基于深度神经网络的时间同步配电系统状态估计性能的解析验证
机器学习
2024-02-23 v4 系统与控制
系统与控制
摘要
近来，我们展示了使用深度神经网络（DNNs）的时间同步状态估计器在实时不可观测配电系统中取得成功。在本快报中，我们给出该状态估计器性能关于输入测量扰动的解析界。已有研究表明，仅基于测试数据集评估性能可能无法有效指示训练后 DNN 处理输入扰动的能力。因此，我们通过将 DNN 视为混合整数线性规划（MILP）问题，解析验证其对输入扰动的鲁棒性与可信性。批量归一化在解决 MILP 公式可扩展性局限方面的作用亦被强调。该框架通过对 modified IEEE 34-节点系统及一个真实大型配电系统（二者均由微型相量测量单元不完全观测）执行时间同步配电系统状态估计得到验证。
引用
@article{arxiv.2311.06973,
title = {Analytical Verification of Performance of Deep Neural Network Based Time-Synchronized Distribution System State Estimation},
author = {Behrouz Azimian and Shiva Moshtagh and Anamitra Pal and Shanshan Ma},
journal= {arXiv preprint arXiv:2311.06973},
year = {2024}
}
备注
8 pages, in Journal of Modern Power Systems and Clean Energy, 2023