利用分位数预测表征不确定性下主动配电网的动态等值

随着配电网（DN）从消费者转变为主动且具响应能力的智能配电网，如何在大规模输电网（TN）研究中对其进行表征仍在探索中。采用逆变器接口发电的聚合模型与传统负荷模型的标准方法给动态建模引入了显著误差，可能导致失稳。本文提出一种基于分位数预测的新方法，用于在输电网层面表征源于配电网的不确定性。首先，我们通过配电网的蒙特卡洛模拟获取所需的丰富数据集。随后，我们使用机器学习（ML）算法不仅预测最可能的响应，还预测具有预定义置信度的潜在响应区间。这些分位数方法在输电网层面表征了配电网响应的方差。结果表明大多数机器学习技术具有优异性能。经调参的分位数等值模型在输电网/配电网接口处对电流预测出准确区间，且在未见过的输电网工况下测试显示出鲁棒性。将蒙特卡洛轨迹与预测区间进行对比的最终评估凸显了所提方法的潜力。