基于非平衡图生成对抗网络的有源配电网合成生成
系统与控制
2021-08-03 v1 机器学习
系统与控制
最优化与控制
摘要
带有相关智能电表（SM）数据的真实有源配电网对电力研究人员至关重要。然而，出于隐私考虑，研究人员实际上很难从公用事业公司获取此类综合数据集。为弥补这一差距，设计了一种具有 Wasserstein GAN 目标的隐式生成模型，即非平衡图生成对抗网络（UG-GAN），用于生成合成的三相非平衡有源配电系统连接拓扑。其基本思想是学习真实世界系统上以及各相线段上的随机游走分布，捕捉单个真实世界配电网络的底层局部特性，并据此生成特定的合成网络。随后，为创建综合合成测试用例，提出了一种网络修正与扩展流程，以获得具有现实参数的时序节点负荷与标准配电网元件，包括分布式能源（DERs）与电容组。已利用带有1年 SM 数据的中西部配电系统来验证我们所提方法的性能。结合若干电力应用的案例研究表明，所提框架生成的合成有源网络可模拟真实世界网络几乎全部特征，同时避免机密信息泄露。
引用
@article{arxiv.2108.00599,
title = {Synthetic Active Distribution System Generation via Unbalanced Graph Generative Adversarial Network},
author = {Rong Yan and Yuxuan Yuan and Zhaoyu Wang and Guangchao Geng and Quanyuan Jiang},
journal= {arXiv preprint arXiv:2108.00599},
year = {2021}
}