在配电网中与最终用户学习：拓扑结构和参数估计
摘要：智能电网时代，配电网的高效运行受到实时节点和线路测量仪的限制。特别是，这阻碍了对网格拓扑和相关线路参数的容易估计，而这对于网格的控制和优化工作是必要的。本文研究了仅测量叶节点的径向并衡配电网中拓扑和参数估计的问题，所有中间节点都是未观测/隐藏的。为此，我们提出了两种精确的学习算法，仅使用仅在最终用户处测量的平衡电压和注入量来进行。第一个算法需要带时间戳的电压样本、节点功率注入的统计数据和容许的线路阻抗来恢复真实的拓扑。第二个改进算法仅需要带时间戳的电压和复杂功率样本来恢复真实的拓扑和阻抗，而无需任何附加输入（例如，网格节点数量、隐藏节点注入统计信息、容许的线路阻抗）。我们证明了两个学习算法在未观测节点度数大于3的网格上的正确性，并讨论了在不满足该假设的情况下的扩展。此外，我们还提供了联合拓扑和阻抗估计算法的计算和样本复杂性。我们通过在IEEE和自定义电力分配模型上进行数值实验来展示设计算法的性能。
作者：Sejun Park, Deepjyoti Deka, Scott Backhaus, Michael Chertkov
论文ID：1803.04812
分类：Systems and Control
分类简称：cs.SY
提交时间：2020-03-03