论文部分内容阅读
【摘要】复杂性研究是近几年国内外科学和哲学研究的一个前言和热点。电力负荷建模是经长期研究而始终没有解决的难题。本文首先介绍从哲学和科学的现代景观探讨复杂性概念,揭示对复杂系统的一般理解,然后论述电力系统负荷的复杂性,指出电力负荷的联结论模型保持了电力负荷的复杂性。该模型自身具有复杂的结构,以分布形式对关于环境的信息进行编码,具有自组织其内部结构的能力。这对我们今后的电力系统负荷建模研究及进一步更好的理解电力系统负荷的复杂性具有促进指导意义。
【关键词】复杂性 分布式 自组织 电力负荷建模 联结论模型
【中图分类号】TM76 【文献标识码】A 【文章编号】1009-9646(2008)07(b)-0164-02
1 引言
复杂性研究或复杂性科学是近几年国内外科学和哲学研究的一个前言和热点,被称为“21世纪的科学”[1-3]。复杂性研究显现出强烈的跨学科性,在处理与解决实际的复杂系统问题的过程中力图超越还原论,建立复杂性的思维范式和科学模式[4]。贝塔朗菲创立一般系统论标志着复杂性科学的诞生。人们把一般系统论称为研究复杂性存在的理论,它是复杂性科学研究发展历史第一阶段的代表性成果。随后经过普里高津、哈肯等对复杂性建立起演化的理论,并最后经过桑塔菲研究所的学者们对复杂性进行全面、综合的研究,复杂性研究才真正走上了科学的康庄大道[5]。
“复杂”(complex)就其词义的内容包括两个方面:本体论方面,它指事物的组成杂而多;认识论方面,它指难于理解和解释,不清楚,不容易处理。“复杂性”(complexity)就是指“复杂”的性质或状态[6]。Paul Cilliers从哲学和科学的现代景观探讨复杂性概念,揭示对复杂系统的一般理解。
2 复杂性及其建模
“复杂性”概念并非单义的。一个系统,尽管它是由及其大量组分构成,但倘若可从其个体组成而获得关于系统的某种完整描述,这样的系统是复合的[7]。复杂系统存在着系统的组成之间、系统与环境之間具有相互作用,一个整体的系统不可能只通过分析其组分而得到完全解。许多系统貌似简单,但仔细考察却显现出显著的复杂性;一些貌似复杂的系统,却可以简单地描述。简单和复杂往往是相互掩饰的。对复杂性很难下一个确切的定义,但可以对复杂系统的特征进行分析,以建立某一种一般性描述。
复杂系统的特征有如下的描述:复杂系统由大量的要素构成,要素之间必须有相互作用,这种相互作用必定是动力学的、相当丰富的、非线性的,而且相互作用常常是作用于某个相对小的短程范围。复杂系统通常是开放系统、具有历史,系统中的每一个要素对于作为整体系统的行为是无知的[8]。
复杂系统还必须应付变化着的环境。相应于这些变化的激烈程度,其对系统的资源将有大的需求。为了应付这些需求,系统必须具有两种能力:一种能力是对复杂系统的表征过程;另一种能力复杂系统的自组织过程。
基于规则的符号系统,构成了关于复杂性建模的经典趋法。复杂系统的行为必须归约成一组适当描述该系统的规则,并且系统具有以下主要特征:系统是在抽象的水平上对复杂系统进行建模;这组规则受到中心控制系统的支配;每一个概念都有一个专示符号,或者相反地,每一符号都表示了一个特定概念。
联结论模型(神经网络或分布式处理器)是引入神经激发的“计算”模型。该模型用相互联结的节点网络来建立,是由大量简单的神经元组成的神经网络,其神经元有丰富的关联。伴随着这种神经元之间的关联而生成的权重,决定了网络的特征。在训练期间,网络会调节相互关联的权重值。任何特定权重的值,都是没有什么意义的;而整个系统中的权重值模式,则承载着信息。由于这些模式是复杂的,是由网络自身产生出来的(通过可以运用整个网络的一般学习策略),因此不存在可用来描述网络解决问题过程的抽象程序。在此存在的,只是复杂的关系模式[9]。
