷模型表述有功功率、無功功率、電壓和頻率等電氣量在時間軸上的演變函數(shù)關(guān)系，采用負荷母線上電壓幅值和頻率的函數(shù)關(guān)系式描述有功功率和無功功率。對于電力系統(tǒng)受擾動后的暫態(tài)分析和中長期潮流計算等問題，動態(tài)負荷機理模型通常采用IM 來描述，該模型依賴于機電和電磁尺度動態(tài)特性，其考慮定子和轉(zhuǎn)子電磁暫態(tài)的五階表達式多用于描述大型IM，在大電網(wǎng)暫態(tài)與動態(tài)仿真計算中，一般多采用忽略定子電磁暫態(tài)的三階IM 表達式［18］。電機實際尺寸、材料特性等因素決定了電機模型精度要求。因此，在此基礎(chǔ)上計及鐵芯損耗的單鼠籠IM、雙鼠籠IM 等的暫態(tài)模型被提出［18］。而考慮電機并網(wǎng)方式的模型［27-28］和計及有載調(diào)壓變壓器影響的IM 模型［29］也成為該領(lǐng)域的研究熱點。文獻［30］基于小信號分析法構(gòu)建了一種異步電機機電暫態(tài)時間尺度頻率響應(yīng)模型，進而提出了考慮異步電機頻率響應(yīng)的系統(tǒng)頻率模型和計及負荷側(cè)的最低慣量評估模型。

考慮到電力電子電源對IM 物理特性影響的模型［31］，提出使動態(tài)負荷模型能夠更準確地模擬電網(wǎng)多尺度暫態(tài)特性和動態(tài)行為。當動態(tài)負荷模型單一或者行為特征近似時，采用機理清晰的動態(tài)負荷模型，而且計算結(jié)果準確度高。但是，負荷元件種類多種多樣，決定了負荷模型的動態(tài)復(fù)雜性，而且同類負荷元件受控制系統(tǒng)影響大。因此，需要借助非機理模型進行修正，以保證模型的實用性。動態(tài)負荷非機理模型注重輸入、輸出變量之間的關(guān)系，常以微分方程模型、差分方程模型、傳遞函數(shù)模型、狀態(tài)空間模型和神經(jīng)網(wǎng)絡(luò)模型［32］等形式表示。此外，為提高負荷模型的實用性，通常在系統(tǒng)仿真中采用調(diào)整仿真步長的方法來減少計算時間。同時，根據(jù)分析變量的變化快慢，對負荷動態(tài)模型進行適當簡化，可以構(gòu)成能夠體現(xiàn)系統(tǒng)多時間暫態(tài)尺度特性的負荷模型。文獻［33］將負荷電動機轉(zhuǎn)差率作為常規(guī)變量，將電動機磁鏈作為快變量，且將電動機力矩作為慢變量，提出了多時間尺度系統(tǒng)降階模型，指出負荷快動態(tài)與電力系統(tǒng)多暫態(tài)尺度穩(wěn)定性、慢動態(tài)與系統(tǒng)中長期尺度穩(wěn)定性的關(guān)聯(lián)關(guān)系。文獻［34］指出電力電子負荷的儲能元件和控制算法等聯(lián)系緊密，其具有復(fù)雜的機電、電磁及控制等響應(yīng)特性。

1.2 綜合負荷模型

在現(xiàn)有電力系統(tǒng)仿真分析軟件中，最關(guān)注負荷模型的整體效應(yīng)。傳統(tǒng)綜合負荷模型以靜態(tài)負荷模型和動態(tài)負荷模型結(jié)合的形式表征電力系統(tǒng)負荷，能夠更準確地反映系統(tǒng)負荷特性，同時具有考慮不同強度擾動的內(nèi)插外推能力。負荷模型的準確性取決于模型結(jié)構(gòu)和參數(shù)。在保證模型實用性的同時，更加完整地模擬負荷特性和配電系統(tǒng)架構(gòu)，從而提高綜合負荷模型的準確性，這也已經(jīng)成為國內(nèi)外該領(lǐng)域?qū)W者的主要研究內(nèi)容［35-36］。

由ZIP 模型和IM 并列構(gòu)成的綜合負荷模型結(jié)構(gòu)簡明［37］，能夠完整地表征電力負荷的節(jié)點特性，是最為常用的綜合負荷模型形式。中國電網(wǎng)負荷模型主要采用靜態(tài)負荷模型和電動機動態(tài)負荷模型按比例組合的形式［38］，也是美國電網(wǎng)的負荷動態(tài)模型研究中最為常用的模型［16］。在美國西部電網(wǎng)發(fā)生大停電事故之后［39］，WECC 提出一種由80%的靜態(tài)模型和20%的動態(tài)模型構(gòu)成的負荷模型［40］。該模型中的靜態(tài)部分采用WECC 已有的數(shù)據(jù)構(gòu)建，動態(tài)部分則用IM 模型表示，但ZIP+IM 模型的靈敏度隨IM 比例的增加而降低［41］，無法準確描述分布式發(fā)電機的整體行為，忽視了配電網(wǎng)結(jié)構(gòu)對負荷特性的影響［42］。WECC 又提出了計及配電網(wǎng)等值模型的CLM，由配電網(wǎng)等值模型、負荷元件模型及其參數(shù)和負荷元件等部分構(gòu)成［15］。相較于ZIP+IM 模型，CLM 考慮了輸電線路與終端用戶間的電氣距離，能夠更為精準地描述各終端用戶負荷，但CLM的辨識參數(shù)多達131 個，實際工程應(yīng)用難度高、工作量大［43］。以CLM 為基礎(chǔ)，西門子公司提出了一種計及不同規(guī)格電機和照明設(shè)備的非線性模型，即電力系統(tǒng)仿真器復(fù)合負荷（PSS/E CLOD）［44］。PSS/E CLOD 模型采用計及飽和效應(yīng)的電機模型，包含分接頭變壓器模型、恒功率模型、負荷指數(shù)模型等部分，考慮了不同負載容量的電機對電壓變化的敏感性。文獻［45］對比研究了不同綜合負荷模型對電力系統(tǒng)的暫態(tài)穩(wěn)定分析結(jié)果的影響，指出采用基于電力系統(tǒng)負荷特性研究所形成負荷模型及其參數(shù)進行仿真計算時，可提高聯(lián)絡(luò)線的暫態(tài)輸送能力，增強供電可靠性。

