面向配电网的分段层级电压估计通用模型学习
机器学习
2025-10-21 v1 人工智能
系统与控制
系统与控制
摘要
配电网中准确的电压估计对于实时监测和提高电网可靠性至关重要。随着可再生能源渗透率的增加和配电水平电压波动性增大，鲁棒的配电系统状态估计 (DSSE) 变得更加 essential 为了保持安全和高效的运行。然而，传统的 DSSE 技术在稀疏测量和现代配电母线规模方面受限，限制了其对大型网络的可扩展性。本文提出了一种针对配电变电站层级电压估计的分层图神经网络，利用电气拓扑和物理特征，同时对现实世界配电网络中常见的低可观测性水平保持鲁棒性。该模型在公开的 SMART-DS 数据集上进行训练和评估，涵盖数千条母线、多个变电站以及多种可再生能源渗透场景。综合实验表明，所提出的方法相对于替代数据驱动模型 Achieved 最高可降低 2 倍的均方根误差 (RMSE)，即使只有 1% 的测量覆盖率，也能保持高准确率。结果凸显了图神经网络实现配电系统可扩展、可重复和数据驱动电压监控的潜力。
引用
@article{arxiv.2510.16063,
title = {Learning a Generalized Model for Substation Level Voltage Estimation in Distribution Networks},
author = {Muhy Eddin Za'ter and Bri-Mathias Hodge},
journal= {arXiv preprint arXiv:2510.16063},
year = {2025}
}