神经网络将进化原理应用于数字变量,不是计算某种解,而是将网络设置成为某种满足了所受约束的条件。神经网中没有经典意义上的中心控制,处理是分布遍及整个网络的。联结论网络中个体神经元却没有先定的意义,变化着的遍及若干节点的活动模式执行着有意义的功能,这通常被看作是分布式特征。联结理论系统则趋向于动态地收敛于某个解,通常以渐近方式来实现。联结论网络的内部结构通过自组织过程而发展起来,学习是神经网络的一种隐含特征。在联结论模型中只有一个层次,即神经元及其权重的层次。通过相互作用而不断调节的数字权重。
上面已经介绍了复杂系统所具有的某些特征,复杂系统的模型必须把握住这些特征。以形式符号系统为基础的模型中,这些特征必须要明确地加以建模。在算法描述中必须要描述高层次上的相关性、复归性、分布性等等。在联结论模型中,这些特征都已是模型结构的隐含部分。联结论模型由大量的单元构成,在这些单元中存在具有反馈回路的丰富的相互关联,但仅对局域信息作出响应。
建模的“分布式”方法具有复杂系统的某些特征,因此比强表征理论的、基于规则的模型更有前途。神经网络建模技术对于理解复杂系统的重要性,能够如下概括:神经网络保持了所要建模的系统的复杂性,自身具有复杂的结构;神经网络以分布形式对关于环境的信息进行编码。分布式表征的概念削弱了我们对于传统的表征理论的理解;神经网络具有自组织其内部结构的能力。基于规则的系统不是复杂系统的合适模型,联结论模型对于理解复杂系统以及为其建模,要比基于规则的模型更有用[10]。
复杂系统的模型必须如同系统本身一样复杂。分布性取决于问题的复杂性,神经网络有三个重要的分布式表征。第一个是分布式网络固有的处理复杂性的方式。第二个是涉及它们对解进行概括的能力。在已经进行特定任务的训练之后,它们还应该能够处理相关的却不同于训练样本的新输入。第三是涉及这种趋法的鲁棒性[11]。
复杂性被描述为通过大尺度、非线性相互作用而产生出来的特征;联结论网络分享着复杂系统的特征,有可能运用它们(或其他具有类似功能的分布式建模技术)作为复杂系统的一般模型。这些模型是物理上可执行的或计算上可模拟的。
自组织是复杂系统的一种能力,它使得系统可以自发地、适应性地发展或改变其内部结构,以更好地应付或处理它们的环境。自组织的一般属性包括:系统的结构是系统与其环境之间相互作用的结果,系统的内部结构可以动态地适应环境的变化。自组织包括了较高的秩序、非线性过程,是系统作为一个整体的(或充分大量子系统的)涌现性质。自组织系统的复杂性能够增长,没有某种形式的记忆就不可能有自组织。自组织的过程是某种进化过程的结果,对自组织系统以粗糙的还原主义加以描述是不可能。总之,复杂系统中的自组织过程以如下的方式运行:从外部世界来的信息簇流入到系统中,这种信息将影响系统中的某些组分的相互作用——它将改变网络中的权重值[12]。
复杂系统不仅将组织其自身结构,而且倾向于以优化方式来实现——自组织临界性。自组织临界性是一种整体论理论:全局特征,如大小事件的相对数量,并不取决于微观机制。结果是,系统的全局特征不可能通过分别地分析部分而得到理解。自组织临界性是导致关于动力学系统的一种整体理论的唯一模型或数学描述。
自组织临界性有助于我们理解由大量局域作用着的要素所构成的系统的某些全局特征。
3 为电力负荷的复杂性建模
目前,人们逐步认识到电力负荷建模的重要性,国内外掀起了新一轮负荷建模研究和实践的热潮。美国在2003年“8·14”大停电以后,联合调查组在其最终报告中指出以往采用的负荷模型不合适,美国电力科学研究院为此采用国际招标,开展负荷建模方法的研究[15]。随着我国主要电网的全国性互联进程的推进,电网规模不断扩大,复杂程度愈来愈高,负荷模型对电力系统数字仿真结果的影响已不容忽视[16]。我国国家电网公司将负荷建模列为近期重点工作,各地电网公司也纷纷开展或者开展负荷建模项目。虽然建立符合实际的负荷模型的重要性已被广泛认可,但是由于负荷自身的不确定性及其时变性,负荷建模问题仍然是国内、外电力系统公认的难题[15,17]。