中國電力科學(xué)院有限公司于2005 年首次提出綜合負荷模型［46］。該模型充分考慮了配電網(wǎng)結(jié)構(gòu)，并采用在高壓母線與虛擬低壓母線之間以配電網(wǎng)阻抗的形式，由ZIP、IM、補償電容器、配電網(wǎng)阻抗和同步發(fā)電機組成［47-48］。綜合負荷模型一般由微分方程和代數(shù)方程表示，能夠描述電壓或頻率的快速變化，保證了小擾動影響下對負荷特性描述的精度。當分布式電源距離變電站母線較近，且電源功率與負荷功率之比超過25%時，需要在綜合負荷模型基礎(chǔ)上考慮等效同步發(fā)電機模型，否則可與本地負荷抵消而不予考慮。目前，國內(nèi)的電力系統(tǒng)分析軟件常采用綜合負荷模型進行暫態(tài)仿真分析。相較于ZIP+IM，綜合負荷模型更貼近實際電網(wǎng)的物理結(jié)構(gòu)，能夠描述電壓崩潰或故障后的電壓緩慢恢復(fù)全過程［36］。但針對不同擾動情形，需要對綜合負荷模型參數(shù)進行修正，尤其是饋線端電網(wǎng)電壓［15］，以降低負荷參數(shù)誤差對母線電壓恢復(fù)能力的影響［49］。綜合負荷模型忽略了低壓側(cè)的變壓環(huán)節(jié)，無法體現(xiàn)配電網(wǎng)調(diào)壓對負荷特性的影響。因此，采用等值阻抗串聯(lián)理想變壓器的形式表示配電網(wǎng)等值電路［50］，從機理上提高綜合負荷模型對不同電壓水平下負荷動態(tài)行為表征的準確性。

面對新型電網(wǎng)踐行“雙碳”目標的深入實施，具有統(tǒng)一調(diào)度調(diào)節(jié)的可控負載、氣象敏感性的分布式發(fā)電系統(tǒng)、氣象敏感性的空調(diào)和儲能系統(tǒng)、具有時空分布隨機及雙向電能傳輸特性的電動汽車系統(tǒng)等大量涌現(xiàn)，綜合負荷模型需要更新以適應(yīng)電力負荷電力電子化、智能化等發(fā)展趨勢。

2 新型負荷元件模型

隨著電力電子技術(shù)與智能控制技術(shù)等在生產(chǎn)與生活中大規(guī)模應(yīng)用，催生了大量的新型電力負荷元件。新型負荷特征集中表現(xiàn)在以下幾個方面:

1）綜合負荷的復(fù)雜性增加。綜合負荷模型不再是由純粹消耗電能的負荷元件構(gòu)成，分布式發(fā)電系統(tǒng)、具有車網(wǎng)互動（V2G）特征的電動汽車與分布式儲能設(shè)備大量部署，使得綜合負荷模型動態(tài)特征越來越復(fù)雜。

2）負載元件可控性增強。隨著工業(yè)負載和家用電器等大規(guī)模采用開關(guān)電源與智能控制算法，負荷元件可控性增強。

3）負荷波動性增加。除了帶有強烈資源稟性的新能源發(fā)電系統(tǒng)的隨機性外，電動汽車負荷特征與用戶交通屬性緊密相關(guān)，在一定程度上改變了負荷的時空特征，其負荷波動性、隨機性等影響因素越來越多。

4）氣象敏感型負荷占比增多。風、光等氣象敏感性電源已高達30%，空調(diào)等氣象敏感性負荷元件占比高達40%。

針對電力電子化電力設(shè)備的多時間尺度暫態(tài)特征和動態(tài)行為，文獻［8］提出了幅相動力學(xué)一般性建模方法，即描述功率與內(nèi)電勢幅相動態(tài)運動特征的數(shù)學(xué)表達式，指出電力電子化負荷暫態(tài)過程是電路、磁路、控制方法以及開關(guān)器件切換等共同作用的結(jié)果，具有明顯的多個建模粒度的幅頻特性。

2.1 可控負載

本文將可控負載定義為能夠主動控制電能消耗行為的負載設(shè)備，主要由變頻電機（variable frequency drive，VFD）控制系統(tǒng)、電力電子電源和電機等構(gòu)成。VFD 暫態(tài)特性和動態(tài)行為主要通過控制算法和鎖相環(huán)形成并調(diào)整其內(nèi)電勢幅值/頻率狀態(tài)。同時，也要考慮電力電子電路中的儲能元件對其暫態(tài)過程的影響程度，以實現(xiàn)高精益的建模粒度。目前，國內(nèi)外研究多著眼于VFD 的電壓暫降耐受度［51］，但缺乏對VFD 動態(tài)模型的研究，特別是故障暫態(tài)后VFD 的聚合效應(yīng)，這對于探討大規(guī)模VFD 入網(wǎng)對電網(wǎng)暫態(tài)穩(wěn)定性的影響具有重要意義。文獻［52］指出直流側(cè)電容是影響VFD 電壓耐受度的重要因素，VFD 電壓耐受度與電容大小成正比。文獻［53］重點分析了不同類型VFD 在電壓暫降下的電氣參數(shù)曲線，揭示了簡單回歸函數(shù)無法描述VFD 動態(tài)行為的理論原因，提出了適用于電網(wǎng)暫態(tài)分析的考慮控制邏輯的VFD 聚合暫態(tài)模型，并驗證了該模型的正確性。另外，開關(guān)電源控制的電子負載根據(jù)其功率是否大于75 W 配置功率因子校正設(shè)備［26］，但該功率因子校正設(shè)備未考慮與電網(wǎng)多尺度暫態(tài)行為的交互影響。

