基于DSCADA和μPMU数据融合的配电网运行拓扑辨识

在配电网安装了配电网数据采集及监视控制系统（distribution network supervisory control and data acquisition, DSCADA）和部分节点安装少量微型同步相量测量装置（micro-synchronous phasor measurement unit, μPMU）情形下,提出了一种基于DSCADA和μPMU遥测数据融合的配电网运行拓扑辨识方法。首先,基于μPMU节点电压相位量测构建配电网拓扑变化时刻辨识模型,确定拓扑变化的时刻;然后,基于拓扑变化前后的节点电压变化,借助DSCADA和μPMU的遥测数据构建可能拓扑判据,缩小重构后可能拓扑的范围;最后,使用加权最小二乘法将DSCADA和μPMU遥测数据进行融合,估计出可能拓扑下的节点电压相位,并利用构建的拓扑相似度辨识模型辨识出实际拓扑。算例中考虑μPMU和DSCADA不同量测误差组合,对该算法辨识的准确性进行验证。     

基于注意力机制和卷积神经网络的配电网拓扑辨识

针对当前配电网拓扑变化频繁,拓扑结构实时获取困难等问题,文章提出基于注意力机制和卷积神经网络的配电网拓扑辨识方法。首先利用卷积神经网络挖掘量测信息和配电网拓扑结构之间的关系,学习其映射规则;考虑当前配网中同步相量测量装置(phasor measurement unit,PMU)和微型同步相量测量装置(micophasormeasurementunit,μPMU)等高级量测设备安装数量不足导致获取量测数据质量不高的问题,在卷积神经网络隐藏层中融入注意力机制,以增强模型鲁棒性;通过随机森林算法对特征数据集进行降维,降低模型时、空复杂度;最后,分别基于IEEE 33节点配电网和PG&E69节点配电网开展算例分析,以验证方法的可行性和优越性,并检验利用更少特征进行拓扑辨识的可能性。结果表明：所提方法具有良好优越性和鲁棒性,泛化能力强,在仅提供少量时间断面量测数据情况下便可实现配电网拓扑辨识,且对于辐射网和含环网络同样适用。     

基于电压相似性评估的低压配电网户变关系和相位识别技术研究

低压配电网拓扑关系是电网状态估计的基础。文章针对低压配电网拓扑识别难题,分析了通过电压相似进行户变关系和相位识别的可行性,在此基础上应用Hausdorff距离算法,构建了基于节点电压相似性评估的户变关系和相位识别流程,设计了基于Hausdorff距离识别基本判据,以及包括构建滑动窗口和选择有效电压的数据集优化方法;最后通过实际的案例,验证了文章所提方法的有效性。     

基于互信息贝叶斯网络的配电网拓扑鲁棒辨识算法

基于微型同步相量测量装置(μPMU),提出一种配电网拓扑识别新算法,通过贝叶斯网络(BN)拟合配电网拓扑、光伏、负荷及μPMU测量电压的非线性关系,引入最大互信息网格划分量度连续型节点区间,解决了BN处理连续型数据时需人为指定区间数目、难以适应较多连续型变量的问题.基于拉丁超立方抽样生成光、荷数据,保证了场景在样本空间内均匀分布,简化了BN的训练过程并提高了拓扑识别的泛化能力.通过仿真算例验证方法的有效性,结果表明,所提方法具有与实时估计匹配法相当的识别精度和更高的时效性,且识别时间不随配电网可行拓扑数量的增加而线性增长,适用性佳;即使在μPMU部分失效或负荷、光伏等数据缺失时仍能保证较高识别率,具有较强的鲁棒性.     

基于量测体系的区域配电网拓扑识别方法研究

目前的配电网拓扑识别需要依靠人工现场识别，准确性不高。为此提出一种基于量测体系的区域配电网拓扑识别方法。利用μPMU电压采集系统，采用最大相关和最小冗余算法消除特征变量的冗余，获得准确的线-线识别结果，再采用改进的灰色关联度算法对各变压器和电压采集点之间的连接关系进行判别，从而得到区域配电网的拓扑。仿真结果表明了方法的正确性和有效性，并在实际应用中有显著的效果。     

