[論文レビュー] Bayesian Estimation Based Load Modeling Report

Chang Fu, Zhe Yu+1 more|arXiv (Cornell University)|Oct 17, 2018

Power System Optimization and Stability参考文献 19被引用数 5

ひとこと要約

本稿では、誘導電動機（IM）およびZIP複合モデルを用いて、測定データから繰り返し更新されるパラメータの後騋分布をギブスサンプリングにより推定するベイズ推定に基づく動的負荷モデル化手法を提案する。この手法は、1%の測定ノイズ下でも最大6.25%未満の誤差で時間変動するパrameter推定を達成し、従来手法に比べて高い耐障害性と信頼性を示している。

ABSTRACT

This report presents the detailed steps of establishing the composite load model in the power system. The derivations of estimation the ZIP model and IM model parameters are proposed in this report. This is a supplementary material for the paper submitted to PES GM 2019.

研究の動機と目的

• 測定ノイズに敏感で、負荷構成データに依存する従来の測定ベースおよび部品ベースの負荷モデル化手法の限界を克服すること。
• 個々の部品特性に関する事前知識が不要な、時間変動するパラメータ推定フレームワークを、複合負荷モデル（ZIP + IM）に対して開発すること。
• さまざまな測定誤差条件下での動的負荷パラメータ同定に、ギブスサンプリングを用いたベイズ推定の実用性と正確性を検証すること。
• 将来的なマルチモデル複合負荷同定および構成推論の基盤を、高度な統計的および機械学習的手法を用いて構築すること。

提案手法

• 本手法は、共役事前分布を用いることで計算を効率化するベイズ推論を採用し、負荷モデルパラメータの後騋分布を推定する。
• ギブスサンプリングを用いて、α_c、E、ω、I、τなどのパラメータのフル条件付き分布から繰り返しサンプリングを行い、段階的に後騋推定値を更新する。
• 主な式には、α_cの後騋正規分布と、精度パラメータτのガンマ分布が含まれる。これらは尤度関数と事前情報から導出される。
• 入力として、測定された有効電力、無効電力、電圧、電流、およびロータ磁束成分（E’d, E’q）を用い、パラメータの後騋分布を計算する。
• モデルの残差が正規分布に従うと仮定し、反復的サンプリングにより安定した後騋分布に収束させる。
• 推定精度と耐障害性を評価するために、制御された測定誤差（1%、2%、5%）を用いたシミュレーションによりフレームワークを検証する。

実験結果

リサーチクエスチョン

• RQ1 ギブスサンプリングを用いたベイズ推定は、測定ノイズ下でも、複合負荷モデルの時間変動パラメータを正確かつ耐障害的に推定可能か？
• RQ2 ノイズのある測定条件下で、本手法は古典的な最尤推定や最小二乗法と比較して、誤差と安定性の面で優れているか？
• RQ3 部品ベースのモデリングと比較して、ベイズフレームワークは負荷構成データへの依存度をどの程度低減できるか？
• RQ4 実際の負荷モデルパラメータ推定において、残差が正規分布に従うという仮定は妥当か？ また、収束性と正確性にどのような影響を与えるか？
• RQ5 本手法は、複数のZIPおよびIMモデルを、複合グリッド接続系で同時に同定可能か？

主な発見

• 1%の測定誤差下では、すべてのパラメータにおける最大推定誤差が6.25%に留まり、高い正確性と耐障害性を示している。
• α_cについては、推定平均値が0.75であり、真値の0.80と比較して6.25%の誤差を示した。これは実用応用において許容可能な範囲である。
• 2%の測定誤差下では、α_bの誤差が10%に増加したが、他のパラメータは5%未満の誤差を維持しており、ノイズレベルの上昇にやや敏感であるものの、全体として安定性を保っている。
• 5%の測定誤差下では、α_bの誤差が5%、α_cの誤差が2.5%に留まり、顕著なノイズ下でも妥当な正確性を維持している。
• 表2～4のシミュレーション結果は、ギブスサンプリングに基づくベイズ推定手法が、正確な後騋分布に収束することを確認しており、推定平均値が真値をよく追跡している。
• 本手法は、詳細な負荷部品データの必要性を回避でき、十分なサンプルサイズがある場合には測定異常に対しても耐性がある。