电力系统负荷的复杂性具有如下特征:
(1)电力系统中负荷节点面广、量达,可能有成百上千个负荷节点。电力系统的负荷由感应电动机、同步电动机、整流设备、照明和电热等多种成千上万具有不同特性的负荷元件组成,种类繁多,数量庞大。
(2)由于负荷节点输入、输出量之间的关系是非线性的,电力负荷曲线表现一种貌似随机的复杂动力学行为。随着我国主要电网互联进程的推进,电网越来越复杂,电压等级越来越高,各元件之间的电气距离越来越小,负荷之间动力学的相互作用进一步增强。
(3)实际负荷从系统中吸收的功率不仅与电压频率有关,还与季节、气候、资源、经济发展情况和生活水平等因素有关。负荷具有自身的不确定性及其时变性。负荷的时变性是受人们生活习惯等因素的影响负荷特性随时间变化的性质。负荷时变性的本质是负荷构成成分随时间的不同不断地发生变化。
(4)在电力系统中每一个负荷元件对于作为综合负荷的作用(或行为)是无知的,甚至由大量的负荷元件组成的某一个负荷节点,对综合负荷的作用是无知的,负荷仅仅从系统中吸收的功率电压、频率、还有与季节、气候、生活习惯等因素作出响应。
为了预测和控制电力负荷的复杂行为,我们要为电力负荷建模;同时,较好的负荷模型可以使人们更牢固的理解在电力负荷中遇到的复杂性。
目前,在负荷建模研究领域,负荷建模方法可以归纳为2种:统计综合法、总体测辨法。统计综合法是基于元件的建模方法,根据负荷点各个用电设备的数学模型和所占比例,通过综合的方法得到总的负荷模型。总体测辨法是将综合负荷作为一个整体,从现场采集测量数据,根据这些数据辨识模型结构和参数。两种方法都是根据负荷的特征,遵守一定的规则(这里的规则指选择一种能够完成分类的数学方法),将负荷点的负荷按照负荷特征划分为若干类,然后对负荷进行最直接描述,并具有明确意义的负荷特征的类型,即负荷点的负荷组成情况。
为了更好的理解电力负荷的复杂性,采用电力系统的联结论负荷模型:一个可以实施的综合负荷曲线拟和(curve-fitting)的网络。存在y=f(x1,x2,x3…xn)形式函数,这个函数的输入神经元取值x1至xn,x1,x2,x3…xn指节点的输入电压和频率;输出神经元的近似值为y,即y是实际负荷从系统中吸收的功率;如果网络充分地复杂到近似于函数f,f就是y与x1,x2,x3…xn之间的函数。网络被教会对于给定的x值获得正确的y值。如果训练的样本具有代表性,网络将根据一组输入值精确地“拟合”而得到一条近似于f的曲线。在这里并不需要知道f是什么。对于一组电压频率x和相应的功率y,网络将产生一组权重去自动地拟合负荷曲线。
电力负荷的神经网络模型保持了电力负荷的复杂性。该模型自身具有复杂的结构,以分布形式对关于环境的信息进行编码,具有自组织其内部结构的能力。
分布性取决于负荷的复杂性,电力负荷神经网络模型有如下的分布式表征。(1)分布式网络固有的处理复杂性的方式,在运用网络来解决节点负荷建模的过程中,并不必明确搞清楚此负荷的结构。用作电力负荷模型的网络,必将与负荷本身有同样的复杂度。(2)在已经进行特定任务的训练之后,负荷模型还应该能够处理相关的却不同于训练样本的新输入。在这种分布式表征中,所有的负荷节点,以及其相关的权重,都参与所有样本。无论何时,最大的信息量都可以在所有的节点中获得。电力负荷神经网络模型对解有进行概括的能力。(3)电力负荷神经网络模型具有鲁棒性。该模型的鲁棒性对于应对实际电力系统偶发性的负荷,它就是至关重要的。
