Comprehensive Comparison of Data-Driven Dynamic Load Model Identification Methods Based on Simulated and Actual Pmu Data

Abstract

Load modeling and identification are important in power system stability analysis. This thesis tests and validates a stochastic dynamic load model, which has been accepted widely in academia but has not been tested using real PMU measurements data. Besides, three different methods, namely, the least square method, unscented Kalman filter method, and the nonlinear dynamic recursive method based on the Ornstein-Uhlenbeck process are tested and compared in identifying the load model parameters using the simulated data in IEEE 39-bus system. Also, the real PMU measurements collected from the GZB, SX, and WX substations in China Southern Power Grid are used to test the load model and three identification methods. Comprehensive studies considering the window size, update weight, initial value, and time step have been carried out to illustrate and compare the accuracy and robustness of the three methods. It has been observed in numerical studies that the least square method may not always guarantee good accuracy. The unscented Kalman filter method typically provides better estimations than the dynamic recursive method if the time constant of a load is less than 5s, while the dynamic recursive method is more accurate if the time constant of a load is larger than 6s. In the tests using real PMU measurements, the unscented Kalman filter method and the dynamic recursive method provide convergent estimation results.

Alternate abstract:

La modélisation et l'identification des charges sont importantes dans l'analyse de la stabilité du système électrique. Cette thèse teste et valide un modèle de charge dynamique stochastique, qui a été largement accepté dans le milieu universitaire mais n'a pas été testé à l'aide de données de mesures PMU réelles. En outre, trois méthodes différentes, à savoir la méthode des moindres carrés, la méthode du filtre de Kalman sans parfum et la méthode récursive dynamique non linéaire basée sur le processus Ornstein-Uhlenbeck sont testées et comparées pour identifier les paramètres du modèle de charge en utilisant à la fois les données simulées dans IEEE 39-bus système et les mesures PMU réelles collectées des sous-stations GZB, SX et WX. Des études approfondies prenant en compte la taille de la fenêtre, le poids de la mise à jour, la valeur initiale et le pas de temps ont été réalisées pour illustrer et comparer la précision et la robustesse des trois méthodes. Il a été observé dans des études numériques que la méthode des moindres carrés ne garantit pas toujours une bonne précision. La méthode du filtre de Kalman sans parfum fournit généralement de meilleures estimations que la méthode récursive dynamique si la constante de temps d'une charge est inférieure à 5s, tandis que la méthode récursive dynamique est plus précise si la constante de temps d'une charge est supérieure à 6s. Dans les tests utilisant des mesures PMU réelles, la méthode du filtre de Kalman sans parfum et la méthode récursive dynamique fournissent des résultats d'estimation convergents.