【中国科学院（马丽）】2024年基于数据驱动的配电网拓扑识别方法研究报告_38页_9mb

中国电工技术学会学术年会（ACCES 2024）

基于数据驱动的配电网拓扑识别方法研究

报告人： 马丽 副研究员
单位： 中国科学院电工研究所
时间： 2024年9月21日
地点： 西安

团队介绍

• 团队名称： 中国科学院电工研究所电网技术研究部
• 研究方向： 交直流配电网、新型储能系统、新能源电力系统稳定与控制、人工智能在电力系统中的应用、分布式能源市场、综合能源运行优化等
• 项目经验： 主持科技部863项目、973课题、国家重点研发专项项目及课题10余项，自然科学基金重点及面上项目20余项，省部级及企业项目60余项
• 奖项： 牵头获得北京市科技进步一等奖、中国仿真学会技术发明一等奖、中国电力科学技术进步一等奖、电力科技创新一等奖等

研究背景

配电网拓扑可观测性弱的原因

• 大规模与低监测率： 配电网规模大，但监测设备覆盖不全
• 频繁拓扑变化： 由于正常操作或故障，开关频繁变化
• 人工维护： 除传感器外，其他拓扑信息由人工维护，难以保证完整性和准确性
• 分布式能源发展： 新能源接入加剧了拓扑变化频率

拓扑识别的意义

• 故障定位
• 高效调度
• 需求侧管理
• 停电管理与系统韧性提升

技术支持

• 高级计量基础设施（AMI）
• 微相量测量单元（μ-PMU）
• 配电地理信息系统（GIS）

研究方法

两阶段拓扑识别框架

1. 阶段一：历史数据识别

   • 利用历史未标记数据与标记数据进行训练
   • 使用EM算法进行参数估计

2. 阶段二：实时拓扑识别

   • 基于历史数据生成的分类器进行实时识别
   • 引入贝叶斯递归模型进行标签可信度分析

分裂EM（Split-EM）方法

• 用于拓扑类别数未知的情况
• 通过迭代优化，逐步识别拓扑类别
• 计算复杂度低于传统EM方法，尤其适用于拓扑类别数≥2的场景

概率密度计算

• 三相平衡系统： 通过节点电压和相角计算有功和无功功率
• 三相不平衡系统： 考虑各相之间的相互作用，计算各节点的有功和无功功率
• 通过引入测量误差，建立概率密度模型

案例分析

测试系统：IEEE 33节点系统

• 数据样本： 包含100条记录，分为4种拓扑类别（T1~T4）

• 训练与测试结果：

  • Fine Tree: 训练准确率99.10%，测试准确率97.20%，预测时间0.03秒
  • Linear SVM: 训练准确率99.99%，测试准确率97.80%，预测时间0.26秒
  • Neural Network: 训练准确率99.96%，测试准确率98.00%，预测时间0.01秒

• 拓扑类别数对性能影响：

  • 随着拓扑类别数增加，训练准确率下降，预测时间上升

三相不平衡系统测试

• 测试系统： 135节点系统
• 子系统划分： 分为A1、A2、A3三个子系统
• 训练与测试结果：
  • A1: 训练时间23.9秒，训练准确率99.60%，测试准确率98.20%
  • A2: 训练时间18.8秒，训练准确率99.20%，测试准确率98.90%
  • A3: 训练时间13.1秒，训练准确率99.80%，测试准确率99.40%

扩展应用

大规模系统中的拓扑识别流程

1. 划分子系统： 将整个配电网划分为多个子系统
2. 独立识别： 在每个子系统中进行拓扑识别
3. 组合结果： 将历史与实时识别结果进行整合

子系统划分优化

• 目标： 最小化子系统间连接线路总数
• 约束： 节点数量与未知状态数量不超过限制

联合参数估计与拓扑识别

• 模型： 建立包含参数估计与拓扑识别的联合优化模型
• 应用： 用于柔性连接网络，如含分布式能源的系统
• 公式： 通过雅可比矩阵和误差向量进行参数与拓扑的联合估计

结论

• 提出基于数据驱动的两阶段拓扑识别框架，有效应对配电网拓扑识别中的挑战
• 分裂EM算法在拓扑类别数未知的情况下表现良好，计算复杂度较低
• 多种分类器（如SVM、神经网络、决策树）均能实现高识别准确率
• 拓扑识别方法可扩展至大规模系统及三相不平衡系统
• 未来研究方向包括提升数据质量、降低计算负担及扩展至更多复杂场景