CN116888848A - 电网拓扑确定 - Google Patents
电网拓扑确定 Download PDFInfo
- Publication number
- CN116888848A CN116888848A CN202280017407.8A CN202280017407A CN116888848A CN 116888848 A CN116888848 A CN 116888848A CN 202280017407 A CN202280017407 A CN 202280017407A CN 116888848 A CN116888848 A CN 116888848A
- Authority
- CN
- China
- Prior art keywords
- grid
- topology
- buses
- loop
- measurement data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 73
- 238000005259 measurement Methods 0.000 claims abstract description 68
- 238000010972 statistical evaluation Methods 0.000 claims abstract description 40
- 238000004590 computer program Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 description 12
- 208000018910 keratinopathic ichthyosis Diseases 0.000 description 11
- 238000013459 approach Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 235000008694 Humulus lupulus Nutrition 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- QERYCTSHXKAMIS-UHFFFAOYSA-M thiophene-2-carboxylate Chemical compound [O-]C(=O)C1=CC=CS1 QERYCTSHXKAMIS-UHFFFAOYSA-M 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Abstract
本申请涉及一种用于确定电网拓扑的方法,该方法包括:确定电网的至少一个回路;确定位于电网的所述至少一个回路的多个区段处的多条电网总线;对与所述多条电网总线中的电网总线相关联的测量数据执行至少一项统计评估以计算权重,这些权重指示一个区段或包括至少两个相邻区段的部段的电网总线彼此连接;以及基于所计算的权重来确定电网拓扑。本申请还涉及相应的装置和相应的计算机程序产品。
Description
技术领域
本公开涉及一种用于确定电网的拓扑的方法、装置和计算机程序产品。特别地,本公开涉及一种用于电网拓扑错误识别(即,用于识别电网连接性中的错误并相应地校正对应的电网模型)的数据驱动方法。
背景技术
随着高级监测工具(例如,监视控制和数据采集(SCADA)、智能电表和线路传感器)的出现,识别和校正电网中的错误(例如,相连接中的错误、拓扑或参数错误)、特别是对此类电网进行建模,正成为非常重要的话题,特别是因为配电系统运营商(DSO)通常不完全了解底层电网。因此,由于对底层电网的详细了解的这种缺乏,DSO通常无法使用基于模型的电网控制解决方案。对详细的测量数据的此类缺乏通常是基于模型的电网控制解决方案的最高障碍。通常,此类错误是手动搜索并校正的,这非常耗时。
拓扑错误识别是指确定当前操作拓扑的问题,并且识别是电网操作的动态和静态状态下大多数控制和优化问题的必要组成部分。拓扑错误识别可以使得能够及时检测线路故障并识别可能影响节点边际价格的关键线路。