负荷模型的结构是负荷发展起来的内部机制。一方面这种机制接受、编码、转换和贮存电压频率变化,以及季节、气候、生活习惯等因素有关信息。另一方面通过负荷从系统中吸收的功率而对这样的信息作出反应。例如随着经济快速发展和人民群众生活改善,空调负荷迅速增长。负荷模型要适应空调负荷的快速增长,就要利用负荷的内部机制,建立适合空调负荷增长的负荷模型结构。
自组织是电力负荷模型的一种能力,它使得电力负荷可以自发地、适应性地发展或改变其内部结构,以更好地应付负荷的环境。电力负荷,变化着的负荷模型内部结构在对大量因素(电压频率的变化、负荷需求、季节、气候、生活习惯等等)作出响应的意义上,是自组织的。尽管所有这些相互作用过分复杂,难以建构起决定论模型,但是对系统结构的大规模的干预也是可能的(频率和电压的调整,负荷的增加或切除,如此等等)。不过,这些干预的效果只是短期可预见的,因为负荷的自发调整涉及太多因素的复杂相互作用——其中许多因素是完全无法控制的。
电力负荷中有许多因素以不同步的方式相互作用——展示了意外的且常常是不可预测的行为(如大面积停电),这种行为的表现是电力负荷的自组织临界性结果。许多合成的综合负荷自然地向临界状态演化,其中微小的事件引發了能够对综合负荷中任何数量的要素影响的链式反应。尽管综合负荷产生出的是比突变小得多的微小事件,但所有大小的链式反应都是整合的动力学的一部分。导致微小事件的机制同时也是导致大面积停电的机制。
目前我国规划设计部门除西北设计院采用包含一定比例电动机的动态模型,其余电网规划设计部门均采用静态负荷模型。电网调度部门的负荷模型,部分采用恒阻抗+电动机,部分采用ZIP模型。这些保守的负荷模型必定使整个电力负荷过分稳定是有缺陷的。大量的电力系统资源都将是受束缚的,电力负荷的适应能力也将严重受损。东北电网应用大扰动试验后采用改进的负荷模型提高了东北电网主要输电断面的输送能力,就是一个例证[18]。
4 结语
虽然我们不能对复杂性下一个确切的定义,但我们可以对复杂性的特征进行洞察。从复杂性的视角进行负荷建模,使我们建立起联结理论负荷模型。我们可以利用建立的负荷模型来预测和控制复杂电力系统的行为,并进一步更好的理解电力系统负荷的复杂性。
参考文献
[1] 系统复杂性研究的新起点与新挑战--全国“复杂性与系统科学哲学研究会”成立大会暨学术研讨会综述[J].自然辩证法研究.2002,18(4):75.
[2],[4],[6] 黄欣荣.复杂性究竟是什么？--复杂性的语义分析[J]. 自然辩证法研究,2004,20(5):31-32.
[3] 跟踪前沿关注现实深化复杂性研究--全国复杂性与系统科学的理论,方法以及应用学术研讨会综述[J].自然辩证法研究,2005,21(2):30.
[5] 黄欣荣.贝塔朗菲与复杂性范式的兴起[J].科学技术与辩证法,2004,21(4):13-14.
[7] [8] [9] [10] [11] [12] 保罗·西利亚斯.复杂性与后现代主义--理解复杂系统[M].曾国屏译.上海:上海科技教育出版社,2006.2-6,39-40,29,97-98,125-128.
[13] 邬焜.复杂性与科学思维方式的变革[J] .自然辩证法研究,2002,18(10).
[14] 武显微,武杰.从简单到复杂--非线性是系统复杂性之根源[J].科学技术与辩证法,2005,22(4).
[15] 鞠平,谢会玲,陈谦.电力负荷建模研究的发展趋势[J].电力系统自动化,2007,31(2):1.
[16] 张红斌,汤涌,等.负荷建模技术的研究现状与未来发展方向[J].电网技术,2007,31(4):6.
