[論文レビュー] Urban Distribution Grid Topology Estimation via Group Lasso

Yizheng Liao, Yang Weng+2 more|arXiv (Cornell University)|Nov 6, 2016

Optimal Power Flow Distribution被引用数 8

ひとこと要約

本稿では、スマートメーターの電圧データを用いて都市配電グリッドのトポロジーを推定するデータ駆動型グループリッジ法を提案する。母線の接続関係を確率的グラフィカルモデルでモデル化し、メッシュ構造をとるネットワークの再構築をグループ化された変数選択問題として解く。本手法は、ループ構造を有するケースや実際のスマートメーターデータを用いた場合でも、IEEEテストシステムにおいて高い精度でトポロジー推定を達成する。

ABSTRACT

The growing penetration of distributed energy resources (DERs) in urban areas raises multiple reliability issues. The topology reconstruction is a critical step to ensure the robustness of distribution grid operation. However, the bus connectivity and network topology reconstruction are hard in distribution grids. The reasons are that 1) the branches are challenging and expensive to monitor due to underground setup; 2) the inappropriate assumption of radial topology in many studies that urban grids are mesh. To address these drawbacks, we propose a new data-driven approach to reconstruct distribution grid topology by utilizing the newly available smart meter data. Specifically, a graphical model is built to model the probabilistic relationships among different voltage measurements. With proof, the bus connectivity and topology estimation problems are formulated as a linear regression problem with least absolute shrinkage on grouped variables (Group Lasso) to deal with meshed network structures. Simulation results show highly accurate estimation in IEEE standard distribution test systems with and without loops using real smart meter data.

研究の動機と目的

• 地中ケーブルのための監視が不十分であり、トポロジー情報が信頼性に欠ける都市配電グリッドにおける課題に対処する。
• 既存手法が仮定している放射状トポロジーの制限を克服し、現代のメッシュ構造をとる都市配電グリッドでは不正確である。
• 新たに入手可能なスマートメーターのデータを活用し、複雑な都市配電グリッドにおけるデータ駆動型で正確なトポロジー再構築を実現する。
• 事前にトポロジーに関する仮定を必要とせず、放射状およびメッシュ構造の両方のネットワーク構造を扱える堅牢な手法を開発する。
• 母線の接続関係を推定する問題を、グループ化された変数選択を用いた構造的回帰問題として定式化する。

提案手法

• スマートメーターからの電圧測定値間の条件付き依存構造を表現するための確率的グラフィカルモデルを構築する。
• 配電グリッドのトポロジー推定問題を、回帰係数が母線の接続関係を表す線形回帰問題としてモデル化する。
• 各グループが母線の電圧測定値に対応するグループ化された変数に対してスパarsityを強制するため、グループリッジ正則化を適用する。これにより、接続された母線を特定する。
• グループ構造を用いて、同一母線からの電圧測定値の整合性を保ち、関連する変数を同時に選択可能にする。
• 適切な仮定の下で、グループリッジ定式化がループが存在する場合でさえも一貫したトポロジー推定をもたらすことを証明する。
• 標準的なグループリッジソルバーを用いて最適化問題を解き、実際のスマートメーターのデータからネットワーク接続行列を回復する。

実験結果

リサーチクエスチョン

• RQ1 スマートメーターの電圧データは、メッシュ構造をとる都市配電グリッドのトポロジー再構築に効果的に利用可能か？
• RQ2 従来の放射状トポロジー仮定と比較して、グループリッジ法はメッシュ構造ネットワークの正確な推定にどのように寄与するか？
• RQ3 グループ化された変数選択に基づくデータ駆動型アプローチは、実際の配電システムにおけるトポロジー推定精度をどの程度向上できるか？
• RQ4 本手法は、ループを有するか無いかの両方のIEEE標準テストシステムに適用した場合でも高い精度を維持するか？
• RQ5 直接の分岐レベル測定値が不要な状況でも、本手法は母線の接続関係を信頼性高く推定できるか？

主な発見

• 提案されたグループリッジ法に基づく手法は、放射状およびメッシュ構造の両方のIEEE配電テストシステムにおいて、非常に高い精度でトポロジー推定を達成する。
• 本手法は、分岐電流や状態の直接測定値を一切必要とせず、スマートメーターの電圧データのみを用いてネットワークトポロジーを効果的に再構築できる。
• シミュレーション結果は、従来の放射状仮定が失敗するループを有するシステムにおいても、優れた性能を示す。
• グループ化された変数選択の使用により、母線間の構造的関係を効果的に捉え、標準的なリッジ法よりも推定精度が向上する。
• 実際のスマートメーターのデータに適用した場合でも、本手法は高い精度を維持し、実用的応用の有効性を検証する。
• 仮定されたモデルの下で、本手法が一貫性を示すことが証明されており、理論的裏付けが得られている。