[논문 리뷰] Single Iteration Conditional Based DSE Considering Spatial and Temporal Correlation

Mehdi Shafiei, Ghavameddin Nourbakhsh외 3명|arXiv (Cornell University)|2017. 10. 27.

Optimal Power Flow Distribution참고 문헌 33인용 수 3

한 줄 요약

이 논문은 조건부 다변량 복소 가우시안 분포를 사용하여 고객 부하 데이터의 공간-시간 상관관계를 활용하는 반복이 없는 배전계통 상태추정(DSSE) 프레임워크를 제안한다. 이전 시간 단계의 정보와 공간적 종속성을 통합함으로써 기존 방법보다 높은 정확도와 더 빠른 계산 성능을 달성하였으며, 중압 및 저압 배전망에서의 검증을 통해 입증되었다.

ABSTRACT

The increasing complexity of distribution network calls for advancement in distribution system state estimation (DSSE) to monitor the operating conditions more accurately. Sufficient number of measurements is imperative for a reliable and accurate state estimation. The limitation on the measurement devices is generally tackled with using the so-called pseudo measured data. However, the errors in pseudo data by cur-rent techniques are quite high leading to a poor DSSE. As customer loads in distribution networks show high cross-correlation in various locations and over successive time steps, it is plausible that deploying the spatial-temporal dependencies can improve the pseudo data accuracy and estimation. Although, the role of spatial dependency in DSSE has been addressed in the literature, one can hardly find an efficient DSSE framework capable of incorporating temporal dependencies present in customer loads. Consequently, to obtain a more efficient and accurate state estimation, we propose a new non-iterative DSSE framework to involve spatial-temporal dependencies together. The spatial-temporal dependencies are modeled by conditional multivariate complex Gaussian distributions and are studied for both static and real-time state estimations, where information at preceding time steps are employed to increase the accuracy of DSSE. The efficiency of the proposed approach is verified based on quality and accuracy indices, standard deviation and computational time. Two balanced medium voltage (MV) and one unbalanced low voltage (LV) distribution case studies are used for evaluations.

연구 동기 및 목표

• 실측 데이터가 부족한 상황에서 사용되는 가짜 측정 데이터의 높은 오차율 문제를 해결하기 위해.
• 고객 부하 데이터의 공간적 및 시간적 상관관계를 모델링하여 DSSE 정확도를 향상시키기 위해.
• 반복 계산을 피하면서도 높은 추정 품질을 유지하는 효율적인 단일 반복 DSSE 프레임워크를 개발하기 위해.
• 균형 잡힌 중압 배전망과 균형이 깨진 저압 배전망 양쪽에서 프레임워크의 성능을 평가하기 위해.

제안 방법

• 프레임워크는 공간적 및 시간적 종속성을 포착하기 위해 배전망 버스의 부하 데이터를 조건부 다변량 복소 가우시안 분포로 모델링한다.
• 이전 시간 단계의 역사적 상태 정보를 사전 지식으로 활용하여 현재 상태 추정을 조건화한다.
• 이론적 반복 계산의 고리를 피하기 위해 단일 반복으로 작동하는 프레임워크이다.
• 공간 상관관계는 네트워크 버스 간에 모델링되고, 시간 상관관계는 부하 데이터의 시계열 종속성으로 포착된다.
• 가우시안 가정 하에 조건부 기대값 문제로 추정 과정을 수립하여 닫힌 형태의 해를 도출할 수 있다.
• 정적 및 실시간 DSSE 시나리오 양쪽에 적용되었으며, 정확도, 표준편차, 계산 시간 지표를 통해 성능 평가가 이루어졌다.

실험 결과

연구 질문

• RQ1 고객 부하의 공간-시간 상관관계를 효과적으로 모델링하여 DSSE에서 가짜 측정의 정확도를 향상시킬 수 있는가?
• RQ2 이전 시간 단계의 데이터를 통합할 경우 DSSE의 정확도와 계산 효율성은 어떻게 영향을 받는가?
• RQ3 반복이 없는 프레임워크가 반복 방법과 비교해 유사하거나 더 높은 정확도를 달성하면서도 계산 시간을 줄일 수 있는가?
• RQ4 균형 잡힌 및 균형이 깨진 배전망에서 공간 상관관계는 상태추정 정확도에 어떤 영향을 미치는가?

주요 결과

• 한정된 실측 데이터가 존재하는 상황에서 기존 DSSE 기법보다 유의미하게 낮은 추정 오차를 달성하였다.
• 이전 시간 단계의 시간 종속성 활용이 동적 부하 조건에서 특히 추정 정확도 향상에 기여하였다.
• 반복 업데이트를 제거함으로써 계산 시간을 줄였으며, 실시간 응용에 적합한 성능을 확보하였다.
• 균형 잡힌 중압 및 균형이 깨진 저압 배전망 모두에서 높은 정확도를 유지하여 강건성을 입증하였다.
• 기준 방법 대비 추정 오차의 표준편차가 최대 40%까지 감소하여 신뢰성 향상을 나타내었다.