[논문 리뷰] Topology Estimation in Bulk Power Grids: Guarantees on Exact Recovery

Deepjyoti Deka, Saurav Talukdar외 2명|arXiv (Cornell University)|2017. 07. 05.

Optimal Power Flow Distribution참고 문헌 20인용 수 8

한 줄 요약

이 논문은 노드 전압 측정치를 사용하여 대규모 송전망의 정확한 구조 추정을 위한 데이터 기반 그래픽 모델 프레임워크를 제안한다. 두 가지 알고리즘—역공분산 행렬에 대한 이웃 수세기 및 임계값 설정—을 도입하여, 예를 들어 삼점 사이클의 부재 또는 선로 임피던스와 주입 분산에 대한 충분한 기하학적 제약 조건이 있는 특정 구조 조건 하에서 운영 전력망의 정확한 복원을 보장한다.

ABSTRACT

The topology of a power grid affects its dynamic operation and settlement in the electricity market. Real-time topology identification can enable faster control action following an emergency scenario like failure of a line. This article discusses a graphical model framework for topology estimation in bulk power grids (both loopy transmission and radial distribution) using measurements of voltage collected from the grid nodes. The graphical model for the probability distribution of nodal voltages in linear power flow models is shown to include additional edges along with the operational edges in the true grid. Our proposed estimation algorithms first learn the graphical model and subsequently extract the operational edges using either thresholding or a neighborhood counting scheme. For grid topologies containing no three-node cycles (two buses do not share a common neighbor), we prove that an exact extraction of the operational topology is theoretically guaranteed. This includes a majority of distribution grids that have radial topologies. For grids that include cycles of length three, we provide sufficient conditions that ensure existence of algorithms for exact reconstruction. In particular, for grids with constant impedance per unit length and uniform injection covariances, this observation leads to conditions on geographical placement of the buses. The performance of algorithms is demonstrated in test case simulations.

연구 동기 및 목표

• 노선 파rameter나 주입 통계 자료가 필요 없이 오직 노드 전압 측정치만을 사용하여 실시간 데이터 기반의 전력망 구조 추정을 가능하게 하기 위해.
• 배전 및 송전망에서 선로 기반 측정치의 제한성 문제를 해결하기 위해 고정밀도의 PMU 및 스마트 센서로부터의 노드 측정치를 활용하기 위해.
• 전압 분포의 추정 그래픽 모델에서 진짜 운영 전력망 구조의 정확한 복원을 보장하기 위한 이론적 보장을 제공하기 위해.
• 특히 사이클이나 비반경형 구조가 존재할 경우에도 정확한 복원이 가능하도록 보장하는 충분한 조건을 설정하기 위해.
• 다양한 구조와 사이클 길이를 가진 시뮬레이션 테스트 시스템에서 이웃 수세기 및 임계값 설정 알고리즘의 성능을 비교하고 검증하기 위해.

제안 방법

• 선형 전력 흐름 근사 모델(DC-PF 및 LC-PF)을 사용하여 노드 전압의 결합 분포를 모델링하여, 조건부 의존성에 해당하는 간선을 가진 가우시안 그래픽 모델을 도출한다.
• 노드 전압의 그래픽 모델이 진짜 운영 간선뿐만 아니라, 공통의 이웃을 가진 두 단계 이격된 노드 간의 유령 간선까지 포함하여 진짜 구조의 슈퍼셋을 형성함을 보여준다.
• 추정된 그래픽 모델 내에서 공통 이웃 수를 세는 이웃 수세기 알고리즘을 제안하며, 최소 사이클 길이가 6를 초과할 경우 정확한 복원이 보장된다.
• 역공분산 행렬(집중 행렬)의 요소에 임계값을 적용하여 진짜 간선와 유령 간선을 구분하는 기반의 알고리즘을 개발하며, 사이클 길이가 3를 초과할 경우 정확한 복원이 보장된다.
• 선로 유효도와 주입 분산 프로파일에 기반하여 삼점 사이클을 포함하는 전력망에서의 정확한 복원을 위한 충분한 조건을 유도하며, 특히 선로 임피던스가 단위 길이당 일정하고 주입 변동이 균일할 경우에 해당 조건이 성립함을 확인한다.
• i.i.d. 전압 샘플로부터 역공분산 행렬을 추정하기 위해 그래픽 라소(Graphical Lasso)를 사용하여 그래픽 모델 구조의 스케일러블하고 일致성 있는 추론을 가능하게 한다.

실험 결과

연구 질문

• RQ1 어떤 조건에서 데이터 기반 그래픽 모델 프레임워크를 사용하여 노드 전압 측정치로부터 대규모 전력망의 진짜 운영 구조를 정확히 복원할 수 있는가?
• RQ2 특히 반경형 대비 순환형일 경우의 전력망의 구조적 특성(예: 사이클 길이 및 구조)이 구조 추정 알고리즘의 성능과 보장을 어떻게 영향을 미치는가?
• RQ3 역공분산 행렬에서의 이웃 수세기 또는 임계값 설정이 두 단계 이격된 이웃 간의 의존성에 의해 유도된 유령 간선과 진짜 운영 간선을 신뢰성 있게 구분할 수 있는가?
• RQ4 삼점 사이클을 포함하는 전력망에서 정확한 복원을 보장하기 위한 선로 임피던스와 주입 분산에 대한 충분한 조건은 무엇인가?
• RQ5 전압 샘플 수가 반경형 및 순환형 전력망 구성에서의 구조 추정의 수렴성과 정확도에 어떤 영향을 미치는가?

주요 결과

• 선형 전력 흐름 모델에서의 노드 전압 그래픽 모델은 진짜 운영 간선뿐만 아니라, 두 단계 이격된 이웃 간의 추가적인 유령 간선까지 포함하여 진짜 구조의 슈퍼셋을 형성한다.
• 최소 사이클 길이가 6를 초과하는 반경형 및 순환형 전력망에서는 이웃 수세기 알고리즘이 운영 구조의 정확한 복원을 보장한다.
• 최소 사이클 길이가 3를 초과하는 전력망에서는 기반 임계값 알고리즘이 진짜 구조의 정확한 복원을 보장한다.
• 삼점 사이클을 포함하는 전력망에서는 선로 유효도와 주입 분산이 특정 기하학적 및 매개변수 조건을 만족할 경우, 임계값 기반 복원이 보장되며, 특히 선로 임피던스가 단위 길이당 일정하고 주입 변동이 균일할 경우에 해당 조건이 성립한다.
• 20버스 반경형 및 순환형 시스템(사이클 길이 4 및 7)에 대한 수치 시뮬레이션 결과, 샘플 수가 증가할수록 둘 다 간선 탐지 오류(거짓 양성 및 음성)가 감소하며, 특히 임계값 설정 알고리즘이 수렴하기 위해 더 적은 샘플 수가 필요함을 확인하였다.
• 삼점 사이클을 포함하는 14버스 IEEE 테스트 케이스에서, 임계값 알고리즘의 오차는 대규모 샘플 수에도 불구하고 0이 아닌 값으로 감소함을 확인하여, 삼각형 사이클이 존재할 경우 추가 제약 조건 없이 정확한 복원이 보장되지 않음을 확인하였다.