[论文解读] Urban Distribution Grid Topology Estimation via Group Lasso

Yizheng Liao, Yang Weng+2 more|arXiv (Cornell University)|Nov 6, 2016

Optimal Power Flow Distribution被引用 8

一句话总结

本文提出一种基于数据的组套索（Group Lasso）方法，利用智能电表电压数据估计配电网拓扑结构，通过概率图模型建模母线连接关系，并将复杂网络重构问题转化为分组变量选择问题。该方法在IEEE测试系统中实现了高度准确的拓扑估计，即使在环网结构和真实智能电表数据下也表现优异。

ABSTRACT

The growing penetration of distributed energy resources (DERs) in urban areas raises multiple reliability issues. The topology reconstruction is a critical step to ensure the robustness of distribution grid operation. However, the bus connectivity and network topology reconstruction are hard in distribution grids. The reasons are that 1) the branches are challenging and expensive to monitor due to underground setup; 2) the inappropriate assumption of radial topology in many studies that urban grids are mesh. To address these drawbacks, we propose a new data-driven approach to reconstruct distribution grid topology by utilizing the newly available smart meter data. Specifically, a graphical model is built to model the probabilistic relationships among different voltage measurements. With proof, the bus connectivity and topology estimation problems are formulated as a linear regression problem with least absolute shrinkage on grouped variables (Group Lasso) to deal with meshed network structures. Simulation results show highly accurate estimation in IEEE standard distribution test systems with and without loops using real smart meter data.

研究动机与目标

• 解决由于地下电缆和监测不足导致的城市配电网中拓扑信息不可靠和不完整的问题。
• 克服现有方法中假设配电网为辐射状结构的局限性，该假设在现代复杂环网结构的配电网中不准确。
• 利用新获取的智能电表数据，实现复杂城市配电网中数据驱动的、高精度的拓扑重构。
• 开发一种鲁棒方法，能够处理辐射状和环网结构的配电网，且无需对网络拓扑结构预先做出假设。
• 将拓扑估计问题建模为结构化回归任务，通过分组变量选择推断母线连接关系。

提出的方法

• 构建一个概率图模型，以表示智能电表电压测量值之间的条件依赖结构。
• 将配电网拓扑估计建模为一个线性回归问题，其中回归系数代表母线之间的连接关系。
• 应用组套索正则化，对分组变量施加稀疏性——每组对应一个母线的电压测量值——从而识别出连接的母线。
• 利用组结构保持同一母线电压测量值的完整性，实现相关变量的联合选择。
• 证明在适当假设下，组套索公式可实现一致的拓扑估计，即使在存在环网的情况下也成立。
• 使用标准的组套索求解器求解优化问题，从真实智能电表数据中恢复网络连接矩阵。

实验结果

研究问题

• RQ1 能否有效利用智能电表电压数据重构具有环网结构的城市配电网拓扑？
• RQ2 与传统假设为辐射状结构的方法相比，组套索方法在准确估计环网结构方面表现如何？
• RQ3 基于分组变量选择的数据驱动方法在实际配电网系统中能将拓扑估计精度提升到何种程度？
• RQ4 所提出的方法在包含和不包含环网的IEEE标准测试系统中是否均能保持高精度？
• RQ5 该方法是否能在不依赖直接支路测量数据的情况下可靠地推断母线连接关系？

主要发现

• 所提出的基于组套索的方法在辐射状和环网结构的IEEE配电网测试系统中均实现了高度准确的拓扑估计。
• 该方法仅利用智能电表电压数据即可成功重构网络拓扑，无需直接测量支路潮流或状态信息。
• 仿真结果表明，该方法在存在环网的系统中表现出稳健性能，而传统辐射状假设在此类系统中会失效。
• 分组变量选择的使用有效捕捉了母线之间的结构性关系，显著提升了估计精度，优于标准套索方法。
• 该方法在真实智能电表数据上的应用也保持了高精度，验证了其实际适用性。
• 该方法在所假设模型下被证明具有一致性，为其可靠性提供了理论支持。