2.2 分布式發(fā)電系統(tǒng)

綜合負荷模型足以合理描述含有少量小容量分布式電源的配電網(wǎng)負荷特性。對于新型電力系統(tǒng)分析、規(guī)劃和運維來說，容量較大的分布式電源以及聚合容量到達一定規(guī)模的小容量分布式電源，影響不容忽視。在單一電機機理模型的基礎(chǔ)上，考慮分布式電源的并網(wǎng)方式及其聚合效應(yīng)，是提高分布式發(fā)電機負荷模型精度的關(guān)鍵。

通常情況下，分布式發(fā)電系統(tǒng)靜態(tài)模型在直接并網(wǎng)或者通過逆變器并網(wǎng)模式下，其功率因數(shù)均假定為1，即近似為一個負值有功功率負荷。基于該假設(shè)的簡單模型，針對單一光伏發(fā)電系統(tǒng)時能夠獲得較好的建模結(jié)果，對于分布式光伏發(fā)電系統(tǒng)也具有較高的整合性。而準確表示光伏發(fā)電系統(tǒng)的飽和特性，并描述太陽輻射與光伏發(fā)電輸出功率之間的關(guān)系，是分布式光伏發(fā)電系統(tǒng)模型的關(guān)鍵［54］。針對氣象因素導(dǎo)致的光伏發(fā)電隨機性，文獻［55］采用蒙特卡洛數(shù)學(xué)表達式描述了其隨機性。

相對光伏發(fā)電陣列的詳細模型，聚合模型是有效解決規(guī)?；夥l(fā)電系統(tǒng)數(shù)值計算精度和效率的重要技術(shù)路徑。文獻［56］借助實驗數(shù)據(jù)，提出一種基于代數(shù)和差分等數(shù)學(xué)表達式的光伏發(fā)電聚合模型，并將該模型應(yīng)用到光伏系統(tǒng)的動態(tài)控制中，以實現(xiàn)最大功率跟蹤控制。文獻［57］提出一種基于頻域響應(yīng)的傳遞函數(shù)模型，并應(yīng)用于光伏聚合模型。文獻［58］采用具有同步動態(tài)性能的逆變器建立太陽能發(fā)電廠等值模型，該模型包括逆變器控制結(jié)構(gòu)，能夠反映直流側(cè)動態(tài)特性。WECC［59］提出一種光伏發(fā)電的聚合模型，該模型借助一階傳遞函數(shù)作為表達式，將光伏聚合模型建模為5 種子模型［60］（有功與無功電流源、本地有功控制、本地無功控制、繼電保護功能和廠站級別的有功與無功控制），共有121 個參數(shù)與16 個狀態(tài)。為了進一步簡化上述模型，WECC隨后提出一種新分布式能源聚合模型［61］，模型參數(shù)縮減到48 個，狀態(tài)減少到10 個。

對于直接連網(wǎng)的分布式風力發(fā)電機，通常采用傳統(tǒng)同步旋轉(zhuǎn)電機模型，例如帶有勵磁系統(tǒng)的同步發(fā)電機模型常用于描述分布式發(fā)電機對電力系統(tǒng)動態(tài)性的影響［62］。借助逆變器并網(wǎng)的分布式發(fā)電機通常忽略固有機械特性，但需要考慮高頻電力電子器件的多時間粒度響應(yīng)特性。文獻［63］考慮幾種典型控制方式，構(gòu)建適用于雙饋風機的轉(zhuǎn)子轉(zhuǎn)速秒級控制時間尺度的統(tǒng)一動態(tài)模型。CIGRE［64］在不增加工作量的前提下分析了3 種風機的聚合特性，指出了基于電氣量外特性的聚合模型，不考慮具體制造商約束，具有更好的近似精度和實用性。

2.3 儲能負荷元件

分布式儲能系統(tǒng)對新能源并網(wǎng)控制［65］、電能平衡、電能質(zhì)量管理［66］、需求側(cè)響應(yīng)和彌補低慣性系統(tǒng)的一次調(diào)頻能力［67］等具有重要意義［68-69］。文獻［70］在詳細電路模型基礎(chǔ)上，提出了計及電池荷電狀態(tài)的儲能設(shè)備負荷模型。文獻［71-72］提出了儲能系統(tǒng)的基準等值電路模型，適用于描述抽水蓄能、飛輪儲能、壓縮空氣儲能和超級電容等不同儲能設(shè)備的非線性特性；文獻［73］提出了廣義綜合負荷模型，將儲能系統(tǒng)作為獨立的負荷元件進行研究。文獻［74］提出了基于神經(jīng)網(wǎng)絡(luò)技術(shù)的有功和無功兩類聚合儲能系統(tǒng)黑箱模型，并借助遺傳算法實現(xiàn)對應(yīng)神經(jīng)網(wǎng)絡(luò)參數(shù)辨識。

