[论文解读] Forecasting-Based State Estimation for Three-Phase Distribution Systems with Limited Sensing.

Roel Dobbe, Werner van Westering+4 more|arXiv (Cornell University)|Jun 15, 2018

Power System Optimization and Stability参考文献 9被引用 5

一句话总结

本文提出了一种用于三相配电网的贝叶斯状态估计方法，通过融合有限的实时PMU测量数据与非平衡三相潮流线性预测模型的电压预测，实现高分辨率状态更新，并提供先验与后验不确定性量化。该方法在IEEE基准系统和荷兰Alliander公司的真实配电网测试平台上得到验证。

ABSTRACT

State Estimation is an essential technique to provide observability in power systems. Traditionally developed for high-voltage transmission networks, state estimation requires equipping networks with many real-time sensors, which remains a challenge at the scale of distribution networks. This paper proposes a method to complement a limited set of real-time measurements with voltage predictions from forecast models. The method differs from the classical weighted least-squares approach, and instead relies on Bayesian estimation formulated as a linear least squares estimation problem. We integrate recently developed linear models for unbalanced 3-phase power flow to construct voltage predictions as a linear mapping of load predictions. The estimation step is a linear computation allowing high resolution state estimate updates, for instance by exploiting a small set of phasor measurement units. Uncertainties can be determined a priori and smoothed a posteriori, making the method useful for both planning, operation and post hoc analysis. The method is applied to an IEEE benchmark and on a real network testbed at the Dutch utility Alliander.

研究动机与目标

• 解决由于实时传感基础设施有限而导致的配电网可观测性挑战。
• 克服在配电网中部署密集传感器网络所带来的高成本与不切实际的问题。
• 通过整合预测的电压数据，仅使用稀疏PMU集合实现精确的状态估计。
• 同时提供实时运行状态估计与事后分析能力，并量化不确定性。
• 开发一种计算高效、与现有配电网模型兼容的线性估计框架。

提出的方法

• 将状态估计建模为贝叶斯线性最小二乘问题，实现高效计算与不确定性传播。
• 利用近期开发的非平衡三相潮流线性模型，将负荷预测映射为电压预测，作为线性变换。
• 通过线性估计框架将实时PMU测量与预测电压数据融合，生成高分辨率状态估计。
• 先验地从负荷与预测模型中传播不确定性，并利用测量数据在后验中进行平滑处理。
• 在IEEE基准系统与荷兰Alliander公司的真实配电网测试平台中应用该方法以进行验证。
• 通过避免迭代求解器，转而依赖直接的线性代数解法，确保计算效率。

实验结果

研究问题

• RQ1 能否有效结合有限的PMU测量与预测电压，实现在三相配电网中的精确状态估计？
• RQ2 所提出的贝叶斯线性估计框架在精度与不确定性量化方面相较于经典加权最小二乘法表现如何？
• RQ3 线性化的三相潮流模型在多大程度上能准确预测电压行为以用于状态估计？
• RQ4 该方法是否能同时支持实时运行与事后分析，并保持一致的不确定性表示？
• RQ5 该方法在具有不平衡负载与复杂拓扑结构的真实配电网中表现如何？

主要发现

• 所提出的方法仅使用稀疏PMU测量即可实现高分辨率状态估计，显著减少了对密集传感器部署的需求。
• 将预测电压与实时测量数据融合，即使在传感基础设施有限的情况下也能实现精确的状态估计。
• 不确定性先验地从负荷预测中获得，并通过测量数据在后验中进一步优化，支持运行与事后分析双重应用场景。
• 该方法在IEEE基准系统与Alliander公司的真实配电网测试平台中均成功验证，展示了实际适用性。
• 线性估计框架确保了计算效率，支持适用于实时运行的快速更新。
• 该方法在非平衡三相运行条件下保持了高精度，展现出对网络复杂性的鲁棒性。