一种用于电力系统元件辨识的贝叶斯框架
信号处理
2020-01-22 v1
摘要
拥有电力系统元件（如发电机、负荷或辅助设备）的实际模型对于正确评估电力系统运行状态和确定稳定裕度至关重要。然而，电力系统运营商通常对电力系统元件参数的实际值掌握的信息有限。即使有模型可用，其运行参数和控制设定也是随时间变化的，并依赖于实时辨识。理想情况下，这些参数应根据测量数据（如相量测量单元（PMU）信号）来辨识。然而，在缺乏暂态动态的情况下，从环境测量中做到这一点具有挑战性，因为此类信号的信噪比（SNR）未必很大。本文中，我们设计了一个基于环境 PMU 数据的电力系统元件参数在线辨识贝叶斯框架，该框架在 SNR 低至 5 时仍具有可靠性能，且对于某些参数即使在单位 SNR 下也能给出良好估计。我们以一种鲁棒且省时的数值方法支撑该框架。我们在一台同步发电机实例上说明了该方法的有效性。
引用
@article{arxiv.2001.06704,
title = {A Bayesian Framework for Power System Components Identification},
author = {Artem Mikhalev and Alexander Emchinov and Samuel Chevalier and Yury Maximov and Petr Vorobev},
journal= {arXiv preprint arXiv:2001.06704},
year = {2020}
}