应用于时序随机潮流的鲁棒数据驱动过程建模
系统与控制
2023-01-24 v1 系统与控制
机器学习
摘要
本文提出一种鲁棒数据驱动过程模型,其超参数利用Schweppe型广义最大似然估计器进行鲁棒估计。所提模型在记录的电压相量与功率注入时序数据上训练,以执行时序随机潮流计算。电力系统数据常受大误差、故障条件、停电及极端天气等引起的离群值污染。所提模型在训练数据集测量中降低纵向离群值与坏强影响点的权重。用于约束离群值影响的权重由投影统计量计算,其为时序数据点马氏距离的鲁棒版本。所提方法在IEEE 33节点配电系统及一个高度接入可再生能源的真实不平衡240节点配电系统上演示。仿真结果表明,该鲁棒模型可处理训练数据集中多达25%的离群值。
引用
@article{arxiv.2301.02651,
title = {A Robust Data-driven Process Modeling Applied to Time-series Stochastic Power Flow},
author = {Pooja Algikar and Yijun Xu and Somayeh Yarahmadi and Lamine Mili},
journal= {arXiv preprint arXiv:2301.02651},
year = {2023}
}
备注
Submitted to the IEEE Transactions on Power Systems