考虑实际部署挑战的全程时间同步状态估计
信号处理
2024-03-22 v3 机器学习
摘要
由于相量测量单元（PMU）布点问题涉及成本效益权衡，更多 PMU 被放置在较高电压母线上。然而，这导致大电力系统的许多较低电压等级未被 PMU 观测到。这种可见性的缺失使得全程时间同步状态估计成为一项具有挑战性的问题。我们提出了一种基于深度神经网络的状态估计器（DeNSE）来克服该问题。DeNSE 采用贝叶斯框架，间接融合来自慢时间尺度但广泛分布的监控与数据采集（SCADA）数据的推断与快时间尺度但精选的 PMU 数据，以获得整个系统的亚秒级态势感知。所提方法的实际效用通过考虑拓扑变化、非高斯测量噪声以及不良数据检测与校正得以验证。基于 IEEE 118-母线系统所得结果表明，从技术经济可行性角度看，DeNSE 优于纯 SCADA 状态估计器和仅 PMU 的线性状态估计器。最后，通过对一个大型且真实的 2000-母线 Synthetic Texas 系统状态进行估计，证明了 DeNSE 的可扩展性。
引用
@article{arxiv.2212.01729,
title = {Time-Synchronized Full System State Estimation Considering Practical Implementation Challenges},
author = {Antos Cheeramban Varghese and Hritik Shah and Behrouz Azimian and Anamitra Pal and Evangelos Farantatos},
journal= {arXiv preprint arXiv:2212.01729},
year = {2024}
}