[17] 林舜江,李欣然,等.基于实测响应空间的负荷动特性直接综合方法[J].中国电机工程学报,2006,26(21):36.
[18] 王钢,陶家琪,等.东北电网500kV人工三相接地短路试验总结[J].电网技术,2007,31(4):47.
【关键词】复杂性 分布式 自组织 电力负荷建模 联结论模型
【中图分类号】TM76 【文献标识码】A 【文章编号】1009-9646(2008)07(b)-0164-02
1 引言
复杂性研究或复杂性科学是近几年国内外科学和哲学研究的一个前言和热点,被称为“21世纪的科学”[1-3]。复杂性研究显现出强烈的跨学科性,在处理与解决实际的复杂系统问题的过程中力图超越还原论,建立复杂性的思维范式和科学模式[4]。贝塔朗菲创立一般系统论标志着复杂性科学的诞生。人们把一般系统论称为研究复杂性存在的理论,它是复杂性科学研究发展历史第一阶段的代表性成果。随后经过普里高津、哈肯等对复杂性建立起演化的理论,并最后经过桑塔菲研究所的学者们对复杂性进行全面、综合的研究,复杂性研究才真正走上了科学的康庄大道[5]。
“复杂”(complex)就其词义的内容包括两个方面:本体论方面,它指事物的组成杂而多;认识论方面,它指难于理解和解释,不清楚,不容易处理。“复杂性”(complexity)就是指“复杂”的性质或状态[6]。Paul Cilliers从哲学和科学的现代景观探讨复杂性概念,揭示对复杂系统的一般理解。
2 复杂性及其建模
“复杂性”概念并非单义的。一个系统,尽管它是由及其大量组分构成,但倘若可从其个体组成而获得关于系统的某种完整描述,这样的系统是复合的[7]。复杂系统存在着系统的组成之间、系统与环境之間具有相互作用,一个整体的系统不可能只通过分析其组分而得到完全解。许多系统貌似简单,但仔细考察却显现出显著的复杂性;一些貌似复杂的系统,却可以简单地描述。简单和复杂往往是相互掩饰的。对复杂性很难下一个确切的定义,但可以对复杂系统的特征进行分析,以建立某一种一般性描述。
复杂系统的特征有如下的描述:复杂系统由大量的要素构成,要素之间必须有相互作用,这种相互作用必定是动力学的、相当丰富的、非线性的,而且相互作用常常是作用于某个相对小的短程范围。复杂系统通常是开放系统、具有历史,系统中的每一个要素对于作为整体系统的行为是无知的[8]。
复杂系统还必须应付变化着的环境。相应于这些变化的激烈程度,其对系统的资源将有大的需求。为了应付这些需求,系统必须具有两种能力:一种能力是对复杂系统的表征过程;另一种能力复杂系统的自组织过程。
基于规则的符号系统,构成了关于复杂性建模的经典趋法。复杂系统的行为必须归约成一组适当描述该系统的规则,并且系统具有以下主要特征:系统是在抽象的水平上对复杂系统进行建模;这组规则受到中心控制系统的支配;每一个概念都有一个专示符号,或者相反地,每一符号都表示了一个特定概念。
联结论模型(神经网络或分布式处理器)是引入神经激发的“计算”模型。该模型用相互联结的节点网络来建立,是由大量简单的神经元组成的神经网络,其神经元有丰富的关联。伴随着这种神经元之间的关联而生成的权重,决定了网络的特征。在训练期间,网络会调节相互关联的权重值。任何特定权重的值,都是没有什么意义的;而整个系统中的权重值模式,则承载着信息。由于这些模式是复杂的,是由网络自身产生出来的(通过可以运用整个网络的一般学习策略),因此不存在可用来描述网络解决问题过程的抽象程序。在此存在的,只是复杂的关系模式[9]。
