[论文解读] Gradient-Based Multi-Area Distribution System State Estimation

Xinyang Zhou, Zhiyuan Liu+4 more|arXiv (Cornell University)|Sep 25, 2019

Optimal Power Flow Distribution参考文献 37被引用 14

一句话总结

本文提出一种基于梯度的多区域状态估计算法，适用于高渗透率分布式能源资源的大型、不平衡、辐射状配电系统。通过将系统划分为树状结构的区域，并利用线性化潮流模型与网络拓扑，该方法实现了加权最小二乘（WLS）状态估计问题的分布式、并行计算，实现了快速收敛与高精度——尤其在测量有限且噪声较大的情况下，其速度与估计保真度均优于传统高斯-牛顿方法。

ABSTRACT

The increasing distributed and renewable energy resources and controllable devices in distribution systems make fast distribution system state estimation (DSSE) crucial in system monitoring and control. We consider a large multi-phase distribution system and formulate DSSE as a weighted least squares (WLS) problem. We divide the large distribution system into smaller areas of subtree structure, and by jointly exploring the linearized power flow model and the network topology, we propose a gradient-based multi-area algorithm to exactly and efficiently solve the WLS problem. The proposed algorithm enables distributed and parallel computation of the state estimation problem without compromising any performance. Numerical results on a 4,521-node test feeder show that the designed algorithm features fast convergence and accurate estimation results. Comparison with traditional Gauss-Newton method shows that the proposed method has much better performance in distribution systems with a limited amount of reliable measurement. The real-time implementation of the algorithm tracks time-varying system states with high accuracy.

研究动机与目标

• 解决在高分布式能源资源（DER）渗透率的大型多相、辐射状配电系统中实现实时、精确状态估计的挑战。
• 克服传统高斯-牛顿方法在测量有限、不可靠或伪测量条件下的可扩展性与数值不稳定性问题。
• 在不牺牲估计精度的前提下，实现状态估计问题的分布式与并行计算。
• 开发一种可扩展、鲁棒且具备实时处理能力的算法，适用于未来具备高精度时变数据的主动配电网络。
• 确保系统可观测性，并在仅有少量节点具备电压测量、其余负荷依赖伪测量的情况下，实现精确的电压幅值估计。

提出的方法

• 将配电系统状态估计建模为以有功与无功注入为状态变量的加权最小二乘（WLS）问题。
• 将大型配电网络划分为多个分层的、树状结构的区域，每个区域由区域监控系统（AMS）管理。
• 利用线性化配电潮流（LinDistFlow）模型与网络拓扑，将全局WLS问题分解为局部子问题。
• 实施基于梯度的优化算法，实现分布式计算：每个AMS使用梯度步长求解其局部子问题，同时通过与配电系统运营商（DSO）的协调确保全局收敛。
• 采用分层的多区域通信协议，各AMS交换边界信息（如区域间接口处的电压与功率注入），以维持一致性与准确性。
• 在实时模式下每秒执行一次梯度步长，利用高分辨率（1秒）的负荷与光伏发电数据，以跟踪快速变化的系统状态。

实验结果

研究问题

• RQ1 基于梯度的分布式算法是否能在测量资源有限的大规模多相配电系统中，实现比传统高斯-牛顿方法更快、更精确的状态估计？
• RQ2 所提出的多区域、分布式梯度方法在实现并行与可扩展计算的同时，如何保持估计精度？
• RQ3 该算法在可再生能源出力高度波动的情况下，能在多大程度上实时跟踪快速变化的系统状态？
• RQ4 当WLS问题因测量误差差异巨大（如伪测量误差为50%，电压测量误差为1%）而出现病态时，算法表现如何？
• RQ5 当仅有3.6%的节点具备电压测量，其余均依赖伪测量时，算法是否仍能保持高精度与快速收敛？

主要发现

• 所提出的基于梯度的多区域算法收敛速度显著快于高斯-牛顿方法，后者每次迭代需超过10秒，因此不适用于实时应用。
• 在4,521节点系统上的离线测试中，算法将平均估计误差降低至0.36%，最大误差降至1.26%，覆盖43,200个实时场景，运行平均值在12小时后趋于稳定。
• 即使伪测量误差的标准差高达50%，且仅有3.6%的节点具备电压测量，该算法仍表现出高精度，平均误差与最大误差指标均优于高斯-牛顿方法。
• 实时实现中每秒执行一次梯度步长，成功以高保真度跟踪了时变电压幅值，与真实系统状态在五个随机选取的节点上高度一致。
• 通过协调的分布式计算，该方法能精确求解全局WLS问题，避免了高斯-牛顿方法在病态问题下性能下降的问题。
• 该算法具有可扩展性与鲁棒性：可处理大规模系统、高R/X比及不平衡多相配置，且无需忽略线路电阻等模型简化。