2.4 電動汽車負荷元件

電動汽車電池與普通儲能系統(tǒng)架構(gòu)類似，但是電動汽車的交通屬性對電池的能量密度和放電效率提出了更高要求。傳統(tǒng)電動汽車電池模型主要包括內(nèi)阻模型、戴維南模型和通用非線性模型［75］。文獻［76］在戴維南模型基礎(chǔ)上提出了一種雙極化模型，豐富了對電池的電化學(xué)極化和濃差極化過程的描述。電動汽車模型中過多的RC 諧振環(huán)節(jié)會導(dǎo)致過擬合，而一階或二階RC 電路具有較好的擬合結(jié)果［77］。

此外，電動汽車充電負荷特性與用戶交通行為緊密相關(guān)，具有很強的隨機性。目前，電動汽車充電負荷隨機性建模方式包括基于充電時段的蒙特卡洛負荷預(yù)測模型［78］、基于充電概率的統(tǒng)計學(xué)負荷預(yù)測模型［79］和考慮時空分布基于出行鏈的預(yù)測模型［80］等。文獻［81］表明，對電動汽車電池充放電特性和電動汽車用戶行為特征分析的準確度是決定電動汽車充電負荷模型精度的關(guān)鍵，而隨機性模型精度的提高會導(dǎo)致計算量的增加。因此，部分文獻為降低負荷模型的復(fù)雜度，對部分隨機性參數(shù)進行了預(yù)定義，并使用確定性模型進行探究，從而形成計及概率特征的電動汽車模型［82］。

2.5 主動配電網(wǎng)模型

由分布式發(fā)電系統(tǒng)和可控負載構(gòu)成的主動配電網(wǎng)是綜合負荷模型的新典型，另外，微電網(wǎng)是小規(guī)模的主動配電網(wǎng)［10］。從宏觀角度看，主動配電網(wǎng)是電網(wǎng)的一個“虛擬”的電源或負荷。文獻［83］指出在含有大量分布式發(fā)電單元的電力系統(tǒng)中，主動配電網(wǎng)的動態(tài)行為不能被忽略，傳統(tǒng)的指數(shù)負荷模型等靜態(tài)負荷模型只能描述無源配電網(wǎng)模型，靜態(tài)負載模型不能代表主動配電網(wǎng)的高度動態(tài)行為。主動配電網(wǎng)通常由多種多樣的電力負荷元件構(gòu)成，結(jié)構(gòu)復(fù)雜，基于主動配電網(wǎng)詳細模型的分析具有很高的計算成本，從機理角度出發(fā)可以建立有明確物理意義的發(fā)電模型，而對于結(jié)構(gòu)復(fù)雜、規(guī)模龐大的分布式發(fā)電負荷群體，則需要對機理模型進行簡化，或者從非機理角度建立能夠體現(xiàn)負荷群體特性的輸入/輸出模型。

從非機理角度描述含分布式發(fā)電系統(tǒng)的配電網(wǎng)的負荷聚合特性，主要包括黑箱模型和灰箱模型。黑箱模型直接表述系統(tǒng)的輸入、輸出特性，無須了解系統(tǒng)內(nèi)部的結(jié)構(gòu)特征，適用于系統(tǒng)物理模型信息極少或者結(jié)構(gòu)過于復(fù)雜而無法建模的情形。文獻［84］提出一種微電網(wǎng)動態(tài)模型，其參數(shù)采用Prony 分析法辨識，該模型在不需要微電網(wǎng)先驗知識的情況下，為具有不同復(fù)雜度的各種微電網(wǎng)系統(tǒng)建模提供了極大的靈活性。文獻［85］提出一種微電網(wǎng)電壓響應(yīng)和頻率響應(yīng)的兩端口黑箱模型，采用改進型最小二乘法等，實現(xiàn)模型參數(shù)辨識與更新。文獻［86］采用人工神經(jīng)網(wǎng)絡(luò)對主動配電網(wǎng)等效模型參數(shù)進行學(xué)習訓(xùn)練獲取。

文獻［87］基于系統(tǒng)辨識的方法，提出一種主動配電網(wǎng)的動態(tài)等效黑箱模型。電壓和頻率作為黑箱模型的輸入，有功和無功功率作為黑箱模型的輸出。該模型參數(shù)辨識［88］是通過將輸入和輸出數(shù)據(jù)導(dǎo)入MATLAB 系統(tǒng)識別工具箱來執(zhí)行的。該模型以具有外源輸入的狀態(tài)空間自回歸模型的形式發(fā)展。它的主要優(yōu)點是不需要詳細的網(wǎng)絡(luò)信息，實現(xiàn)簡單。然而，該模型高度依賴于擾動的類型和位置。

文獻［89］基于神經(jīng)網(wǎng)絡(luò)提出一種主動配電網(wǎng)非線性動態(tài)等值黑箱模型，其輸入?yún)?shù)為負載參數(shù)、分布式發(fā)電參數(shù)和電網(wǎng)狀態(tài)的時間序列數(shù)據(jù)。文獻［90］提出了基于遞歸神經(jīng)網(wǎng)絡(luò)的含有分布式發(fā)電系統(tǒng)的主動配電網(wǎng)黑箱模型。該類型模型泛化能力強、適用范圍廣，但其神經(jīng)網(wǎng)絡(luò)參數(shù)辨識精度依賴數(shù)據(jù)豐富度，且參數(shù)辨識效率依賴計算速度。

