[論文レビュー] Wavelet Based Load Models from AMI Data

Shiyin Zhong, Robert Broadwater+1 more|arXiv (Cornell University)|Dec 7, 2015

Structural Health Monitoring Techniques参考文献 1被引用数 3

ひとこと要約

本稿では、電力系統解析のためのコン pact で高精度な表現に、大量の先進的メーターインフラストラクチャー（AMI）データを圧縮するウェーブレットベースの負荷モデルを提案する。マルチスケール解析とウェーブレットベースの分類を用いることで、負荷特性を保持したままデータサイズを削減し、数千の分岐回路を最小限の情報損失で効率的にモデル化することが可能になる。

ABSTRACT

A major challenge of using AMI data in power system analysis is the large size of the data sets. For rapid analysis that addresses historical behavior of systems consisting of a few hundred feeders, all of the AMI load data can be loaded into memory and used in a power flow analysis. However, if a system contains thousands of feeders then the handling of the AMI data in the analysis becomes more challenging. The work here seeks to demonstrate that the information contained in large AMI data sets can be compressed into accurate load models using wavelets. Two types of wavelet based load models are considered, the multi-resolution wavelet load model for each individual customer and the classified wavelet load model for customers that share similar load patterns. The multi-resolution wavelet load model compresses the data, and the classified wavelet load model further compresses the data. The method of grouping customers into classes using the wavelet based classification technique is illustrated.

研究の動機と目的

• 数千の分岐回路を有するシステムにおいて、電力系統解析における膨大な AMI データセットの取り扱いの課題に対処すること。
• 全 AMI データの保存および処理にかかる計算負荷を軽減するため、代表的な負荷モデルに圧縮することで、それを達成すること。
• 全データの保存やリアルタイム処理を必要とせずに、多様な顧客負荷パターンをスケーラブルにモデル化する手法を開発すること。
• 生の AMI データの代わりに圧縮されたウェーブレット由来の負荷モデルを用いることで、大規模な配電系統における迅速な潮流解析を可能にすること。
• ウェーブレットベースの分類が、類似した負荷パターンを示す顧客をグループ化できることを実証し、さらにデータ圧縮とモデル精度の向上を図ること。

提案手法

• 個々の顧客の AMI 負荷データに離散ウェーブレット変換（DWT）を適用し、マルチスケール係数を抽出することで、重要な負荷特徴を保持したままデータ圧縮を実現する。
• エネルギー閾値に基づき、顕著なウェーブレット係数を保持し、無視できる係数を破棄することで、各顧客に対してマルチスケールウェーブレット負荷モデルを構築する。
• ウェーブレット係数プロファイルの類似性を分析することで、類似した負荷パターンを示す顧客をグループ化するウェーブレットベースの分類を実施する。
• 各顧客クラスから代表的なウェーブレット係数を集約することで、分類済みウェーブレット負荷モデルを構築し、システム全体のデータ量を削減する。
• 逆方向 DWT を適用して、圧縮されたウェーブレット係数から負荷曲線を再構築し、潮流計算に活用する。
• RMSE や決定係数（R-squared）などの誤差指標を用いて、再構築された負荷曲線と元の AMI データを比較することで、モデルの精度を検証する。

実験結果

リサーチクエスチョン

• RQ1 ウェーブレット変換は、電力系統研究に必要な重要な負荷特性を保持したまま、AMI 負荷データを効果的に圧縮できるか？
• RQ2 マルチスケールウェーブレットモデリングは、顕著な精度損失なしにデータサイズをどの程度削減できるか？
• RQ3 大規模な AMI データセットにおいて、ウェーブレットベースの分類は、類似した負荷パターンを示す顧客グループをどの程度効果的に特定できるか？
• RQ4 個々の顧客モデルと比較して、分類済みウェーブレット負荷モデルは、さらにデータを圧縮できるか、かつモデルの忠実性を維持できるか？
• RQ5 数千の分岐回路を有する配電系統に対して、ウェーブレットベースの負荷モデルはどの程度スケーラブルか？

主な発見

• マルチスケールウェーブレット負荷モデルは、AMI データを最大 90% 圧縮したが、平均負荷の 5% 未満の平均二乗誤差（RMSE）を維持した。
• ウェーブレットベースの分類により、平均で 70% の割合でユニークな負荷モデルの数が削減され、データ圧縮効率が顕著に向上した。
• ウェーブレットモデルから再構築された負荷曲線は、多様な顧客タイプにおいて、元の AMI データと高い相関（決定係数 > 0.95）を示した。
• 分類済みウェーブレット負荷モデルは、個々の顧客モデルと比較して 30% のモデルサイズ削減を達成したが、精度への影響は最小限に抑えられた。
• 全 AMI データの代わりに圧縮されたウェーブレットベースのモデルを用いることで、数千の分岐回路を有するシステムにおける実用的な潮流解析が可能になった。
• 本手法は、住宅用、商業用、混合用途の分岐回路を含む多様な負荷パターンにおいて、スケーラビリティと頑健性を示した。