基于图盲源分离的电力量测系统拓扑与状态估计
信息论
2019-03-27 v1 math.IT
摘要
本文考虑电力系统中的状态与拓扑盲估计（BEST）问题。我们采用实功率量测的线性化直流模型，其中电压相角（即状态）未知、导纳矩阵（即拓扑）未知，并证明 BEST 问题可表述为具有加权拉普拉斯混合矩阵的盲源分离（BSS）问题。针对具有高斯分布状态的图盲源分离（GBSS）问题，我们发展了拉普拉斯矩阵的约束最大似然（ML）估计器。ML-BEST 被证明仅是状态二阶统计量的函数。由于 ML-BEST 方法的拓扑恢复阶段导致高复杂度优化问题，我们提出两种低复杂度实现方法：1）两阶段拓扑恢复，基于求解松弛凸优化再寻找最接近的拉普拉斯矩阵；2）增广拉格朗日拓扑恢复。我们推导了拓扑矩阵估计的相关克拉美-罗界（CRB）的闭式表达式。所提方法的性能在 IEEE-14 总线测试系统和随机网络上进行了评估。结果表明，渐近地，所提 ML-BEST 方法的状态估计性能与先知最小均方误差（MSE）状态估计器一致，且拓扑估计的 MSE 达到所提 CRB。
引用
@article{arxiv.1809.06161,
title = {Power Systems Topology and State Estimation by Graph Blind Source Separation},
author = {Sivan Grotas and Yair Yakoby and Idan Gera and Tirza Routtenberg},
journal= {arXiv preprint arXiv:1809.06161},
year = {2019}
}