基于CNN-LSTM-Attention的配电网拓扑实时辨识方法

配电网中准确的拓扑结构辨识对运行和控制具有重要意义,针对实际配电网拓扑结构变动的情况,搭建了可智能辨识配电网拓扑结构的深度学习模型。首先,生成不同拓扑结构下的配电网量测数据并进行数据预处理。其次,构建了融合CNN（卷积神经网络）、LSTM（长短期记忆网络）和Attention（注意力机制）的拓扑结构智能辨识模型,并结合历史量测数据对模型训练并测试。最后,在IEEE 33节点和PG&E69节点配电系统仿真算例中,验证了该基于CNN-LSTM-Attention模型的拓扑辨识方法相较于传统辨识方法在辨识精度上的优越性,实现了该模型的在线应用。     

基于改进蝠鲼觅食优化SVM的配电网拓扑辨识

针对配电网的拓扑结构变化频繁的问题,提出了一种基于改进蝠鲼觅食优化支持向量机的配电网拓扑辨识方法.考虑到量测数据缺失的问题,提出了基于电压方差K近邻的缺失数据填补方法.利用改进蝠鲼觅食算法同时进行特征选择和支持向量机参数的优化,筛选出对配电网拓扑辨识最有效的部分电压幅值量测.所提方法仅需一个时间断面的部分电压幅值量测数据,且能处理不同类型的分布式电源,适用于量测不足的区县农村配电网,计算速度可满足在线应用需求.通过IEEE 33节点配电网和PG&E 69节点配电网验证了所提方法的有效性.     

基于CatBoost算法的配电网分区拓扑辨识

含多分布式电源配电网的拓扑结构具有多样性与多变性,影响拓扑辨识的实时性和准确性。提出一种基于CatBoost算法的配电网分区拓扑辨识方法。构建结合拓扑分区的配电网拓扑辨识框架,采用区域开关状态矩阵描述拓扑结构,以进行物理上的辨识降维;提出基于CatBoost算法的特征选择与拓扑辨识方法,通过分区并行离线训练得到历史拓扑和未知拓扑的区域拓扑辨识CatBoost模型,通过在线应用得到实时的区域开关状态矩阵标签,形成配电网开关状态矩阵,实现系统拓扑辨识。配电网算例系统测试结果验证了所提方法的有效性。     

基于神经网络数据处理的配网实时参数辨识研究

配电网参数的准确性对其优化运行有着重要意义。但近年来配电网结构日益复杂，采用传统理论计算所得配电网参数与实际数值存在着较大误差。同时，实际量测数据存在误差，导致难以准确辨识其参数信息。为此提出一种基于神经网络数据处理的配电网实时参数辨识方法。首先对配电网建立参数辨识方程，然后利用反向传播神经网络对量测数据进行处理，最后对参数进行辨识，采用33节点系统进行测试。结果表明，所提方法能够准确辨识配电网络线路阻抗、变压器阻抗及导纳等参数，为配电网安全可靠运行及后续控制分析提供了基础支撑。     

基于非线性回归的含隐节点低压配电网参数和拓扑联合辨识

低压配电网参数和拓扑缺乏维护,精度较低,阻碍了在此基础上的各种高级应用的可靠实现.为此,提出了一种基于非线性回归的含隐节点低压配电网参数和拓扑联合辨识方法.首先,分析了现有基于线性电压回归的参数和拓扑辨识方法的不足.其次,基于线路的非线性电压降方程推导出任意两节点串、并联关系的判据,建立了基于节点多时段有功、无功负荷和电压幅值量测的非线性参数估计模型,提出了自下而上的参数估计和拓扑重建算法.最后,采用实际数据和低压配电网算例验证了所提方法的有效性.     