低压配电网拓扑异动自适应识别与校验

低压配电网拓扑信息对配电网安全运行、故障定位、线损分析等至关重要,但低压配电网拓扑因管理和运行的原因,低压配电网接线图与现场实际拓扑连接存在较大差异,因此有必要研究配电网拓扑异动的自适应识别。基于配电网节点采集电能时序数据,采用主成分分析与凸优化结合算法进行降维分析,通过提取主要特征,将拓扑识别问题转化为凸优化求解回归矩阵,进而识别出低压配电网拓扑结构。利用实际配电网中智能电表获取的电能量测数据及MATLAB随机生成5层31节点网络数据集,对所提方法进行算例验证,结果表明所提优化算法相比传统方法具有较高的识别速度及正确率。     

基于电压聚类排序的中压配电网拓扑在线辨识方法

网络拓扑辨识作为配电网运行和管理的基础，随着城市配电网结构的日趋复杂以及运行安全性和可靠性需求的日渐提高，配电网拓扑辨识面临着严峻挑战。为此，本文提出一种基于电压聚类排序的中压配电网拓扑在线辨识方法。首先梳理了配电网的典型拓扑结构，分析了配电网运行时拓扑的多样性和拓扑辨识的重要性；其次，分析了中压配电网电压的分布特征和相似性，通过挖掘节点电压相似性中蕴含的拓扑信息，利用均值漂移算法辨识分支、利用平均电压法辨识分支结构，实现对配电网拓扑结构的准确辨识；最后，采用某东部城市的负荷曲线，通过算例验证了所提拓扑辨识方法的有效性及优越性。     

基于改进蝠鲼觅食优化SVM的配电网拓扑辨识

针对配电网的拓扑结构变化频繁的问题,提出了一种基于改进蝠鲼觅食优化支持向量机的配电网拓扑辨识方法.考虑到量测数据缺失的问题,提出了基于电压方差K近邻的缺失数据填补方法.利用改进蝠鲼觅食算法同时进行特征选择和支持向量机参数的优化,筛选出对配电网拓扑辨识最有效的部分电压幅值量测.所提方法仅需一个时间断面的部分电压幅值量测数据,且能处理不同类型的分布式电源,适用于量测不足的区县农村配电网,计算速度可满足在线应用需求.通过IEEE 33节点配电网和PG&E 69节点配电网验证了所提方法的有效性.     

基于节点注入功率的配电网运行拓扑辨识

配电网安全监控和数据采集系统(DSCADA)采集的遥信数据存在抖动和误动情况,导致基于遥信数据的配电网拓扑信息可靠性不高。通过微型同步相量量测单元(μPMU)多次采样的节点注入功率,构建基于节点注入功率量测的支路电压偏差的方差模型。采用Kruskal算法得到以支路电压偏差的方差为线路权重的最小生成树,实现对配电网拓扑运行结构的辨识。在此基础上,对比分析节点注入功率量测的采样次数以及网络复杂程度对拓扑辨识误差的影响。IEEE 33和IEEE 123节点系统仿真结果表明,该配电网运行拓扑辨识算法具有较好的可靠性和实用性。     

基于CatBoost算法的配电网分区拓扑辨识

含多分布式电源配电网的拓扑结构具有多样性与多变性,影响拓扑辨识的实时性和准确性。提出一种基于CatBoost算法的配电网分区拓扑辨识方法。构建结合拓扑分区的配电网拓扑辨识框架,采用区域开关状态矩阵描述拓扑结构,以进行物理上的辨识降维;提出基于CatBoost算法的特征选择与拓扑辨识方法,通过分区并行离线训练得到历史拓扑和未知拓扑的区域拓扑辨识CatBoost模型,通过在线应用得到实时的区域开关状态矩阵标签,形成配电网开关状态矩阵,实现系统拓扑辨识。配电网算例系统测试结果验证了所提方法的有效性。     

基于多粒度聚类和多元特征统计的低压配电网拓扑识别与监测

针对低压配电网中用户的户变关系及相位信息常存在错误且变动较为频繁的现象,提出了一种基于多粒度聚类和多元特征统计的低压配电网拓扑识别与监测方法,包含拓扑聚类识别和拓扑统计监测2个阶段。在拓扑聚类识别阶段,基于用户电压波动曲线的α-峭度和α-偏度提取数据粗粒度空间特征,采用密度峰值聚类算法识别所有用户的户变关系;在数据细粒度特征空间,通过考虑延迟效应的动态时间弯曲距离算法优化密度计算过程,实现相位关系的精确聚类。在拓扑统计监测阶段,基于多粒度聚类结果,采用邻域保持嵌入算法建立多元统计监测模型,实现新增用户或拓扑有变化的个别用户的拓扑快速识别。实际算例的分析结果验证了所提方法的有效性。     