通过在客户场所使用先进的计量基础设施和智能电表,前所未有的数据量变得可用,以改进和验证传统电网模型。
因此,假设有拓扑错误,则可以采用数据驱动和图论方法来利用智能电表数据,以便识别它们在其中操作的操作拓扑并揭示它们各自的邻近总线。
在输电网中,拓扑可能很少改变并且可以由拓扑处理器识别,其中拓扑错误通过后状态估计程序来确定。然而,由于各种原因所致,这些方法在配电网中的性能有限。例如,在许多主要大都市地区,配电网规模巨大且大部分位于地下,这使得任何拓扑识别装置的安装既耗时又昂贵。更糟糕的是,地下配电网的重新配置使得为架空输电网开发的方法不合适。
图1中示出了电网中一些最常见的拓扑错误。详细而言,图1示出了两个HV/MV MV(高压/中压)变电站100a、100b之间的电网。图1中的电网包括以下拓扑错误:错误的断路器状态101、错误的变压器状态102、以及错误的架空电力线路状态103。
发明内容
因此,需要一种方法,其对于弱网状系统和径向系统两者都适用并且稳健,这些系统可能具有单相和多相负载的混合体。其次,需要一种方法,其能够使用先验知识、检测错误并且可以用于校正公用事业拓扑数据库,而不是从头开始识别操作拓扑。第三,需要一种方法,其依赖于非同步、现实且不完整的智能电表电压数据。
上文提到的目的是通过独立权利要求的特征实现的。从属权利要求限定了本公开的优选实施例。
特别地,本公开涉及一种用于确定电网拓扑的方法。该方法包括:确定电网的至少一个回路;确定位于电网的所述至少一个回路的多个区段处的多条电网总线;对与所述多条电网总线中的电网总线相关联的测量数据执行至少一项统计评估以计算权重,这些权重指示一个区段的电网总线彼此连接或包括至少两个相邻区段的部段的电网总线彼此连接;以及基于所计算的权重来确定电网拓扑。
各种实施例可优选地实施以下特征:
电网优选地包括或者是输电网和/或配电网。
优选地,与电网总线相关联的测量数据是直接在电网总线处测得的测量数据抑或是从电网总线远程测得的测量数据。优选地,从电网总线远程测得的测量数据是在电网总线附近、更优选地直接邻近的电网部件的测量数据。优选地,从电网总线远程测得的测量数据可在与电网总线所在的区段邻近的区段处测量。优选地,与电网总线相关联的测量数据是来自最靠近电网总线的电网部件的测量数据,该电网部件是或包括电表,例如智能电表。优选地,最靠近相应电网总线的电网部件对于相应电网总线具有最小阻抗。换句话说,最靠近相应电网总线的电网部件具有到相应电网总线的最小电气距离。优选地,与电网总线相关联的测量数据是直接在电网总线处测得的测量数据抑或是来自最靠近电网总线的电网部件的测量数据,该电网部件是或包括电表,例如智能电表。
优选地,包括至少两个相邻区段的部段是指/是由至少两个相邻区段形成的部段。
位于部段的两个区段之间的电网总线可能不具有与所述电网总线相关联的测量数据。然后,优选地,执行所述至少一项统计评估以计算权重,该权重指示位于所述部段的端点处的两条电网总线(每个端点处各有两条电网总线中的一条)彼此连接。
优选地,电网总线是电网的连接点。优选地,两条邻近的电网总线之间存在一个区段。优选地,电网总线也可以仅具有一条邻近的总线,例如在电网的侧向的端部处。
优选地,如果通过执行所述至少一项统计评估所计算的权重低于预定阈值和/或如果所计算的权重是针对所述至少一个回路计算的权重中的最低者,则确定一个区段或部段的两条电网总线彼此不连接。
优选地,电网部件包括或者是电表。优选地,电网部件包括或者是负载、连接到负载的电表、电容器、电容器组、电压调节器和/或变压器。优选地,连接到负载的电表是智能电表。
与所述多条电网总线中的电网总线相关联的测量数据优选地包括测得的电压数据、更优选地测得的电压数据的时间序列、电压幅值数据、电压幅值数据的至少一个时间序列、电压偏差数据、电压偏差数据的至少一个时间序列、和/或测得的断路器状态数据。优选地,对与电网总线相关联的测量数据进行预处理。预处理优选地包括将测量数据归一化,更优选地以获得零均值和单位方差。
