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。     

基于生成对抗网络与局部电流相量的配电网拓扑鲁棒辨识

有源配电网运行方式切换频繁且其量测受噪声影响,要求其拓扑辨识具有实时性和鲁棒性,但传统方法驱动的有限观测条件下拓扑辨识是非确定性多项式(NP)难问题。文中提出一种基于生成对抗网络与局部电流相量的配电网拓扑鲁棒辨识方法。为解决传统监督学习在未知拓扑辨识任务下泛化能力差的问题,通过梯度惩罚优化的条件生成对抗网络(CGAN)学习由线路电流幅值、相角和节点负荷伪测量映射的拓扑分布。同时,以一维卷积神经网络构建生成器,有效利用连续观测窗中时序电流数据,增强算法的抗噪和抗数据缺失性能。此外,仅局部的电流信息需求大幅降低了配电网可观性改造投资。最后,通过算例验证了所提方法的有效性。     

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。     

基于节点电压差值的配电网故障定位方法

针对基于微型同步相量量测(μPMU)的配电网故障定位方法存在经济性与定位精度有待提高的问题,提出了一种基于节点电压差值的配电网故障定位方法。通过分析配电网节点电压的故障特性,定义了节点电压计算值与量测值的差值指标W。然后,利用节点电压计算值与量测值之间的数值关系,建立了有限量测装置情形下的配电网故障支路辨识原则。进而,根据故障支路两端节点的量测数据,利用末端节点注入电流后线路间节点电压变化值与末端节点量测电压变化值间的关系,提出一种基于线路末端节点电压差值的故障定位方法。仿真表明,所提方法可以实现有限量测装置情形下的故障准确定位,且定位结果受故障类型、过渡电阻、量测误差的影响较小,具有较好的抗线路参数和节点负荷变化的能力。     

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μPMU电压相位数据的配电网拓扑辨识

为了满足配电网拓扑识别快速准确的要求,提出了一种基于微型同步相量量测装置（micro-synchronous phasor measurement unit,μPMU）的配电网拓扑识别方法。获取拓扑变化前后的电压相位构建拓扑变化辨识参数,辨识出系统拓扑变化时刻;提出基于相位差异度的拓扑识别算法,借助μPMU获取的数据及潮流计算,分析不同拓扑条件下电压相位与实际相位间的差异,选取差异度最小所对应的拓扑为实际拓扑,实现对配电网的拓扑识别。通过仿真算例验证所提方法的合理性,结果表明,拓扑变化时刻辨识判据正确可靠,所提拓扑识别算法的识别正确率高。     

一种配电网状态估计实用算法的探讨

文章介绍了一种新的配电网状态估计算法。该算法中的潮流算法是基于ZBUS法的潮流算法，并针对配电网的树状辐射形结构，采用了基于支路电流的量测变换方法以处理量测量，经特殊处理后也可以方便地处理电流幅值量测和节点电压量测。文中还给出了6节点、IEEE9节点和湖北恩施40节点配电网的计算结果。计算结果表明，文中所提算法能大大提高数据精度，并能快速可靠收敛。     

基于预测残差的配电网三相状态估计

为了提高配电网状态估计的计算精度和计算速度,针对常规抗差状态估计算法迭代次数较多的特点,给出了一种以节点电压为状态量,基于预测残差的配电网三相抗差状态估计方法。利用了配电网中各种类型的量测,通过对节点电压和支路电流的相位变换,以及对电流幅值量测进行的等效量测变换,实现了整个雅可比矩阵的常数化,在迭代过程中保持不变,降低了计算量。基于预测残差的信息设置抗差状态估计中的等价权,避免了常规抗差状态估计算法对等价权修正中不必要的多次迭代,提高了收敛速度。算例分析表明,所提的算法抗差能力强、计算速度快、数值稳定性和鲁棒性较好。     

