基于LMP数据的无监督拥塞状态识别
系统与控制
2024-11-18 v1 机器学习
系统与控制
摘要
更好地理解节点边际价格（LMP）的变化有助于价格预测和市场策略制定。本文采用无监督方法研究高维欧几里得空间中LMP拥塞部分的基本分布。分析了基于无损和有损直流最优潮流（DC-OPF）的LMP模型，展示了LMP数据的重叠子空间性质。LMP的拥塞部分由功率传输分配因子（PTDF）矩阵的某些行向量张成，发现LMP向量的子空间属性唯一地反映了所有输电线路的瞬时拥塞状态。提出的方法以层次化方式搜索张成拥塞LMP数据子空间的基向量。在自底向上的搜索中，检测属于一维子空间的数据，并将其他数据投影到正交子空间上。重复此过程，直到找到所有基向量或出现基向量间隙。自顶向下的搜索通过带异常值的超平面检测来解决基向量间隙问题。一旦检测到所有基向量，即可识别拥塞状态。基于IEEE 30节点系统、IEEE 118节点系统、伊利诺伊200节点系统和西南电力池的数值实验展示了所提方法的性能。
引用
@article{arxiv.2411.10058,
title = {Unsupervised Congestion Status Identification Using LMP Data},
author = {Kedi Zheng and Qixin Chen and Yi Wang and Chongqing Kang and Le Xie},
journal= {arXiv preprint arXiv:2411.10058},
year = {2024}
}
备注
Paper accepted for IEEE Transactions on Smart Grid. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses