基于数据的线性化：最小二乘近似
系统与控制
2021-11-09 v1 系统与控制
摘要
潮流线性化是电力系统分析中的一个重要课题。在线性潮流模型下计算负担可大幅降低，而模型误差是主要问题。因此，文献中提出了各种线性潮流模型并致力于寻求最优近似。大多数线性潮流模型基于交流潮流方程的某种变换/简化/泰勒展开，在冷启动模式下无法保持准确。令人惊讶的是，基于数据的线性化方法尚未得到充分研究。本文研究了基于数据的最小二乘近似方法的性能。所得冷启动灵敏因子被命名为最小二乘分布因子（LSDF）。与传统功率传输分布因子（PTDF）相比，发现 LSDF 在负荷变化较大的系统中表现非常好，且 LSDF 的平均误差仅约为 PTDF 平均误差的 1%。进行了全面的数值测试，结果表明 LSDF 在所有研究案例中均具有引人注目的性能，在仅需冷启动线性潮流模型的场合具有很大的应用潜力。
引用
@article{arxiv.2007.02494,
title = {Data Based Linearization: Least-Squares Based Approximation},
author = {hentong Shao and Qiaozhu Zhai and Jiang Wu and Xiaohong Guan},
journal= {arXiv preprint arXiv:2007.02494},
year = {2021}
}