[論文レビュー] Low-Voltage Distribution Network Impedances Identification Based on Smart Meter Data

Sergey A. Iakovlev, Robin J. Evans+1 more|arXiv (Cornell University)|Sep 18, 2018

Electricity Theft Detection Techniques被引用数 7

ひとこと要約

本稿では、新規のBCI（バッチ相関に基づく同定）アルゴリズムを用いて、PMUを用いない分散型で再帰的なスマートメーター駆動の方法を提案し、リアルタイムでの低圧配電網インピーダンス同定を実現する。非凸最適化問題を繰り返し解くことで、高い測定精度下で1%未塔の推定誤差を達成し、高力率変動や長距離線路の状況でも顕著な性能向上を実現する。

ABSTRACT

Under conditions of high penetration of renewables, the low-voltage (LV) distribution network needs to be carefully managed. In such a scenario, an accurate real-time low-voltage power network model is an important prerequisite, which opens up the possibility for application of many advanced network control and optimisation methods thus providing improved power flow balancing, reduced maintenance costs, and enhanced reliability and security of a grid. Smart meters serve as a source of information in LV networks and allow for accurate measurements at almost every node, which makes it advantageous to use data driven methods. In this paper, we formulate a non-linear and non-convex problem, solve it efficiently, and propose a number of fully smart meter data driven methods for line parameters estimation. Our algorithms are fast, recursive in data, scale linearly with the number of nodes, and can be executed in a decentralised manner by running small algorithms inside each smart meter. The performance of these algorithms is demonstrated for different measurement accuracy scenarios through simulations.

研究の動機と目的

• 再生可能エネルギー比率の高い状況下で、正確でリアルタイムな低圧（LV）配電網モデルの必要性に対応する。
• PMUに依存するか、既知のネットワークトポロジーとインピーダンスを仮定する従来手法の限界を克服する。
• スマートメーター測定値のみを用いた完全なデータ駆動型で、分散型かつスケーラブルなインピーダンス同定手法を開発する。
• 同期位相計測が不要な実用的応用、例えば故障検出、電力盗難の特定、グリッド状態推定を可能にする。
• LVグリッドモデリングに生じる非凸最適化問題のクラスに対して理論的裏付けのある解決策を提供する。

提案手法

• 各ノードにおける電圧および電流のフェーザ表現を用いて、再帰的単相チェーン供電線モデルを定式化する。
• スマートメーター測定値を用いて線路インピーダンスを繰り返し推定するバッチ相関に基づく同定（BCI）アルゴリズムを開発する。
• 低条件数および高測定ノイズ下での性能向上を図るため、正則化を施した変種（LBCI）を導入する。
• 各ノードが局所的測定値を処理し、必要な情報のみを交換する分散型実装を採用する。
• ある条件下でグローバル解に収束することが証明された繰り返し最小二乗推定により、非凸最適化問題を解く。
• 推定精度の向上とリアルタイム分散計算の実現を目的として、X/R比の事前知識を組み込む。

実験結果

リサーチクエスチョン

• RQ1 PMU同期が不要な状況下で、スマートメーター測定値のみを用いてLV配電網の線路インピーダンスを正確に同定できるか？
• RQ2 測定ノイズおよび力率変動の変動する条件下で、提案されたBCIアルゴリズムは従来手法（例：LBCI-old）と比較してどの程度の性能を示すか？
• RQ3 X/R比の知識およびヤコビ行列の条件数が推定精度に与える影響は何か？
• RQ4 本アルゴリズムは、スマートメーターにリアルタイムで実装可能な分散型・スケーラブルで再帰的な形で実装可能か？
• RQ5 長距離送電線や高力率変動といった困難な状況下でも、本アルゴリズムの性能はどのようになるか？

主な発見

• 測定精度がフルスケールの0.1%であり、X/R比が既知の場合、BCIアルゴリズムは相対インピーダンス推定誤差が1%未塔（‖z−ẑ‖₂/‖z‖₂ < 1%）を達成する。
• 0.1%の測定誤差下でX/R比が未知の場合、BCIはLBCIを4倍の誤差低減で上回り、特に高力率変動下で顕著な性能向上を示す。
• 長距離送電線（500m）では、1%の測定誤差下でBCIはLBCI-oldに比べ推定誤差を最大50%まで低減し、0.1%誤差下では10倍の改善を達成する。
• ヤコビ行列の条件数（κ(Jn)）はBCIの性能に強く影響する：低い条件数は、特にX/R比が既知の場合、顕著な精度向上をもたらす。
• 正則化項を追加することで、BCIは低変動状況下でもLBCIと同等またはわずかに優れた精度を達成でき、耐障害性が向上する。
• 提案手法は完全に分散型であり、ノード数に比例してスケーリング可能で、計算効率が高く、大規模なリアルタイムLVグリッド監視に適している。