考虑数据失衡的新型配电网两阶段拓扑辨识

在新型电力系统快速发展的背景下，配电网中各类分布式电源、储能、电动汽车、柔性负荷的接入占比不断增加，运行方式日趋复杂多变，其拓扑的精确辨识也更有难度。针对现有配电网量测数据采集周期较长、辨识方法对数据不平衡敏感而导致辨识精度不高的问题，提出了一种两阶段的新型配电网拓扑辨识方法。首先，采用两层堆叠的图卷积网络生成系列标签分类器，再用卷积神经网络提取量测时间序列的特征，并结合多标签分类学习实现第一阶段的初步辨识。其次，对初步辨识获得的初始拓扑中状态为“阴性”(开断)的支路进行全状态空间搜索，并通过潮流匹配模型，筛选出耗散值最小的状态样本，实现“假阴性”二次辨识。最后，在改进的IEEE33节点含新能源配电网络上进行仿真验证。结果表明，所提模型和方法能有效解决数据失衡的问题，并具有更高的辨识精度。     

基于AMI量测信息的低压配电网拓扑校验方法

针对目前低压配电网络拓扑连接关系辨识的难题,提出了一种基于AMI量测信息的低压配电网拓扑校验方法。该方法首先借助高级量测体系AMI提供的负荷量测信息以及网络数据,得出同一配电变压器下各负荷所属耦合节点电压以及所属支路电流,然后分别求得所有负荷间耦合节点电压和支路电流的相关系数,进行相关性分析,即相关性强的负荷同属于同一馈线,进而确定各负荷所属的馈线;之后根据负荷的耦合节点电压幅值大小,确定各负荷在所属馈线中的上下游关系,最后通过相关性分析结果以及负荷的耦合节点电压分布,对存在错误连接关系的负荷进行修正,最终完成低压配电网络拓扑的校验与修正。算例证明了该算法的可行性与有效性。     

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。     

基于负荷预测和无迹粒子滤波的配电网动态状态估计

随着汽车充电成为新型重要负荷,为确保此时配电网运行与控制安全,对其进行实时准确的态势感知,提出一种基于卷积神经网络和门控循环单元的短期负荷预测与无迹粒子滤波算法自适应混合的配电网动态状态估计方法。结合使用卷积神经网络和门控循环单元进行短期负荷预测,将预测得到的有功与无功功率进行潮流计算,再与无迹粒子滤波量测估计值自适应加权得到电压幅值和相角状态估计结果。以IEEE33节点配电网为例,验证了所提状态估计方法的准确性与面对不良数据时的鲁棒性。     

考虑无功补偿的10 kV馈线拓扑数据驱动辨识方法

中压配电网的拓扑结构对其运行分析与优化有着重要作用。近年来,配电网中的量测装置记录了大量稳态数据,如何利用量测数据辨识中压配电网拓扑结构成为研究重点。针对现有拓扑辨识方法未考虑馈线有无功补偿的情况,提出了考虑无功补偿的10 kV馈线拓扑辨识方法。首先,揭示了相邻节点电压降与节点间线路传输的有功功率和无功功率呈线性关系;然后,采用量测数据驱动的方式,通过线性回归误差平方和的比较,辨识10 kV馈线的末端节点和上级节点,进而通过迭代不断去除末端节点,直至剩余节点数为1;最后,利用迭代过程中产生的末端节点及上级节点信息重构馈线拓扑。算例验证了所提方法的有效性和鲁棒性。     

基于CNN-LSTM-Attention的配电网拓扑实时辨识方法

配电网中准确的拓扑结构辨识对运行和控制具有重要意义,针对实际配电网拓扑结构变动的情况,搭建了可智能辨识配电网拓扑结构的深度学习模型。首先,生成不同拓扑结构下的配电网量测数据并进行数据预处理。其次,构建了融合CNN（卷积神经网络）、LSTM（长短期记忆网络）和Attention（注意力机制）的拓扑结构智能辨识模型,并结合历史量测数据对模型训练并测试。最后,在IEEE 33节点和PG&E69节点配电系统仿真算例中,验证了该基于CNN-LSTM-Attention模型的拓扑辨识方法相较于传统辨识方法在辨识精度上的优越性,实现了该模型的在线应用。