[논문 리뷰] Matrix Completion for Low-Observability Voltage Estimation

Donti, Priya L., Liu, Yajing외 4명|arXiv (Cornell University)|2018. 01. 29.

Sparse and Compressive Sensing Techniques참고 문헌 24인용 수 6

한 줄 요약

이 논문은 낮은 관측 가능성 조건에서 기존 최소 제곱법이 실패하는 상황에서도 낮은 질서 구조와 노이즈에 강건한 전력 흐름 제약 조건을 활용하여 분포 시스템의 전압 위상 추정을 위한 행렬 완성 기반 상태 추정 방법을 제안한다. 이 방법은 측정치가 10%에 불과한 경우에도 거의 완벽한 정확도(평균 절대 백분율 오차 내에서 1%)를 달성하여 데이터 손실과 낮은 노이즈 수준에 대해 강건함을 입증한다.

ABSTRACT

With the rising penetration of distributed energy resources, distribution system control and enabling techniques such as state estimation have become essential to distribution system operation. However, traditional state estimation techniques have difficulty coping with the low-observability conditions often present on the distribution system due to the paucity of sensors and heterogeneity of measurements. To address these limitations, we propose a distribution system state estimation algorithm that employs matrix completion (a tool for estimating missing values in low-rank matrices) augmented with noise-resilient power flow constraints. This method operates under low-observability conditions where standard least-squares-based methods cannot operate, and flexibly incorporates any network quantities measured in the field. We empirically evaluate our method on the IEEE 33- and 123-bus test systems, and find that it provides near-perfect state estimation performance (within 1\% mean absolute percent error) across many low-observability data availability regimes.

연구 동기 및 목표

• 희소하고 신뢰할 수 없는 측정치로 인해 발생하는 분포 시스템 상태 추정의 낮은 관측 가능성 문제를 해결하기 위해.
• 측정치가 부족하여 과소정의 시스템(m < n)이 발생할 경우 기존 최소 제곱 추정기의 성능이 떨어지는 상황에서 효과적으로 작동하는 방법을 개발하기 위해.
• 특정 측정 유형이 필요 없이 가용한 현장 측정치를 유연하게 통합할 수 있는 프레임워크를 구축하기 위해.
• 실제 분포 시스템에서 흔히 발생하는 측정 노이즈와 동적 데이터 손실에 대해 강건성을 확보하기 위해.
• 장기간의 시간 창자료가 필요 없이 단일 시간 인스턴스의 데이터만으로도 단일 스텝 상태 추정을 가능하게 하기 위해.

제안 방법

• 행렬의 행은 측정 버스를, 열은 측정 유형(예: 전압 크기, 전력 등)을 나타내는 구조화된 데이터 행렬을 구성한다.
• 기본 전압 상태 행렬이 낮은 질서임을 가정하여, 낮은 질서 행렬 완성 기법을 적용하여 누락된 전압 위상 값을 추정한다.
• 물리적 일致성을 확보하고 노이즈에 대한 강건성을 향상시키기 위해 근사 선형 전력 흐름 방정식을 사용해 행렬 완성에 제약 조건을 적용한다.
• 전압 위상의 실수부와 허수부를 직접 추정하며, 각각의 추정치에서 위상 각도를 유도한다.
• 측정 노이즈 모델을 통합하여 데이터 일치성과 물리적 타당성 간의 균형을 확보하는 제약 최적화를 사용한다.
• IEEE 33-버스 및 123-버스 시스템에서 다양한 측정 가능도, 노이즈 수준, 동적 측정 손실 시나리오를 기반으로 평가한다.

실험 결과

연구 질문

• RQ1 물리적 제약 조건을 갖춘 행렬 완성 기법이 기존 방법이 실패하는 낮은 관측 가능성의 분포 시스템에서 정확한 전압 상태 추정을 가능하게 하는가?
• RQ2 측정 가능도가 10%에 이르는 등 다양한 수준에서 제안된 방법의 성능은 어떠한가?
• RQ3 시간 시계열 운영 중 측정 노이즈와 무작위 데이터 손실에 대해 이 방법은 어느 정도 강건한가?
• RQ4 물리적 전력 흐름 제약 조건을 통합할 경우, 제약 조건이 없는 행렬 완성 대비 추정 정확도는 얼마나 향상되는가?
• RQ5 장기간의 역사적 데이터 창이 필요 없이 단일 시간 인스턴스의 데이터만으로도 높은 정확도를 달성할 수 있는가?

주요 결과

• 가능한 알려진 양의 측정치가 10% 이상 존재할 경우 전압 크기 추정의 평균 절대 백분율 오차(MAPE)가 1% 이내이다.
• 가능한 알려진 양의 측정치가 전혀 없더라도 전압 크기의 MAPE는 2.6% 이하로 유지된다.
• 전압 각도 추정의 경우 1%의 측정 노이즈 조건에서 평균 절대 오차(MAE)는 최대 1.75도이며, 측정치가 전혀 없지만 노이즈가 낮은(0.2%) 조건에서는 1도 이하로 감소한다.
• 30%의 데이터 가용도 조건에서 두 시간 동안의 시계열 데이터에서 80%의 시간 스텝에서 전압 크기의 MAPE가 1% 이내이며, 99%의 시간 스텝에서는 1.5% 이내이다.
• 50% 또는 70%의 데이터 가용도 조건에서는 모든 시간 스텝에서 전압 크기의 MAPE가 1% 이내로 유지된다.
• 이 방법은 동적 측정 손실에 대해 강력한 강건성을 보이며, 가용 측정치의 20%가 무작위로 손실된 조건에서도 MAPE가 1.2% 이하로 유지된다.