基于非线性回归的含隐节点低压配电网参数和拓扑联合辨识

低压配电网参数和拓扑缺乏维护,精度较低,阻碍了在此基础上的各种高级应用的可靠实现.为此,提出了一种基于非线性回归的含隐节点低压配电网参数和拓扑联合辨识方法.首先,分析了现有基于线性电压回归的参数和拓扑辨识方法的不足.其次,基于线路的非线性电压降方程推导出任意两节点串、并联关系的判据,建立了基于节点多时段有功、无功负荷和电压幅值量测的非线性参数估计模型,提出了自下而上的参数估计和拓扑重建算法.最后,采用实际数据和低压配电网算例验证了所提方法的有效性.     

基于数据驱动技术的配电网拓扑结构及线路参数识别方法

配电系统能量管理的优化需要掌控运行状态监测信息,需要对配电网拓扑结构及线路参数进行识别,然而,目前很多方法在识别过程中都要求用相量测量单元（phasor measurement unit,PMU）测量节点电压角,但这对于传统的配电网是不现实的。由此,本文提出了一种在不考虑电压相角信息的情况下进行线路拓扑辨识和参数估计的数值方法,第1步用数据驱动的回归方法对拓扑和线路参数进行初步估计;第2步采用数据和模型驱动的联合方法计算线路参数,恢复电压相角后进一步修正拓扑结构。最后通过算例表明,所提方法可以在不需要电压相角的情况下,在有限的测量样本基础上,准确估计出拓扑和线路参数。     

基于有向邻接矩阵的配电网拓扑检测与识别

准确的拓扑结构是配电网精细化管理和安全运行的基础。针对现有配电网拓扑识别方法无法确定网络潮流方向以及拓扑变动检测方法受负荷突变影响大的问题,提出一种基于有向邻接矩阵的配电网拓扑变动检测与识别方法。首先,提出一种基于有向邻接矩阵的配电网拓扑识别模型,将配电网的未知拓扑描述为不确定的有向邻接矩阵,实现配电网的拓扑识别并确定潮流方向。其次,提出一种基于节点电压邻接矩阵的拓扑变动检测方法,通过分析相邻节点电压幅值的下降趋势判断拓扑是否发生变动。此外,所提出的拓扑变动检测方法可以缩小未知拓扑的范围,降低拓扑识别问题的变量规模。最后,通过仿真分析验证了所提方法的正确性和有效性。     

基于数据驱动的配电网拓扑识别及线路阻抗估计

中低压配电网的拓扑识别及线路阻抗参数估计是未来智能配电网实现各种功能的基础。依托AMI（高级量测体系）提供的电量信息,提出了一种仅依靠配电网节点电压及功率数据驱动的中低压配电网拓扑识别及线路阻抗估计方法。利用核密度估计方法计算各节点电压数据间的互信息并据此分析各节点间相关性;根据图的最小生成树算法生成以邻接矩阵形式表示的配电网拓扑;结合线性回归及Distflow潮流模型对拓扑进行校正,检验拓扑中是否存在AMI系统中没有相关数据的汇流节点并计算线路阻抗;最终得到准确的配电网拓扑及线路阻抗参数。通过IEEE 33节点中压配电网及典型低压配电网算例对所提方法进行了验证,结果表明所提方法能够准确辨识拓扑及线路阻抗参数,即使在感知设备不足的低压配电网中仍有较好的辨识效果。     

面向新能源并网的低压用户链路识别算法

针对新能源并网带来的电压特性变化和低压拓扑关系辨识颗粒度细化需求,提出了基于图信号处理的用户链路识别模型。该识别模型利用相邻节点间的电压相似性表征图信号的平滑性,结合节点电流定律对网络结构的约束,克服新能源并网带来的同相用户电压相似性变差的影响;利用图结构固有的链路属性,实现低压拓扑识别下沉至用户之间的上下游连接关系识别。最后,利用真实用户数据搭建仿真模型验证了所提算法的有效性,探讨了所提算法在不同场景下的性能表现,并与已有识别算法进行了比较分析。算例表明,所提算法与已有算法相比,可有效识别用户链路关系,且对新能源并网渗透率和数据误差率有较好的鲁棒性。     