神经网络将进化原理应用于数字变量,不是计算某种解,而是将网络设置成为某种满足了所受约束的条件。神经网中没有经典意义上的中心控制,处理是分布遍及整个网络的。联结论网络中个体神经元却没有先定的意义,变化着的遍及若干节点的活动模式执行着有意义的功能,这通常被看作是分布式特征。联结理论系统则趋向于动态地收敛于某个解,通常以渐近方式来实现。联结论网络的内部结构通过自组织过程而发展起来,学习是神经网络的一种隐含特征。在联结论模型中只有一个层次,即神经元及其权重的层次。通过相互作用而不断调节的数字权重。
上面已经介绍了复杂系统所具有的某些特征,复杂系统的模型必须把握住这些特征。以形式符号系统为基础的模型中,这些特征必须要明确地加以建模。在算法描述中必须要描述高层次上的相关性、复归性、分布性等等。在联结论模型中,这些特征都已是模型结构的隐含部分。联结论模型由大量的单元构成,在这些单元中存在具有反馈回路的丰富的相互关联,但仅对局域信息作出响应。
建模的“分布式”方法具有复杂系统的某些特征,因此比强表征理论的、基于规则的模型更有前途。神经网络建模技术对于理解复杂系统的重要性,能够如下概括:神经网络保持了所要建模的系统的复杂性,自身具有复杂的结构;神经网络以分布形式对关于环境的信息进行编码。分布式表征的概念削弱了我们对于传统的表征理论的理解;神经网络具有自组织其内部结构的能力。基于规则的系统不是复杂系统的合适模型,联结论模型对于理解复杂系统以及为其建模,要比基于规则的模型更有用[10]。
复杂系统的模型必须如同系统本身一样复杂。分布性取决于问题的复杂性,神经网络有三个重要的分布式表征。第一个是分布式网络固有的处理复杂性的方式。第二个是涉及它们对解进行概括的能力。在已经进行特定任务的训练之后,它们还应该能够处理相关的却不同于训练样本的新输入。第三是涉及这种趋法的鲁棒性[11]。
复杂性被描述为通过大尺度、非线性相互作用而产生出来的特征;联结论网络分享着复杂系统的特征,有可能运用它们(或其他具有类似功能的分布式建模技术)作为复杂系统的一般模型。这些模型是物理上可执行的或计算上可模拟的。
自组织是复杂系统的一种能力,它使得系统可以自发地、适应性地发展或改变其内部结构,以更好地应付或处理它们的环境。自组织的一般属性包括:系统的结构是系统与其环境之间相互作用的结果,系统的内部结构可以动态地适应环境的变化。自组织包括了较高的秩序、非线性过程,是系统作为一个整体的(或充分大量子系统的)涌现性质。自组织系统的复杂性能够增长,没有某种形式的记忆就不可能有自组织。自组织的过程是某种进化过程的结果,对自组织系统以粗糙的还原主义加以描述是不可能。总之,复杂系统中的自组织过程以如下的方式运行:从外部世界来的信息簇流入到系统中,这种信息将影响系统中的某些组分的相互作用——它将改变网络中的权重值[12]。
复杂系统不仅将组织其自身结构,而且倾向于以优化方式来实现——自组织临界性。自组织临界性是一种整体论理论:全局特征,如大小事件的相对数量,并不取决于微观机制。结果是,系统的全局特征不可能通过分别地分析部分而得到理解。自组织临界性是导致关于动力学系统的一种整体理论的唯一模型或数学描述。
自组织临界性有助于我们理解由大量局域作用着的要素所构成的系统的某些全局特征。
3 为电力负荷的复杂性建模
目前,人们逐步认识到电力负荷建模的重要性,国内外掀起了新一轮负荷建模研究和实践的热潮。美国在2003年“8·14”大停电以后,联合调查组在其最终报告中指出以往采用的负荷模型不合适,美国电力科学研究院为此采用国际招标,开展负荷建模方法的研究[15]。随着我国主要电网的全国性互联进程的推进,电网规模不断扩大,复杂程度愈来愈高,负荷模型对电力系统数字仿真结果的影响已不容忽视[16]。我国国家电网公司将负荷建模列为近期重点工作,各地电网公司也纷纷开展或者开展负荷建模项目。虽然建立符合实际的负荷模型的重要性已被广泛认可,但是由于负荷自身的不确定性及其时变性,负荷建模问题仍然是国内、外电力系统公认的难题[15,17]。