灰箱模型是一種基于發(fā)電機元件基本信息和測量數(shù)據(jù)進行參數(shù)辨識的建模方法，具有清晰的物理意義［91］，適用于描述具有非線性變化特征的系統(tǒng)，對原始數(shù)據(jù)要求較低，計算量小、實際操作性強。為了克服灰箱模型需要已有知識帶來的限制，文獻［83］構(gòu)建了基于Hammerstein-Wiener 的一種主動配電網(wǎng)模型，該模型只取輸、配電網(wǎng)邊界變量，同時與線性系統(tǒng)保持可解釋關(guān)系，其參數(shù)辨識采用MATLAB 系統(tǒng)參數(shù)辨識工具箱實現(xiàn)。不僅如此，所提模型還在頻率調(diào)節(jié)和虛擬慣量等方面具有應(yīng)用潛力。

2.6 其他

2.6.1 諧波負荷模型

為了正確地描述諧波負荷模型，文獻［92］提出借助統(tǒng)計方法建立諧波負荷模型，此外，還定義了諧波多樣性因子。為了正確地對住宅的諧波電流注入進行建模，需要考慮家庭負載隨機行為的概率模型。為了準確地描述住宅電流諧波注入，文獻［93］采集了24 家住戶一周的數(shù)據(jù)，借助非參數(shù)密度估計和高斯混合模型等概率工具，提出了一種單個住戶的諧波模型，并通過將合成電流注入引起的諧波電壓與測量得到的諧波電壓進行比較，在測試饋線上驗證了所開發(fā)的模型的有效性。針對住宅配電系統(tǒng)的監(jiān)測不足，無法對耦合點的諧波限值合規(guī)性進行可靠分析，文獻［94］提出一種實時估計住宅用戶所有節(jié)點電壓諧波水平的實用方法，其中包括通過基于電壓相關(guān)性的優(yōu)化算法來確定電能質(zhì)量傳感器的數(shù)量，還討論了低壓拓撲、變壓器漏抗和分布式光伏發(fā)電系統(tǒng)對諧波負荷模型參數(shù)精度影響的因素。

2.6.2 指數(shù)型負荷恢復(fù)模型和振蕩型負荷模型

指數(shù)型負荷恢復(fù)模型表征功率在母線電壓波動過程中的動態(tài)行為。文獻［95-96］提出，指數(shù)型負荷恢復(fù)模型用于描述負荷有功功率和無功功率與母線電壓對階躍擾動響應(yīng)之間的關(guān)系。該模型通常用來表示經(jīng)歷幾秒鐘到幾十分鐘時間尺度上負荷緩慢恢復(fù)的特性，并采用非線性一階等式來表示負荷響應(yīng)。該模型后發(fā)展為自適應(yīng)動態(tài)模型［97］，具有與指數(shù)型負荷恢復(fù)模型相同的特性，不同之處在于自適應(yīng)動態(tài)模型表示為電壓指數(shù)與狀態(tài)變量的直接乘積。為了更加精準地表述動態(tài)模型，文獻［42］將自適應(yīng)指數(shù)模型在穩(wěn)態(tài)狀態(tài)下進行線性化，提出了泛化非線性動態(tài)模型。指數(shù)型負荷恢復(fù)模型在計算純粹被動負荷元件時具有很高的精度，但由于一階多項式函數(shù)只能夠近似計算在平衡點附近的非線性指數(shù)函數(shù)響應(yīng)，無法準確地捕捉另一個操作點的非線性特性。因此，也不適用于主動配電網(wǎng)雙向潮流場景。針對此問題，文獻［98］采用電壓差代替電壓有效值，實現(xiàn)了電壓波動過程中的穩(wěn)態(tài)與暫態(tài)響應(yīng)，進而形成了一種增強型指數(shù)型負荷恢復(fù)模型，仿真驗證了該模型可以在不需要估計新參數(shù)的情況下捕捉各種主動配電網(wǎng)動態(tài)行為。另外，該模型數(shù)學(xué)表達式簡潔、泛化能力強，也方便嵌入電力仿真軟件中。

指數(shù)恢復(fù)模型是一階動態(tài)模型，其無法描述電力電子或電機等引起的振蕩特性。因此，文獻［99］基于IM 和電力電子接口負荷等負荷阻尼特性，借助二階差分方程，提出了一種振蕩型負荷模型。與指數(shù)型模型相比，該振蕩型負荷模型有效地描述了負荷動態(tài)特性，提高了阻尼振蕩模型響應(yīng)的精度。

3 負荷建模方法

負荷建模方法是負荷模型在電力系統(tǒng)工程應(yīng)用方面的重要技術(shù)依賴，按照技術(shù)路徑不同，可分為統(tǒng)計綜合法、總體測辨法和故障擬合法。統(tǒng)計綜合法是自下而上的方法，從低壓負荷元件特性開始進行統(tǒng)計聚合，最終形成綜合負荷模型［43］。該方法以3 類數(shù)據(jù)集為基礎(chǔ)，包括單個負荷元件電氣模型、負荷元件所占的比例和負荷類型結(jié)構(gòu)，其中，單個負荷模型和參數(shù)辨識可以通過實驗室實驗獲?。?00-102］。LOADSYN 是統(tǒng)計綜合法負荷建模的代表［103］。統(tǒng)計綜合法可以清晰地獲取負荷元件及其特性、負荷模型類別等，物理意義明確，有助于綜合負荷模型和聚合負荷模型等形成，可應(yīng)用于負荷等需求側(cè)管理高級應(yīng)用；不依賴于量測系統(tǒng)，具備負荷管理的靈活性；不考慮配電網(wǎng)詳細情況，適合于電網(wǎng)規(guī)劃等階段。但統(tǒng)計綜合法依賴于大規(guī)模的負荷調(diào)查，且調(diào)查結(jié)果數(shù)據(jù)需要滿足一定的準確度和顆粒度，人工統(tǒng)計工作實際操作難度大，數(shù)據(jù)具有一定的相對性、主觀性和局限性，其完整性無法保障，并且所得數(shù)據(jù)無法反映電力負荷元件的隨需增減信息，更無法體現(xiàn)用戶用電行為的隨機性。統(tǒng)計綜合法所獲取的負荷模型及其參數(shù)只對所統(tǒng)計的負荷區(qū)域有效，不能直接應(yīng)用于另一個地點的負荷模型。因此，該模型的時效性和工程實踐性較差。

