基于学习的混合系统方法用于检测含逆变器资源的配电网中的突发事件
系统与控制
2025-08-27 v1 系统与控制
摘要
本文提出了一种基于机器学习的随机混合系统（SHS）建模框架，用于检测由逆变器资源（IBR）构成的活跃配电网络中的突发事件。具体而言，该框架能够检测正常感知系统无法识别的不可观测突发事件。首先，引入一种将常规资源与IBR资源相结合的状态空间SHS模型，以刻画配电网络连续状态与离散突发事件之间的动态相互作用。该模型形成一个随机切换系统，其中由于突发事件，参数或网络拓扑结构可能会发生变化。我们考虑两种突发事件类别：（i）物理事件，如输电线路故障；（ii）由传感器故障引起的测量异常。利用来自系统状态和网络输出高频采样的多变量时间序列数据，训练一种基于时间序列的学习模型，用于实时突发事件检测和分类。在IEEE 33-bus配电系统上的仿真研究表明，整体检测准确率达到96%。
引用
@article{arxiv.2508.18500,
title = {A Learning-based Hybrid System Approach for Detecting Contingencies in Distribution Grids with Inverter-Based Resources},
author = {Hamid Varmazyari and Masoud H. Nazari},
journal= {arXiv preprint arXiv:2508.18500},
year = {2025}
}
备注
6 pages, 6 figures