[论文解读] Feeder Topology Identification.

Raffi Sevlian, Ram Rajagopal|arXiv (Cornell University)|Mar 24, 2015

Optimal Power Flow Distribution参考文献 12被引用 14

一句话总结

本文提出一种基于稀疏潮流和负荷测量的居民配电网馈线生成树识别方法，以实现精确的馈线拓扑识别。研究证明，在确定性情况下，传感器布置 alone 决定可辨识性，并提出一种针对噪声负荷预测的局部最优传感器布置算法。

ABSTRACT

Advanced control of distributed energy resources at the consumer level requires full situational awareness of the the distribution system. One important problem is that of feeder topology identification, due to changing switch configurations, given a sparse number of measurements. We formulate the problem for residential feeders as a spanning tree identification problem over a general graph. Given a set of power flow measurements and load pseudo measurements, we show that the underlying graph structure is crucial in defining identifiability of the correct spanning tree on the graph. First we solve the deterministic case of known true loads and measured power flow. We show that the placement of sensors on the network alone determine whether the set of spanning trees can be correctly identified. In the stochastic case where loads are in the form of noisy forecasts, we present a locally optimal sensor placement algorithm.

研究动机与目标

• 通过从稀疏测量中识别正确的馈线拓扑，实现配电网的全面态势感知。
• 解决在动态开关配置和测量资源有限条件下的拓扑识别挑战。
• 确定从潮流和负荷测量中唯一识别出真实生成树的条件。
• 制定一种传感器布置策略，以在存在噪声负荷预测的情况下最大化可辨识性。
• 将问题形式化为在一般图结构上的生成树识别任务。

提出的方法

• 将馈线拓扑识别形式化为表示配电网的通用图上的生成树识别问题。
• 在确定性情况下，利用已知的真实负荷和测量的潮流数据求解，此时可辨识性仅取决于传感器布置。
• 应用图论方法分析测量集能够区分哪些生成树。
• 针对存在噪声负荷预测的随机情况，提出一种局部最优传感器布置算法。
• 利用潮流测量和负荷的伪测量推断网络结构，而无需实现完全可观测性。
• 采用数学框架基于网络的图结构和传感器配置评估可辨识性。

实验结果

研究问题

• RQ1 在何种条件下，可以从一组稀疏的潮流和负荷测量中唯一识别出真实的馈线拓扑？
• RQ2 传感器布置如何影响配电网中正确生成树的可辨识性？
• RQ3 测量噪声对拓扑识别有何影响，传感器布置如何缓解该影响？
• RQ4 能否为噪声负荷预测推导出一种局部最优传感器布置策略，以最大化可辨识性？
• RQ5 底层图结构如何影响拓扑识别的可行性？

主要发现

• 在已知真实负荷的确定性情况下，正确生成树的可辨识性仅由传感器布置决定。
• 仅当测量集提供足够信息以将真实生成树与所有其他可能的树区分开时，才存在唯一解。
• 所提出的局部最优传感器布置算法在存在噪声负荷预测时可提升可辨识性。
• 图结构在决定拓扑是否可识别方面起着关键作用，与测量数量无关。
• 该方法可在无需完全网络可观测性的情况下实现拓扑识别，仅依赖稀疏测量和负荷伪测量。
• 该框架为在传感资源有限的配电网中实现馈线拓扑的实时监控提供了基础。