电力系统负荷的复杂性具有如下特征:
(1)电力系统中负荷节点面广、量达,可能有成百上千个负荷节点。电力系统的负荷由感应电动机、同步电动机、整流设备、照明和电热等多种成千上万具有不同特性的负荷元件组成,种类繁多,数量庞大。
(2)由于负荷节点输入、输出量之间的关系是非线性的,电力负荷曲线表现一种貌似随机的复杂动力学行为。随着我国主要电网互联进程的推进,电网越来越复杂,电压等级越来越高,各元件之间的电气距离越来越小,负荷之间动力学的相互作用进一步增强。
(3)实际负荷从系统中吸收的功率不仅与电压频率有关,还与季节、气候、资源、经济发展情况和生活水平等因素有关。负荷具有自身的不确定性及其时变性。负荷的时变性是受人们生活习惯等因素的影响负荷特性随时间变化的性质。负荷时变性的本质是负荷构成成分随时间的不同不断地发生变化。
(4)在电力系统中每一个负荷元件对于作为综合负荷的作用(或行为)是无知的,甚至由大量的负荷元件组成的某一个负荷节点,对综合负荷的作用是无知的,负荷仅仅从系统中吸收的功率电压、频率、还有与季节、气候、生活习惯等因素作出响应。
为了预测和控制电力负荷的复杂行为,我们要为电力负荷建模;同时,较好的负荷模型可以使人们更牢固的理解在电力负荷中遇到的复杂性。
目前,在负荷建模研究领域,负荷建模方法可以归纳为2种:统计综合法、总体测辨法。统计综合法是基于元件的建模方法,根据负荷点各个用电设备的数学模型和所占比例,通过综合的方法得到总的负荷模型。总体测辨法是将综合负荷作为一个整体,从现场采集测量数据,根据这些数据辨识模型结构和参数。两种方法都是根据负荷的特征,遵守一定的规则(这里的规则指选择一种能够完成分类的数学方法),将负荷点的负荷按照负荷特征划分为若干类,然后对负荷进行最直接描述,并具有明确意义的负荷特征的类型,即负荷点的负荷组成情况。
为了更好的理解电力负荷的复杂性,采用电力系统的联结论负荷模型:一个可以实施的综合负荷曲线拟和(curve-fitting)的网络。存在y=f(x1,x2,x3…xn)形式函数,这个函数的输入神经元取值x1至xn,x1,x2,x3…xn指节点的输入电压和频率;输出神经元的近似值为y,即y是实际负荷从系统中吸收的功率;如果网络充分地复杂到近似于函数f,f就是y与x1,x2,x3…xn之间的函数。网络被教会对于给定的x值获得正确的y值。如果训练的样本具有代表性,网络将根据一组输入值精确地“拟合”而得到一条近似于f的曲线。在这里并不需要知道f是什么。对于一组电压频率x和相应的功率y,网络将产生一组权重去自动地拟合负荷曲线。
电力负荷的神经网络模型保持了电力负荷的复杂性。该模型自身具有复杂的结构,以分布形式对关于环境的信息进行编码,具有自组织其内部结构的能力。
分布性取决于负荷的复杂性,电力负荷神经网络模型有如下的分布式表征。(1)分布式网络固有的处理复杂性的方式,在运用网络来解决节点负荷建模的过程中,并不必明确搞清楚此负荷的结构。用作电力负荷模型的网络,必将与负荷本身有同样的复杂度。(2)在已经进行特定任务的训练之后,负荷模型还应该能够处理相关的却不同于训练样本的新输入。在这种分布式表征中,所有的负荷节点,以及其相关的权重,都参与所有样本。无论何时,最大的信息量都可以在所有的节点中获得。电力负荷神经网络模型对解有进行概括的能力。(3)电力负荷神经网络模型具有鲁棒性。该模型的鲁棒性对于应对实际电力系统偶发性的负荷,它就是至关重要的。
