论数字孪生在异构测量随机数据缺失下配电系统状态估计中的潜力
系统与控制
2025-11-11 v1 系统与控制
摘要
传统的基于统计优化的状态估计（DSSE）算法依赖于详细的电网参数以及对所有可能不确定性的数学假设。此外，由通信故障、拥塞和网络攻击引起的随机数据缺失使得这些方法极易变得不可行。受数字孪生（DT）最新进展的启发，本文提出了一种基于交互式注意力的 DSSE 模型，通过整合物理实体、虚拟建模和数据融合三个核心组件来实现稳健的电网监测。为了增强对异构测量中各种数据缺失的鲁棒性，我们首先提出了物理信息驱动的数据增强与迁移。此外，提出了最先进的基于注意力的时空特征学习，随后采用新颖的交叉交互特征融合以进行稳健的电压估计。在具有原始数据的真实世界不平衡 84 节点配电系统中进行的案例研究，验证了所提出的 DT 模型在估计电压状态方面的准确性和鲁棒性，该测试包含了随机位置、任意比例（高达总测量数 40%）的数据缺失。
引用
@article{arxiv.2511.06583,
title = {On the Potential of Digital Twins for Distribution System State Estimation with Randomly Missing Data in Heterogeneous Measurements},
author = {Ying Zhang and Yihao Wang and Yuanshuo Zhang and Eric Larson and Di Shi and Fanping Sui},
journal= {arXiv preprint arXiv:2511.06583},
year = {2025}
}
备注
Accepted by the 2025 IEEE Power and Energy Society General Meeting