總體測辨法［104-106］是將負荷作為一個整體，借助電力負荷大數(shù)據(jù)，采用諸如統(tǒng)計、神經(jīng)網(wǎng)絡(luò)、模式識別等計算方法提取模型結(jié)構(gòu)特征，并基于大量的實測數(shù)據(jù)驗證模型可靠性?？傮w測辨法的實施步驟如圖1 所示，包括:獲取測量數(shù)據(jù)、選擇一種負荷模型結(jié)構(gòu)、辨識模型參數(shù)和驗證負荷模型?？傮w測辨法具有扎實的研究基礎(chǔ)，文獻［107］采用多曲線辨識技術(shù)識別出ZIP+IM 綜合負荷模型參數(shù)。文獻［108］根據(jù)安裝于美國伊利諾伊理工大學(xué)微電網(wǎng)的PMU數(shù)據(jù)，采用事件驅(qū)動方法獲取在線負荷模型。此外，滑窗技術(shù)［109］、卡爾曼濾波器［110］、遞歸最小二乘算法［111-112］等被廣泛應(yīng)用于模型參數(shù)的實時估計中，為建立負荷跌落、擾動等電網(wǎng)運行狀況下的負荷動態(tài)模型提供了技術(shù)支撐。其中，文獻［110］采用卡爾曼濾波器實現(xiàn)指數(shù)恢復(fù)負荷模型參數(shù)的實時估計，并通過每6 s 更新一次的測量數(shù)據(jù)，驗證了所提方法的有效性。文獻［113］提出在小擾動的情況下，僅須辨識各類別負荷的配比參數(shù)，基于可變映射技術(shù)，可實現(xiàn)參數(shù)模型的辨識。該方法經(jīng)過印度北部地區(qū)246母線系統(tǒng)測試驗證，獲得很好的效果。軌跡靈敏度分析常用來量化參數(shù)改變對動態(tài)系統(tǒng)的影響，在總體測辨法中，可用作負荷模型參數(shù)更新的判斷標準［114-115］。文獻［116］基于軌跡靈敏度分析，簡化了模型結(jié)構(gòu)，提高了參數(shù)辨識效率，獲得了較好的實操性。海森矩陣特征值［117］、偏微求導(dǎo)［118］等方法同樣適用于參數(shù)的靈敏度分析。參數(shù)間的依賴性體現(xiàn)了不同靈敏度參數(shù)間的依存關(guān)系，在一定程度上決定了參數(shù)更新與否。

圖1 總體測辨法實現(xiàn)框圖Fig.1 Implementation block diagram of component-based load modelling

除了配電網(wǎng)SCADA 測量平臺之外，AMI 的大量使用有效地增加了配電網(wǎng)可觀性［119］，產(chǎn)生了大量負荷特性數(shù)據(jù)［120］。文獻［121］借助AMI 獲取的電能消費數(shù)據(jù)，分解出用戶負荷模型結(jié)構(gòu)和使用成分，并以此為基礎(chǔ)建立負荷模型。另外，神經(jīng)網(wǎng)絡(luò)及其演化算法具有非線性映射能力，在參數(shù)辨識過程中具有超強的自學(xué)習能力，且無需模型結(jié)構(gòu)的先驗知識。該技術(shù)對負荷外特性具有很好的模擬效果，基于豐富的實測數(shù)據(jù)，可以在不考慮物理原理的前提下，使觀測負荷特性與輸出相適應(yīng)，實現(xiàn)負荷模型的參數(shù)辨識與校驗［122-124］。盡管人工智能在獲取復(fù)雜非線性系統(tǒng)特征方面具有巨大優(yōu)勢，但基于該技術(shù)的電力負荷模型依賴數(shù)據(jù)樣本的豐富度，必須與實際電網(wǎng)的架構(gòu)和各元件的物理模型結(jié)合，以確保該方法的輔助決策價值?；谌斯ぶ悄艿呢摵赡Ｐ偷膮?shù)必須根據(jù)最新的量測數(shù)據(jù)實時辨識更新，這需要強大的硬件平臺和軟件算法的支撐。文獻［125］基于深度Q 學(xué)習網(wǎng)絡(luò)結(jié)構(gòu)，針對CLM，提出了兩階段負荷建模方法（第1 階段采用Q 學(xué)習方法獲取負荷構(gòu)成參數(shù)，第2 階段采用蒙特卡洛法來確定負荷參數(shù)）。文獻［126］研究了遷移學(xué)習方法在負荷辨識中的應(yīng)用。文獻［127］提出了基于強化學(xué)習的負荷參數(shù)辨識方法，與基于模型的負荷參數(shù)辨識方法相比，參數(shù)準確率近似，但前者具有更高的計算速度和在線運行的潛力?？傮w測辨法的主要優(yōu)勢是數(shù)據(jù)來源于實際電網(wǎng)測量系統(tǒng)的動態(tài)負荷記錄，解決了負荷特性的時變問題，簡單方便，并且適用于任何負荷結(jié)構(gòu)，開放性強。但借助該方法形成的負荷模型具有一定的地域限制，跨地域調(diào)用需要進一步調(diào)整和優(yōu)化模型的結(jié)構(gòu)與參數(shù)，且物理機理不明確；參數(shù)辨識的準確度，需要以測量數(shù)據(jù)顆粒度和豐富度為前提；目前，電力負荷元件大量地采用優(yōu)化控制，屏蔽了一定的物理特性數(shù)據(jù)，定性分析準確性難以保障，給負荷建模結(jié)構(gòu)識別帶來一定的風險。

