电力网络中用于不良数据检测和状态估计的稀疏恢复模型性能分析
最优化与控制
2016-06-08 v1
摘要
本文研究了电力网络中用于不良数据检测和状态估计的稀疏恢复模型。将两个稀疏模型，即稀疏L1松弛模型（L1-R）和多阶段凸松弛模型（Capped-L1），在不良数据处理能力和计算效率方面与加权最小绝对值（WLAV）进行比较。数值测试在具有线性和非线性测量的电力系统上进行。基于数值测试，本文评估了这些鲁棒状态估计模型的性能。此外，还给出了当这些稀疏恢复模型用于电力网络时如何选择参数的建议。
引用
@article{arxiv.1606.02066,
title = {Performance Analysis of Sparse Recovery Models for Bad Data Detection and State Esti-mation in Electric Power Networks},
author = {Junwei Yang and Wenchuan Wu and Weiye Zheng and Wenjun Xian and Boming Zhang},
journal= {arXiv preprint arXiv:1606.02066},
year = {2016}
}