基于AMI潮流匹配的中压配电网两阶段拓扑辨识

中压配电网拓扑结构变更频繁,基于遥信生成的网络拓扑具有较大的不确定性。为此,提出了一种基于高级量测体系AMI(advanced measurement infrastructure)潮流匹配的辐射状中压配电网两阶段拓扑辨识方法。首先,建立了中压配电网拓扑辨识的改进混合整数二次规划MIQP(mixed-integer quadratic programming)模型,进行初步拓扑辨识;其次,以MIQP结果作为初始拓扑进行局部邻域搜索,采用图的树生成算法生成一阶、二阶邻居生成树,以AMI注入功率量测为负荷依次进行潮流计算,选择电压估计值与量测值最匹配的生成树作为最终拓扑辨识结果;在局部邻域搜索过程中舍弃排名靠后的拓扑以降低潮流匹配计算量。通过33节点配电网算例验证了所提方法的有效性。     

基于SEM-MIP状态估计的配电网拓扑辨识方法

配电网拓扑辨识是配电系统操作的关键问题和重要前提。由于缺乏足够的量测设备和配电系统拓扑的频繁变化,导致实际的配电网拓扑辨识问题十分具有挑战性。为此提出了基于同步量测数据状态估计的实时拓扑辨识方法。该方法可以利用少量相量测量单元的测量数据准确估计配电网拓扑结构。首先,在配电网中引入结构方程模型(structural equation model, SEM),用于捕捉拓扑与支路电流的关系。然后,针对拓扑辨识问题提出了混合整数规划(mixed integer programming, MIP)方法,通过复数方程的虚实部解耦,利用泰勒展开与等效松弛等手段对复数方程和约束条件进行线性化。此外,将配电网运行方式约束以节点为单位进行了重新规划。最后,所提基于结构方程模型的混合整数规划方法(SEM-MIP)可以使用现有的商业求解器求解,并通过一个实际12节点配电系统和IEEE 33节点测试系统验证了所提方法的有效性。     

基于CML的配电网μPMU相量测量算法

配电网受谐波和噪声干扰严重,电压相量的计算难度更大,传统的输电网相量测量精度不能满足配电网的要求。为提高配电网电压相量幅值和相角的测量精度,提出了一种基于条件最大似然估计法(conditional maximum likelihood estimation,CML)的配电网微型同步相量测量单元(μPMU)的相量测量方法。该算法建立了三相不平衡系统的信号模型,在待测量最多包含两个未知量且待测量矩阵与单位矩阵正交不等于零时,利用三相矩阵与样本协方差矩阵的特征向量正交来获取待测量,进而通过几何特性推导出电压相量的幅值及相位表达式,降低了运算量。通过Matlab进行了仿真验证,仿真结果表明所提方法能够在一定程度上提高配电网电压相量幅值和相位的测量精度。     

基于μPMU相量信息的配电网络故障测距方法

配电网参数不准确是影响配电网故障测距精度的主要原因之一,同时实际中配电线路不对称较为严重,也在一定程度上影响了故障测距精度。传统配电网阻抗法故障测距多采用电压电流序分量幅值信息,其精度受到互感器及现场条件制约,难以有本质提高。随着微型同步相量测量单元(micro phasor measurement unit,?PMU)在配电网中的应用,可以获取高精度的相位信息,为基于在线参数辨识的配电网故障测距提供了条件。提出了一种基于μPMU相量信息的配电线路故障测距方法。首先,量化分析了实际配电线路参数误差对故障测距结果的影响,采用考虑线路耦合与线路三相不平衡的集中参数模型。其次,结合μPMU高精度测量的线路正常运行数据与故障数据,以线路参数与故障距离同时作为未知参数,挖掘线路首、末端信息得到的故障点电压相量特性,以电压相量差模值最小作为目标函数,以相角相等作为约束条件,利用内点法优化同时求取实时线路参数与故障距离。最后,在PSCAD中搭建了仿真模型进行验证,仿真结果表明文中提出的算法可以根据故障前后的信息辨识线路参数,并具有较高的故障测距精度。