通過統(tǒng)計綜合法或總體測辨法建立的負荷模型，往往需要經(jīng)過故障模擬檢驗與調(diào)整。因此，文獻［18］提出一種新的負荷建模方法:故障擬合法或故障仿真法。故障擬合法是一種系統(tǒng)級別的建模方法，根據(jù)系統(tǒng)受擾動后的動態(tài)過程，對負荷模型結(jié)構(gòu)及其相關(guān)參數(shù)進行校正，以獲取更好的仿真結(jié)果，可看作對負荷模型和參數(shù)的驗證和校核。東北電網(wǎng)采用該方法確定負荷模型和參數(shù)，提高了斷面潮流數(shù)據(jù)顆粒度，解決了東北電網(wǎng)系統(tǒng)穩(wěn)定計算結(jié)果差的問題。該方法有效地彌補了大擾動測量數(shù)據(jù)不足，有利于建立高質(zhì)量負荷模型；系統(tǒng)化強，有利于負荷機理分析；從工程應(yīng)用角度，有效性強，是更直接的建模方法。但模型參數(shù)結(jié)果與故障設(shè)置地點、擾動大小和數(shù)量緊密相關(guān)，在不同的故障設(shè)置方案中，可能參數(shù)結(jié)果存在一定的差異；大擾動故障實驗的成本高，無法適用于實際大型電網(wǎng)的負荷模型建立。文獻［128］提出一種采用智能算法進行參數(shù)校正的自動故障擬合法。該方法基于電網(wǎng)實際故障時廣域測量系統(tǒng)獲取的故障數(shù)據(jù)，采用多條擬合目標曲線建立綜合誤差評價指標，克服了傳統(tǒng)方法擬合目標單一的不足，提升了故障擬合法的計算效率。盡管結(jié)合智能算法能夠提高故障擬合法的參數(shù)校驗效率，但是電力系統(tǒng)實際故障數(shù)據(jù)的獲取仍是該方法的實踐難點。近年來的研究結(jié)果表明，當負荷結(jié)構(gòu)復(fù)雜、負荷元件非線性強、負荷特性難以用解析方程表示時，可以借助神經(jīng)網(wǎng)絡(luò)等人工智能技術(shù)建立輸入數(shù)據(jù)和輸出數(shù)據(jù)之間的數(shù)學(xué)表達式，從而實現(xiàn)負荷建模。該類方法可以獲得更高的建模效率和很好的泛化能力［129-130］。

4 問題與展望

隨著“雙碳”政策的實施、人民生活水準的提升和新型電力系統(tǒng)的發(fā)展，電力負荷呈現(xiàn)出氣象敏感性、用戶用電行為相關(guān)性、與交通融合形成時空隨機性等新特性，對負荷模型的多維度特征提取及關(guān)聯(lián)能力提出了新的要求。電力電子電路及其參數(shù)和控制邏輯等對電力負荷穩(wěn)態(tài)與暫態(tài)等模型形成的挑戰(zhàn)，成為電力負荷未來必須關(guān)注的問題。如何借助人工智能技術(shù)提升電力負荷建模的精度問題日益受到重視，但相關(guān)模型的可解釋性和魯棒性有待提高，針對性的架構(gòu)和方法還欠缺深度和系統(tǒng)性研究。新型電網(wǎng)下的功率平衡、效率最優(yōu)、虛擬阻尼與虛擬慣量等也成為電力負荷的研究熱點。針對以上問題，本文從電力負荷的角度做出以下展望。

1）負荷元件新特性和模型粒度的新技術(shù)影響

空調(diào)負荷氣象敏感性、電動汽車時空隨機性、家用電器負荷與用戶用電行為強相關(guān)性等負荷新特性，目前還沒有得到充分的研究，需要研究一些新模型來精確地描述上述特性。針對負荷元件的新特性，利用電力大數(shù)據(jù)，借助概率統(tǒng)計與深度學(xué)習在處理標識數(shù)據(jù)與非標識數(shù)據(jù)的強大引擎，建立數(shù)據(jù)驅(qū)動與負荷模型驅(qū)動融合新模型或新方法來挖掘電力負荷的氣象敏感性、時空分散性、用戶用電行為特性等電力負荷新特性模型與高精度參數(shù)，實現(xiàn)此類負荷元件的無監(jiān)督學(xué)習，自我進化形成特征和規(guī)律，將是電力負荷模型研究熱點。

隨著電力電子化和智能化控制的大規(guī)模應(yīng)用勢必引起電力負荷動態(tài)行為的質(zhì)變，新型電力負荷的動態(tài)行為受控制器、考慮直流電容器影響的電力電子電源拓撲、物理元件機理等共同作用而形成，呈現(xiàn)多電磁/機電多尺度的動態(tài)特征，除了描述故障下的指數(shù)恢復(fù)型和描述振蕩狀態(tài)下振動型動態(tài)負荷模型外，電能質(zhì)量的幅值變化幅度和持續(xù)時間等因素對電力負荷動態(tài)行為影響程度需要動態(tài)負荷模型的建模粒度不斷深化，以仿真新型電網(wǎng)穩(wěn)態(tài)、暫態(tài)和中長期動態(tài)等場景的運行特征。