基于注意力机制和卷积神经网络的配电网拓扑辨识

针对当前配电网拓扑变化频繁,拓扑结构实时获取困难等问题,文章提出基于注意力机制和卷积神经网络的配电网拓扑辨识方法。首先利用卷积神经网络挖掘量测信息和配电网拓扑结构之间的关系,学习其映射规则;考虑当前配网中同步相量测量装置(phasor measurement unit,PMU)和微型同步相量测量装置(micophasormeasurementunit,μPMU)等高级量测设备安装数量不足导致获取量测数据质量不高的问题,在卷积神经网络隐藏层中融入注意力机制,以增强模型鲁棒性;通过随机森林算法对特征数据集进行降维,降低模型时、空复杂度;最后,分别基于IEEE 33节点配电网和PG&E69节点配电网开展算例分析,以验证方法的可行性和优越性,并检验利用更少特征进行拓扑辨识的可能性。结果表明：所提方法具有良好优越性和鲁棒性,泛化能力强,在仅提供少量时间断面量测数据情况下便可实现配电网拓扑辨识,且对于辐射网和含环网络同样适用。     

一种基于SCADA量测的线路动态参数辨识方法

为了满足电网海量线路量测数据实时动态参数辨识需求,文中提出了辨识软件自动获取线路实时量测数据进行动态参数的方法。利用输电线路模型推导了基于SCADA量测的输电线路参数辨识的数学表达式,建立了线路参数辨识模型。设计了辨识软件与EMS系统数据转发接口,以及线路建模方案。动态参数辨识在山东郓城县电网应用结果表明,所提方法有效改善了线路参数的准确度,提升了郓城电网状态估计合格率,具有较高的推广应用价值。     

基于配网量测数据的静态负荷模型参数辨识

电力负荷作为电力系统的终端用户,其模型的准确程度直接影响着电力系统运行分析的准确性.近年来,配电网中的量测装置记录了大量稳态数据,能否利用稳态量测数据实现静态负荷模型参数的辨识已成为新的研究问题.提出了基于配网量测数据的静态负荷参数辨识方法.首先,对专变和公变的有功量测数据进行聚类,得到日负荷特性类似的同类负荷曲线;然后,在假设同类负荷的负荷模型参数相似的基础上,建立静态负荷模型参数辨识的数学优化模型,并通过优化算法求解静态负荷模型的日时变参数;最后,通过算例验证了所提方法的可行性和有效性.     

基于GA-SVR模型的配电网线路参数辨识

准确的线路参数对于配电网运行与控制具有重要意义，而配电网线路参数因受到环境、工况与温度等因素的影响而改变，同时，由于配电网结构复杂度、随机性与波动性日益加强，难以对配电网建立精确的参数辨识模型。提出一种基于GA-SVR模型的配电网线路参数辨识方法，实现配电网线路参数的准确辨识。通过遗传算法（GA）对支持向量回归（SVR）机的惩罚因子与核函数参数进行优化，解决了传统支持向量回归机采用默认参数导致模型预测效果不佳的问题。采用不同阻抗参数下的配电网潮流值对回归网络进行训练，构建改进型SVR参数辨识模型，实现对配电网线路参数的辨识。通过33节点配电网算例的验证，表明该改进型SVR参数辨识模型与传统SVR参数辨识模型相比，能够实现更高精度的配电网线路参数辨识。     

复杂状态估计不良数据的前推回代追踪辨识方法

本文综合考虑量测数据之间以及量测数据与网络参数之间的电路关联关系,提出了复杂状态估计不良数据的前推回代追踪辨识方法。首先,基于节点度等于1的拓扑搜索原则和节点不平衡功率最小的解环原则,通过拓扑搜索,将电网分解成辐射网结构并形成电网的支路层次矩阵L及对应支路的首末端节点信息矩阵M,然后利用L和M矩阵和本文定义的不良数据判据进行功率和电压的同步前推回代计算和不良数据判断,最终实现参数错误、不良量测数据及拓扑错误的有效辨识。基于IEEE39节点算例系统的仿真验证了该方法的有效性。