优选地,电网的所述至少一个回路是基于电网的拓扑数据(更优选地,来自数据库的拓扑数据)来确定的。该数据库优选地是地理信息系统(GIS)数据库。优选地,拓扑数据是从电网运营商提供的。优选地,拓扑数据包括电网的电网总线的相数。优选地,拓扑数据包括关于电网总线的信息。优选地,拓扑数据包括关于电网中(可用)的区段的信息。
优选地,该方法进一步包括进行以下迭代:基于电网的拓扑数据来确定电网的至少一个回路、确定多条电网总线、执行至少一项统计评估、确定电网拓扑。优选地,该方法包括:基于所确定的电网拓扑来更新拓扑数据。确定电网的至少一个回路优选地是基于来自数据库的电网的拓扑数据,并且基于所确定的电网拓扑来更新拓扑数据是优选地基于所确定的电网拓扑来更新数据库中的拓扑数据。优选地,每次迭代对与所述多条电网总线相关联的各种测量数据执行所述至少一项统计评估。各种测量数据优选地是不同的测量数据。各种测量数据优选地是来自不同时间实例的测量数据。换句话说,优选地对来自第一时间实例和来自进一步迭代(更优选地,下一个迭代中)的第二时间实例(特别是稍后的时间实例)的测量数据执行所述至少一项统计评估。因此,迭代优选地以滚动时域的方式执行。使用迭代可具有可以计算更新的拓扑数据的置信度分数的有利效果。优选地,计算更新的拓扑数据的置信度分数。
优选地,电网的所述至少一个回路是使用图算法、特别是使用一组循环来确定的,该组循环形成图算法的图的循环空间基础。
优选地,确定电网拓扑是使用图论算法来执行的。图论算法优选地是有向最大生成树算法。
优选地,所述至少一个回路的所述多条电网总线中的至少一条电网总线具有与多于一相、优选地两相、更优选地三相的相连接。优选地,通过对与电网总线的相应相相关联的测量数据求平均值,来对与具有与多于一相的相连接的电网总线相关联测量数据进行预处理。优选地,一个区段或部段的至少两条电网总线具有与多于一相的相连接,并且对来自存在于所述至少两条电网总线的相连接中的相的测量数据执行所述至少一项统计评估。
所述至少一项统计评估优选地是以下各者中的至少一者:皮尔逊相关;最小绝对收缩和选择算子(LASSO);最小绝对收缩和选择算子与最小角回归(LASSOLARS);互信息(MI);或者条件独立性。优选地,执行统计评估的组合。优选地,对与所述多条电网总线中的电网总线相关联的测量数据执行至少两项统计评估以计算权重,这些权重指示一个区段或包括至少两个相邻区段的部段的电网总线彼此连接。优选地,汇总一个区段或部段的电网总线的两项统计评估的所计算的权重。优选地,将汇总的权重除以所使用的统计评估的数量。优选地,使用权重函数来汇总或组合一个区段或部段的电网总线的两项统计评估的所计算的权重。优选地,使用皮尔逊相关、LASSOLARS、MI和条件独立性的组合。
优选地,与所述多条电网总线中的电网总线相关联的测量数据被划分成多个部分。优选地,每个部分包括与所述多条电网总线中的电网总线相关联的测量数据。优选地,针对每个部分执行至少一项统计评估。优选地,基于这些部分中权重的出现来计算权重的置信度分数,这些权重指示一个区段的电网总线彼此连接或包括至少两个相邻区段的部段的电网总线彼此连接。
该方法优选地包括:基于所确定的电网拓扑来评估现有的电网拓扑。
该方法优选地包括:基于所确定的电网拓扑来识别电网中的至少一个故障。所述至少一个故障优选地是短路。
该方法优选地包括:基于所确定的电网拓扑来确定电网中的至少一个断路器的状态。
该方法优选地包括:在基于先进模型的应用中使用所确定的电网拓扑,特别是电压控制和/或最优潮流。
本公开还涉及一种用于确定电网拓扑的装置。该装置包括用于存储计算机指令的存储器(特别是非暂态存储器)以及与存储器通信的处理器,其中,当该处理器执行计算机指令时,该处理器被配置成实施如上文所描述的方法。
本公开还涉及一种计算机程序产品,其包括指令,当程序由计算机执行时,这些指令引起计算机实施如上文所描述的方法的步骤。
本公开的一个方面是例如针对最有希望的径向配电网使用一种混合方法,该混合方法将用于加权网络分支概率的统计系数与图论算法(例如,用于检测最佳分支和跨越树形的Edmonds算法)进行组合。
