[논문 리뷰] Distribution Grid Line Outage Identification with Unknown Pattern and Performance Guarantee

Chenhan Xiao, Yizheng Liao외 1명|arXiv (Cornell University)|2023. 09. 10.

Power Systems Fault DetectionEngineering인용 수 3

한 줄 요약

이 논문은 후고장 상태의 분포 매개변수를 수렴 보장을 갖는 프로젝션 그래디언트 디센트를 사용하여 전압 크기 값만으로도 강건하고 데이터 기반의 배전망 선로 고장 식별 방법을 제안한다. 이는 위상각 또는 부하 흐름 데이터가 필요 없음을 의미한다. Bregman 발산 제약 조건을 적용한 프로젝션 그래디언트 디센트를 통해 물리적 및 통계적 제약 조건 하에서 알려지지 않은 고장 후 분포 매개변수를 학습하며, 실시간으로 고장을 신속하게 탐지하고 정확하게 국소화할 수 있다. 이는 사전 고장 패턴 지식이 없더라도 가능하다.

ABSTRACT

Line outage identification in distribution grids is essential for sustainable grid operation. In this work, we propose a practical yet robust detection approach that utilizes only readily available voltage magnitudes, eliminating the need for costly phase angles or power flow data. Given the sensor data, many existing detection methods based on change-point detection require prior knowledge of outage patterns, which are unknown for real-world outage scenarios. To remove this impractical requirement, we propose a data-driven method to learn the parameters of the post-outage distribution through gradient descent. However, directly using gradient descent presents feasibility issues. To address this, we modify our approach by adding a Bregman divergence constraint to control the trajectory of the parameter updates, which eliminates the feasibility problems. As timely operation is the key nowadays, we prove that the optimal parameters can be learned with convergence guarantees via leveraging the statistical and physical properties of voltage data. We evaluate our approach using many representative distribution grids and real load profiles with 17 outage configurations. The results show that we can detect and localize the outage in a timely manner with only voltage magnitudes and without assuming a prior knowledge of outage patterns.

연구 동기 및 목표

• 고장 후 패턴이 알려져 있지 않으며 사전 지식이 없는 상황에서 배전망의 선로 고장 식별 문제를 해결하기 위해.
• 비용이 많이 들는 파워 포인트 또는 부하 흐름 데이터에 의존하지 않고도 쉽게 확보 가능한 전압 크기 측정값만을 기반으로 하는 방법을 개발하기 위해.
• 물리적 및 통계적 제약 조건 하에서 매개변수 학습의 이론적 수렴 보장을 제공함으로써 시기적절한 운영을 보장하기 위해.
• Bregman 발산 제약 조건을 통해 그래디언트 디센트 기반 매개변수 추정의 타당성 문제를 제거하기 위해.
• 최소한의 가정으로 실제 배전망에서 정확하고 신속한 고장 탐지 및 국소화를 가능하게 하기 위해.

제안 방법

• 전압 크기 데이터로부터 알려지지 않은 고장 후 분포 매개변수를 학습하기 위해 프로젝션 그래디언트 디센트 프레임워크를 제안한다.
• 매개변수 갱신 중 타당성을 유지하기 위해 Bregman 발산 제약 조건을 도입하여 그래디언트 디센트의 발산을 방지한다.
• 전압 데이터의 통계적 및 물리적 성질을 활용하여 수렴성과 안정성을 보장한다.
• 최적화 기법을 통해 알고리즘을 가속화하여 실행 시간을 75% 이상 감소시키면서 정확도 손실를 최소화한다.
• 사전 고장 패tern 지식이 필요 없도록, 학습된 고장 후 분포를 기반으로 한 변화점 탐지 프레임워크를 사용한다.
• 제한된 볼록성과 유한한 기울기 노름을 이용해 이론적으로 수렴성을 증명하며, 반복 횟수에 따라 최적성 이격도가 O(1/√E)로 감소함을 보장한다.

Figure 1: An overview of the distribution grid line outage detection problem: we collect voltage magnitudes from smart meters installed at households and use the posterior probability ratio computed in ( III-B ) to detect the change in the underlying distribution of voltage increments.

실험 결과

연구 질문

• RQ1 사전 고장 패턴 지식이 없더라도 전압 크기 측정값만으로 선로 고장을 정확하게 탐지하고 국소화할 수 있는가?
• RQ2 배전망에서 알려지지 않은 고장 후 분포를 학습할 때 그래디언트 디센트를 어떻게 타당성 있고 안정적으로 만들 수 있는가?
• RQ3 고장 탐지에서 매개변수 학습 과정의 수렴성과 성능에 대해 어떤 이론적 보장을 제공할 수 있는가?
• RQ4 실제 배전망 환경에서 높은 탐지 정확도를 유지하면서도 시기적절한 운영을 달성할 수 있는가?
• RQ5 Bregman 발산 제약 조건은 매개변수 추정 과정의 타당성과 강건성을 어떻게 향상시키는가?

주요 결과

• 제안된 방법은 전압 크기 값만으로도 선로 고장을 탐지하고 국소화하며, 위상각 또는 부하 흐름 데이터가 필요 없음을 입증하였다.
• Bregman 발산 제약 조건이 그래디언트 디센트에서의 타당성 문제를 성공적으로 방지하여 안정적인 매개변수 학습을 가능하게 하였다.
• 이론적 수렴 보장이 이루어졌으며, 반복 횟수 E에 대해 최적성 이격도가 O(1/√E)로 감소함을 확인하였다.
• 가속화를 통해 실행 시간을 75% 이상 감소시켜 시기적절한 운영을 실현하였다.
• 17개의 고장 구성이 포함된 대표적인 배전망에서의 실증 평가 결과, 다양한 시나리오에서 높은 정확도와 강건성을 확보하였다.
• 전통적인 '마지막 숨결' 신호가 실패하는 메시 네트워크 및 분산 에너지 자원이 존재하는 환경에서도 높은 성능 유지를 보였다.

Figure 2: The empirical histogram of $|\Delta I|$ .