一种用于不平衡配电系统拓扑估计的自适应重要性采样增强贝叶斯方法
系统与控制
2021-10-19 v1 系统与控制
摘要
配电系统的可靠运行依赖于对其拓扑和系统状态的充分先验知识。尽管至关重要，但由于缺乏对开关状态的直接监测设备，配电系统操作员在进行实时应用时往往无法获取拓扑信息或该信息已过时。除了配电系统的可观测性有限之外，其他挑战还包括模型的非线性、配电系统复杂且不平衡的结构以及系统的规模。为了克服上述挑战，本文提出了一个贝叶斯推断框架，使我们能够同时估计三相不平衡配电系统的拓扑和状态。具体而言，通过使用与预测负荷数据相关的极少量可用测量值，我们有效地恢复了在正常运行和停电运行条件下系统拓扑的完整贝叶斯后验分布。这是通过自适应重要性采样过程实现的，该过程在保持良好估计精度的同时，极大地减轻了传统基于蒙特卡洛（MC）采样的方法的计算负担。在 IEEE 123 节点测试系统和一个不平衡的 1282 节点系统上进行的仿真揭示了所提方法的优异性能。
引用
@article{arxiv.2110.09030,
title = {An Adaptive-Importance-Sampling-Enhanced Bayesian Approach for Topology Estimation in an Unbalanced Power Distribution System},
author = {Yijun Xu and Jaber Valinejad and Mert Korkali and Lamine Mili and Yajun Wang and Xiao Chen and Zongsheng Zheng},
journal= {arXiv preprint arXiv:2110.09030},
year = {2021}
}