本公开的进一步的一般方面是针对电网中的潜在回路生成最可能的断开分支(即,GIS数据库中的错误条目)的列表。
详细而言,本公开还涉及一种混合方法,其将用于加权网络分支概率的统计系数与用于检测最可能的分支和跨越的图形成算法进行组合。此外,结果,获得了最可能地错误的数据库条目的列表,并且检测最可能地操作拓扑。代替手动现场检查的是,操作员可逐一检查数据库中可能地错误连接的前述列表,并重新运行该方法,直到发现并修复数据库中的所有不正确条目。
根据本公开,该方法可自动运行,并且可包括对相关算法超参数的自动调谐。
根据本公开的方法具有以下优点:其覆盖广泛范围的电网及其各自的连接类型和资产(在有源或无源状态下操作的网状电网和径向电网两者)。此外,它促进了使更新对应的电网模型自动化,并减小了人工检查的必要性。更进一步,它允许由于预期的或未知的电网重新配置和变化所致而更快地更新对应的电网模型,因为它向专家指示了潜在的错误源在哪里。
本文中所公开的示例性实施例涉及提供当结合附图时通过参考以下描述将变得容易显而易见的特征。根据各种实施例,本文中公开了示例性系统、方法、装置和计算机程序产品。然而,应理解,这些实施例是通过示例而非限制的方式呈现的,并且对于阅读本公开的本领域普通技术人员而言显而易见的是,可以对所公开的实施例做出各种修改,同时仍然在本公开的范围内。
因此,本公开不限于本文中描述和图示的示例性实施例和应用。附加地,本文中所公开的方法中的步骤的特定顺序和/或层次仅仅是示例性方法。基于设计偏好,所公开的方法或过程的步骤的特定顺序或层次可以被重新布置,同时仍然在本公开的范围内。因此,本领域普通技术人员将理解,本文中所公开的方法和技术以样本顺序呈现各种步骤或动作,并且除非另有明确陈述,否则本公开不限于所呈现的特定顺序或层次。
在附图、说明书和权利要求中更详细而言描述了以上和其他方面及其实施方式。
附图说明
图1图示了具有拓扑错误的示例性电网。
图2示出了根据本公开的实施例的方法的流程图。
图3图示了根据本公开的实施例的电网或电网的至少端口。
图4图示了根据本公开的实施例的具有多相型相连接的回路的电网总线。
图5图示了根据本公开的实施例的指示电网总线被连接的所计算和汇总的权重。
图6示出了根据本公开的实施例的方法的流程图。
具体实施方式
在下文中,将描述本公开的示例性实施例。应注意,除非另有陈述或显而易见,否则也可在一些其他实施例中找到任何一个所描述的实施例的一些方面。然而,为了提高可理解性,每个方面将仅在首次提及时进行详细描述,并且将省略对同一方面的任何重复描述。
本公开的实施例被配置成识别电网操作中由于至少一个错误的数据库条目或至少一种电网资产状态未正确更新所致的错误,例如断电后的断路器状态或线路状态。
换句话说,本公开的实施例可用作促进使用基于先进模型的应用的基础,诸如由于错误的电网拓扑所致而无法正常工作的电压控制或最佳潮流。
根据实施例,根据本公开的方法可基于以下先决条件中的至少一者。首先,所有可能的连接(例如,架空线路、电缆、变压器以及可连接两条电网总线的所有其他部件)都很好地存储在数据库中,即,在最好情况下,不存在与对它们在电网中的位置(即,连接自/连接到)的了解相关的错误。单个不确定性来源与部件状态相关,即它是否通电。第二、被测电网可以是径向电网或网状电网。第三,被测电网完全通电(即,完全连接),并且每条电网总线必须是从电网中的另一条电网总线开始电可达的。第四,与电网的每条电网总线相关联的测量数据(例如,一个电压幅值时间序列)是可用的。在多相电网总线的情况下,可能仅需要各相的平均值。本公开的方法在使用较小的输入粒度(即,一些电网总线的测量数据(例如,电压)可能是未知的)的情况下仍然工作,但其产生的结果潜在地不太准确。即,如果在两条测量的电网总线之间存在多于一个分支/区段或部段(例如,两个区段),则仍然有可能识别包括这两个区段的部段的部段状态,但是在断开部段的情况下,也许不可能识别断开的单个区段。第五,每条电网总线的相连接可以是可用的,以便提高输出质量。
图2示出了根据本公开的实施例的方法的流程图。