2）一種在線負荷建模方法

借助NILM 技術(shù)，獲取用戶負荷元件組成及參數(shù)，為自下而上的負荷建模統(tǒng)計綜合法的工程實施提供了一種更高效的技術(shù)路徑。電能質(zhì)量監(jiān)測平臺和FIS 等提供了具有高顆粒精細度的數(shù)據(jù)，可用于負荷模型擬合與參數(shù)調(diào)整，具有故障擬合法的效用。與自上而下的負荷建?？傮w測辨法融合，借鑒生 成 對 抗 網(wǎng) 絡(luò)（generative adversarial network，GAN）等類似深度學(xué)習生成架構(gòu)，將統(tǒng)計綜合負荷建模結(jié)果作為“生成器”，將母線處的時序量測數(shù)據(jù)作為“原始數(shù)據(jù)”，建立合適的“判別器”，構(gòu)成一種在線負荷建模方法，具體實踐架構(gòu)如圖2 所示。該方法在一定程度上解決了電力負荷地域分散性、隨機性等問題，同時也表征了負荷聚合效用，建立了具有切實可行的工程平臺，實現(xiàn)了電力負荷理論與深度智能平臺的深度融合，將從技術(shù)上大大提升負荷建模精度和自我進化能力，成為未來負荷建模方法領(lǐng)域一個重要研究熱點。

圖2 一種在線負荷建模方法的實現(xiàn)架構(gòu)Fig.2 Implementation architecture of an online load modeling method

3）負荷聚合模型及其市場化運行

在新型電網(wǎng)穩(wěn)態(tài)、不平衡擾動、小擾動和故障擾動等運行場景下，從電力負荷元件物理機理出發(fā)，分析其有功、無功電磁機電等多時間尺度時變調(diào)節(jié)性能，采用大數(shù)據(jù)統(tǒng)計技術(shù)與深度智能聚合技術(shù)，將統(tǒng)計評估不同類型電力負荷元件增長容量及其時空分布、響應(yīng)速度等不同維度上的互補特性，提出可優(yōu)化負荷聚合調(diào)節(jié)性能的分層聚合模型和協(xié)調(diào)控制方法，構(gòu)建可向電網(wǎng)提供持續(xù)穩(wěn)定運行備用或無功響應(yīng)能力的虛擬電廠、虛擬發(fā)電機、虛擬阻尼和虛擬慣量，突破電力負荷分散、單體容量小、調(diào)節(jié)持續(xù)性差和不確定性量化導(dǎo)致其無法大規(guī)模應(yīng)用的困局。

從用戶和電網(wǎng)互動雙贏的角度出發(fā)，分析電力負荷聚合而成的虛擬電廠、虛擬阻尼和虛擬慣量等靈活資源的成本與效益，提出反映電力市場供需狀態(tài)與調(diào)節(jié)資源稀缺的電力負荷動態(tài)可調(diào)資源的價格理論，為統(tǒng)一調(diào)度下的靈活資源激勵機制賦能。最終，形成時空分散電力負荷資源的規(guī)?；酆?、規(guī)?；摵伸`活資源的市場化價值共享、虛擬電廠/阻尼/慣量等在統(tǒng)一調(diào)度下的閉環(huán)驅(qū)動調(diào)節(jié)等，將是電力負荷及其相關(guān)領(lǐng)域的研究熱點。

5 結(jié)語

國內(nèi)外電網(wǎng)調(diào)度部門所采用的負荷模型多為綜合負荷模型，即ZIP+IM，在此基礎(chǔ)上，電力研究機構(gòu)提出了考慮分布式發(fā)電與電網(wǎng)參數(shù)影響的綜合負荷模型。

新型電力負荷元件通?？煞譃榭刂品椒?、電力電子電路和物理元件，其中的物理元件可分為電機等旋轉(zhuǎn)元件、儲能元件和其他元件。在電網(wǎng)穩(wěn)態(tài)運行場景下，新型電力負荷元件呈現(xiàn)出靜態(tài)負荷特征，功率因數(shù)近似為1；在電網(wǎng)暫態(tài)或中長期穩(wěn)定應(yīng)用場景下，新型電力負荷元件的動態(tài)過程受到電路、磁路、開關(guān)器件和控制方法等共同作用而形成，同時也要考慮儲能元件的影響。

國內(nèi)外學(xué)者還積極將諸如遷移學(xué)習和深度學(xué)習等深度學(xué)習技術(shù)應(yīng)用到參數(shù)辨識中，以期提高參數(shù)辨識精度和實現(xiàn)負荷在線建模技術(shù)。

針對電力負荷元件的新特征及其數(shù)學(xué)描述欠缺的問題，本文提出以下探討方向:從物理機理和外在影響因素等出發(fā)，對用電行為鏈進行建模，從而形成對電力負荷元件新特性的描述；綜合考慮電力電子電磁機理和傳統(tǒng)機電機理，對電力電子負荷元件進行多時間粒度的建模，從而滿足不同應(yīng)用領(lǐng)域的負荷建模需求；在負荷建模方法方面，融合統(tǒng)計綜合法和總體測辨法，借鑒GAN 等深度生成算法，建立一種在線負荷建模方法；基于負荷聚合模型實現(xiàn)虛擬電廠、虛擬發(fā)電機等輔助功能，完善市場定價機理，從而激發(fā)荷側(cè)靈活資源的創(chuàng)新發(fā)展。

本文在撰寫過程中得到東南大學(xué)電氣工程學(xué)院胡秦然教授和張遠實老師寶貴建議及鼎力支持和幫助，特此感謝！