[论文解读] Distributed Robust Power System State Estimation

Vassilis Kekatos, Georgios B. Giannakis|arXiv (Cornell University)|Apr 4, 2012

Power System Optimization and Stability参考文献 28被引用 6

一句话总结

该论文提出了一种基于交替方向乘子法（ADMM）的分布式鲁棒电力系统状态估计框架，实现了跨互联控制区域的隐私保护、低通信量和收敛的状态估计。该方法联合估计系统状态并利用Huber的M-估计器识别不良数据，在IEEE 14、118和4,200母线系统上仅需几次区域间交换即可达到集中式估计的精度。

ABSTRACT

Deregulation of energy markets, penetration of renewables, advanced metering capabilities, and the urge for situational awareness, all call for system-wide power system state estimation (PSSE). Implementing a centralized estimator though is practically infeasible due to the complexity scale of an interconnection, the communication bottleneck in real-time monitoring, regional disclosure policies, and reliability issues. In this context, distributed PSSE methods are treated here under a unified and systematic framework. A novel algorithm is developed based on the alternating direction method of multipliers. It leverages existing PSSE solvers, respects privacy policies, exhibits low communication load, and its convergence to the centralized estimates is guaranteed even in the absence of local observability. Beyond the conventional least-squares based PSSE, the decentralized framework accommodates a robust state estimator. By exploiting interesting links to the compressive sampling advances, the latter jointly estimates the state and identifies corrupted measurements. The novel algorithms are numerically evaluated using the IEEE 14-, 118-bus, and a 4,200-bus benchmarks. Simulations demonstrate that the attainable accuracy can be reached within a few inter-area exchanges, while largest residual tests are outperformed.

研究动机与目标

• 解决大型互联电力系统中集中式状态估计因计算复杂度高、通信瓶颈和隐私约束带来的局限性。
• 在无需本地可观测性或中央协调器的情况下，实现在多个控制区域间的分布式状态估计。
• 开发一种鲁棒的估计框架，以去中心化方式联合估计状态并识别被污染的测量值（不良数据）。
• 即使本地区域不具备可观测性，也能通过基于ADMM的优化方法收敛至集中式估计结果。
• 集成现有PSSE求解器，并支持零注入母线和运行约束等实际扩展。

提出的方法

• 将分布式电力系统状态估计建模为使用交替方向乘子法（ADMM）的共识优化问题。
• 引入辅助变量 $\mathbf{x}_{kl}$ 以解耦相邻区域 $k$ 和 $l$ 之间的状态估计，从而实现本地计算。
• 通过ADMM更新迭代最小化本地代价函数，同时在区域边界强制共享状态变量的一致性。
• 将Huber的M-估计器引入代价函数，以联合估计状态并检测不良数据，利用残差向量的稀疏性。
• 通过变量平均和递归拉格朗日乘子更新，消除辅助变量，推导出简化的ADMM更新公式。
• 通过理论保证确保收敛性，包括相邻区域间对偶变量之和的不变性（引理1），并保持与标准PSSE求解器的兼容性。

实验结果

研究问题

• RQ1 在不依赖本地可观测性的前提下，分布式状态估计框架能否收敛至集中式估计结果？
• RQ2 如何在去中心化方式下识别并剔除不良数据，而无需依赖两步法？
• RQ3 所提出的基于ADMM的框架在多区域电力系统中在多大程度上降低了通信负载并保护了隐私？
• RQ4 该鲁棒估计框架能否以极低的计算开销联合估计状态并检测不良数据？
• RQ5 该算法在大规模电力系统模型上的精度和收敛速度表现如何？

主要发现

• 所提出的基于ADMM的分布式状态估计算法即使在缺乏本地可观测性的情况下，也能收敛至集中式解，理论分析已证明该结论。
• 基于Huber的M-估计器的鲁棒去中心化估计器能够联合估计状态并识别不良数据，在仿真中表现优于传统的最大残差检验方法。
• 在IEEE 14、118母线和4,200母线系统上的数值评估表明，该算法仅需几次区域间交换即可实现高精度的状态估计。
• 该方法通信开销极低，仅需在相邻控制区域之间交换状态估计值和对偶变量。
• 将鲁棒估计与标准PSSE求解器集成仅需增加少量额外迭代，使其适用于实时部署。
• 该框架无需改变核心算法结构，即可支持零注入母线和运行约束等实际扩展。