负荷模型的结构是负荷发展起来的内部机制。一方面这种机制接受、编码、转换和贮存电压频率变化,以及季节、气候、生活习惯等因素有关信息。另一方面通过负荷从系统中吸收的功率而对这样的信息作出反应。例如随着经济快速发展和人民群众生活改善,空调负荷迅速增长。负荷模型要适应空调负荷的快速增长,就要利用负荷的内部机制,建立适合空调负荷增长的负荷模型结构。
自组织是电力负荷模型的一种能力,它使得电力负荷可以自发地、适应性地发展或改变其内部结构,以更好地应付负荷的环境。电力负荷,变化着的负荷模型内部结构在对大量因素(电压频率的变化、负荷需求、季节、气候、生活习惯等等)作出响应的意义上,是自组织的。尽管所有这些相互作用过分复杂,难以建构起决定论模型,但是对系统结构的大规模的干预也是可能的(频率和电压的调整,负荷的增加或切除,如此等等)。不过,这些干预的效果只是短期可预见的,因为负荷的自发调整涉及太多因素的复杂相互作用——其中许多因素是完全无法控制的。
电力负荷中有许多因素以不同步的方式相互作用——展示了意外的且常常是不可预测的行为(如大面积停电),这种行为的表现是电力负荷的自组织临界性结果。许多合成的综合负荷自然地向临界状态演化,其中微小的事件引發了能够对综合负荷中任何数量的要素影响的链式反应。尽管综合负荷产生出的是比突变小得多的微小事件,但所有大小的链式反应都是整合的动力学的一部分。导致微小事件的机制同时也是导致大面积停电的机制。
目前我国规划设计部门除西北设计院采用包含一定比例电动机的动态模型,其余电网规划设计部门均采用静态负荷模型。电网调度部门的负荷模型,部分采用恒阻抗+电动机,部分采用ZIP模型。这些保守的负荷模型必定使整个电力负荷过分稳定是有缺陷的。大量的电力系统资源都将是受束缚的,电力负荷的适应能力也将严重受损。东北电网应用大扰动试验后采用改进的负荷模型提高了东北电网主要输电断面的输送能力,就是一个例证[18]。
4 结语
虽然我们不能对复杂性下一个确切的定义,但我们可以对复杂性的特征进行洞察。从复杂性的视角进行负荷建模,使我们建立起联结理论负荷模型。我们可以利用建立的负荷模型来预测和控制复杂电力系统的行为,并进一步更好的理解电力系统负荷的复杂性。
参考文献
[1] 系统复杂性研究的新起点与新挑战--全国“复杂性与系统科学哲学研究会”成立大会暨学术研讨会综述[J].自然辩证法研究.2002,18(4):75.
[2],[4],[6] 黄欣荣.复杂性究竟是什么？--复杂性的语义分析[J]. 自然辩证法研究,2004,20(5):31-32.
[3] 跟踪前沿关注现实深化复杂性研究--全国复杂性与系统科学的理论,方法以及应用学术研讨会综述[J].自然辩证法研究,2005,21(2):30.
[5] 黄欣荣.贝塔朗菲与复杂性范式的兴起[J].科学技术与辩证法,2004,21(4):13-14.
[7] [8] [9] [10] [11] [12] 保罗·西利亚斯.复杂性与后现代主义--理解复杂系统[M].曾国屏译.上海:上海科技教育出版社,2006.2-6,39-40,29,97-98,125-128.
[13] 邬焜.复杂性与科学思维方式的变革[J] .自然辩证法研究,2002,18(10).
[14] 武显微,武杰.从简单到复杂--非线性是系统复杂性之根源[J].科学技术与辩证法,2005,22(4).
[15] 鞠平,谢会玲,陈谦.电力负荷建模研究的发展趋势[J].电力系统自动化,2007,31(2):1.
[16] 张红斌,汤涌,等.负荷建模技术的研究现状与未来发展方向[J].电网技术,2007,31(4):6.
[17] 林舜江,李欣然,等.基于实测响应空间的负荷动特性直接综合方法[J].中国电机工程学报,2006,26(21):36.
[18] 王钢,陶家琪,等.东北电网500kV人工三相接地短路试验总结[J].电网技术,2007,31(4):47.