[논문 리뷰] Layered Based Augmented Complex Kalman Filter for Fast Forecasting-Aided State Estimation of Distribution Networks

Mehdi Shafiei, Gerard Ledwich외 3명|arXiv (Cornell University)|2018. 04. 23.

Power System Optimization and Stability참고 문헌 18인용 수 9

한 줄 요약

이 논문은 고도로 재생 가능 에너지가 통합된 활성 분포망에서 빠르고 정확한 상태 추정을 위한 다층 구조의 보완 복소 칼만 필터(DSEMACKF)를 제안한다. 네트워크 상태를 복소수 값으로 간주하고, 하중을 하위 영역으로 계층적으로 집계함으로써 계산 효율성과 추정 정확도를 향상시켜, 비균형 저압 조건에서도 우수한 성능을 발휘한다.

ABSTRACT

In the presence of renewable resources, distribution networks have become extremely complex to monitor, operate and control. Furthermore, for the real time applications, active distribution networks require fast real time distribution state estimation (DSE). Forecasting aided state estimator (FASE), deploys measured data in consecutive time samples to refine the state estimate. Although most of the DSE algorithms deal with real and imaginary parts of distribution networks states independently, we propose a non iterative complex DSE algorithm based on augmented complex Kalman filter (ACKF) which considers the states as complex values. In case of real time DSE and in presence of a large number of customer loads in the system, employing DSEs in one single estimation layer is not computationally efficient. Consequently, our proposed method performs in several estimation layers hierarchically as a Multi layer DSE using ACKF (DSEMACKF). In the proposed method, a distribution network can be divided into one main area and several subareas. The aggregated loads in each subarea act like a big customer load in the main area. Load aggregation results in a lower variability and higher cross correlation. This increases the accuracy of the estimated states. Additionally, the proposed method is formulated to include unbalanced loads in low voltage (LV) distribution network.

연구 동기 및 목표

• 고도로 재생 가능 에너지가 통합된 활성 분포망에서 실시간 상태 추정의 과제를 해결한다.
• 대규모 고객 하중을 처리할 때 단일층 상태 추정 방법의 계산 비효율성을 극복한다.
• 하중 집계를 통해 변동성을 감소시키고 하위 영역 하중 간 상관관계를 증가시켜 추정 정확도를 향상시킨다.
• 저압 비균형 분포망에서 정확한 상태 추정을 가능하게 하기 위해 복소수 상태를 모델링한다.
• 현대 분포망의 실시간 응용에 적합한 반복이 없는 빠른 알고리즘을 개발한다.

제안 방법

• 분포망을 하나의 주 영역과 다수의 하위 영역으로 나누는 계층적 아키텍처를 제안하며, 각 하위 영역은 집계된 하중 표현을 갖는다.
• 보완 복소 칼만 필터(ACKF)를 적용하여 실수 및 허수 상태 성분을 함께 복소수 값으로 처리함으로써 추정의 일관성을 향상시킨다.
• 연속적인 시계열 측정치를 통합하여 상태 추정을 반복적으로 개선하는 예측 보조 상태 추정(FASE)을 적용한다.
• 계층적 추정을 수행한다: 먼저 하위 영역을 추정하고, 그 다음 주 영역가 하위 영역의 집계된 상태를 입력으로 사용한다.
• 저압 네트워크의 비균형 하중을 처리하기 위해 복소수 상태 표현을 확장하여 3상 비균형 조건을 처리한다.
• 하중 집계를 통해 상태 벡터의 크기를 최소화함으로써 계산 부담을 감소시켜 실시간 처리 속도를 향상시킨다.

실험 결과

연구 질문

• RQ1 고도로 재생 가능 에너지 및 하중이 통합된 분포망에서 상태 추정의 계산 효율성을 어떻게 높일 수 있는가?
• RQ2 하중 집계는 분포망의 상태 추정 정확도와 상관관계에 어떤 영향을 미치는가?
• RQ3 독립적으로 실수/허수 성분을 처리하는 것과 비교해 복소수 상태 추정 프레임워크가 성능 향상에 기여하는가?
• RQ4 계층적 다층 추정은 단일층 추정에 비해 정확도와 계산 부담 측면에서 어떻게 비교되는가?
• RQ5 제안된 방법이 비균형 3상 저압 분포망을 어느 정도 잘 처리할 수 있는가?

주요 결과

• 제안된 DSEMACKF 방법은 계층적 하중 집계와 상태 벡터 크기 감소 덕분에 단일층 상태 추정기보다 훨씬 더 빠른 계산 성능을 달성한다.
• 하중 집계는 상태 변동성을 감소시키고 상관관계를 증가시켜, 특히 변동성이 높은 분포망에서 더 정확한 상태 추정을 가능하게 한다.
• ACKF를 통한 복소수 표현은 네트워크 상태의 실수 및 허수 성분 간 내재된 관계를 유지함으로써 추정 정확도를 향상시킨다.
• 기존 실수 기반 방법이 단상 불균형을 포착하지 못할 수 있는 비균형 저압 분포망에서도 본 방법은 뛰어난 성능을 보였다.
• 알고리즘의 반복이 없는 구조는 실시간 적용 가능성을 보장하여 현대 분포망 운영 및 제어에 적합하다.
• 계층적 구조는 추정 품질을 훼손하지 않고 대규모 분포망에 대한 확장 가능한 구현을 가능하게 한다.