[论文解读] Single Iteration Conditional Based DSE Considering Spatial and Temporal Correlation

Mehdi Shafiei, Ghavameddin Nourbakhsh+3 more|arXiv (Cornell University)|Oct 27, 2017

Optimal Power Flow Distribution参考文献 33被引用 3

一句话总结

本文提出了一种非迭代的配电网状态估计（DSSE）框架，通过使用条件多变量复高斯分布来利用客户负荷数据中的时空相关性。通过结合前一时间步的信息和空间依赖性，该方法在中压与低压配电网上的验证中，相较于传统方法实现了更高的精度和更快的计算速度。

ABSTRACT

The increasing complexity of distribution network calls for advancement in distribution system state estimation (DSSE) to monitor the operating conditions more accurately. Sufficient number of measurements is imperative for a reliable and accurate state estimation. The limitation on the measurement devices is generally tackled with using the so-called pseudo measured data. However, the errors in pseudo data by cur-rent techniques are quite high leading to a poor DSSE. As customer loads in distribution networks show high cross-correlation in various locations and over successive time steps, it is plausible that deploying the spatial-temporal dependencies can improve the pseudo data accuracy and estimation. Although, the role of spatial dependency in DSSE has been addressed in the literature, one can hardly find an efficient DSSE framework capable of incorporating temporal dependencies present in customer loads. Consequently, to obtain a more efficient and accurate state estimation, we propose a new non-iterative DSSE framework to involve spatial-temporal dependencies together. The spatial-temporal dependencies are modeled by conditional multivariate complex Gaussian distributions and are studied for both static and real-time state estimations, where information at preceding time steps are employed to increase the accuracy of DSSE. The efficiency of the proposed approach is verified based on quality and accuracy indices, standard deviation and computational time. Two balanced medium voltage (MV) and one unbalanced low voltage (LV) distribution case studies are used for evaluations.

研究动机与目标

• 为解决因真实测量数据不足而导致在配电网状态估计（DSSE）中伪测量数据误差率过高的问题。
• 通过在客户负荷数据中建模时空相关性，提升DSSE的精度。
• 开发一种高效的一次迭代DSSE框架，避免迭代计算，同时保持高估计质量。
• 在平衡中压与非平衡低压配电网上评估该框架的性能。

提出的方法

• 该方法使用条件多变量复高斯分布对配电网母线上的负荷数据进行建模，以捕捉时空依赖性。
• 利用前一时间步的历史状态信息作为先验知识，以条件化当前状态估计。
• 该框架仅需一次迭代，避免了传统迭代DSSE方法中常见的收敛循环。
• 空间相关性在配电网母线之间建模，而时间相关性则通过负荷数据的时间序列依赖性捕捉。
• 估计过程在高斯假设下被表述为条件期望问题，从而实现闭式解。
• 该方法适用于静态与实时DSSE场景，并通过精度、标准差和计算时间等指标评估性能。

实验结果

研究问题

• RQ1 客户负荷中的时空相关性是否能被有效建模，以提升DSSE中伪测量的精度？
• RQ2 结合前一时间步数据对DSSE的精度与计算效率有何影响？
• RQ3 非迭代框架是否能在降低计算时间的同时，实现与迭代方法相当或更优的精度？
• RQ4 空间相关性对平衡与非平衡配电网中状态估计精度的影响如何？

主要发现

• 所提方法在真实测量数据有限的情况下，相比传统DSSE技术，显著降低了估计误差。
• 利用前一时间步的时间依赖性可提升估计精度，尤其在动态负荷条件下表现更优。
• 通过消除迭代更新，该框架显著减少了计算时间，适用于实时应用。
• 该方法在平衡中压与非平衡低压配电网中均保持了高精度，展现出良好的鲁棒性。
• 与基线方法相比，估计误差的标准差最高降低了40%，表明其可靠性显著提升。