在S201中,确定电网的至少一个回路。所述回路确定是基于电网的拓扑数据来执行的。所述拓扑数据可从数据库提供,例如从电网运营商提供。拓扑数据可包括电网的电网总线的相数。该信息可用于避免具有不同相连接的区段之间不切实际的电网回路。作为替代或补充,拓扑数据可包括关于电网中(可用)的电网总线和/或区段的信息。
尽管获得拓扑数据不是图2中的实施例中所示的方法的一部分,但是技术人员应理解,获得/接收数据也可以是本公开的某些实施例的一部分。
根据本公开的实施例,回路确定可找到电网内部的最小潜在回路(循环)。电网(例如,配电网)可被视为图,例如无向图。无向图的循环基础是形成图的循环空间基础的一组简单循环。即,它是最小的一组循环,其允许每个偶数度子图被表达为基础循环的对称差。在图中,图的一个循环对应于电网的一个回路。
根据本公开的实施例,可通过以下方式从给定图的任何生成树或生成森林形成基本的循环基:选择由树中的路径和树外部的单个边缘的组合形成的循环。替代性地,如果图的边缘具有正权重,则可在多项式时间内构造最小权重循环基。
根据本公开的实施例,使用平面图。在平面图中,图嵌入的该组有界循环形成循环基。平面图的最小权重循环基可对应于对偶图的Gomory-Hu树。
通过采用根据本公开的方法,可以基于拓扑数据(例如,由数据库提供)来确定电网中包含的(多个)回路。对于回路的每个分支/区段,可使用相同的权重(即,1)。
在S202中,确定位于电网的所述至少一个回路的区段处的多条电网总线。图3图示了根据本公开的实施例的电网或电网的至少端口。电网包括用“A”至“J”表示的若干电网总线。区段320至329介于电网总线A至J之间。特别地,在两条直接邻近的电网总线之间存在一个区段。例如,在图3中,在电网总线J与I之间存在区段320,并且在电网总线I与H之间存在区段321。因此,电网总线I位于区段320和区段321处。图3进一步示出了电网部件301至317。图3中的电网部件301至317被示例性地示为私人住宅,但是本公开不限于此。电网部件可包括或者是负载、连接到负载的电表(例如,智能电表)、电容器、电容器组、电压调节器和/或变压器。电网部件305、307、308、310、311、315包括电表,例如智能电表。根据本公开的这个实施例,在S201中,确定用点划线所指示的回路350,并且在S202中,确定该回路的电网总线A、B、C、D、E、F、G、H。电网总线A、B、C、D、E、F、G、H位于回路的区段322、323、324、325、326、327、328和329处。
在S203中,对与回路的所述多条电网总线中的电网总线相关联的测量数据执行至少一项统计评估以计算权重,这些权重指示一个区段的电网总线彼此连接或包括至少两个相邻区段的部段的电网总线彼此连接。例如,在图3中所示的实施例中,计算指示总线H连接到总线A的权重。在图3中所示的示例中,电网部件305直接连接到电网总线H,并且电网部件305的测量数据(此处为测得的电压幅值时间序列)与电网总线H相关联。电网部件306直接连接到电网总线A,并且电网部件306的测量数据与电网总线A相关联。由于电网总线H和电网总线A位于(同一)区段322处,因此对与电网总线H相关联(即,来自电网部件305)的测量数据以及与电网总线A相关联的测量数据(即,来自电网部件306的测量数据)执行所述至少一项统计评估。电网总线C不具有与其直接连接的电网部件,但具有包括位于其附近的电表的电网部件311。电网部件311的测量数据与电网总线C相关联。这同样适用于电网总线D和来自电网部件315的测量数据。对于电网总线F,直接在电网总线F处的电网部件309没有电表。然而,电网部件310最靠近电网总线F,并且来自电网部件310的测量数据是与电网总线F相关联的测量数据。电网总线F和电网总线E位于区段327处,并且对与电网总线F相关联的测量数据以及与电网总线E相关联的测量数据执行所述至少一项统计评估。电网总线G没有电表并且也没有与其连接的电网部件,特别是没有带有电表的电网部件。因此,不存在与电网总线G相关联的测量数据。在这种情况下,区段328和329形成部段,并且电网总线H位于所述部段的端点处,且电网总线F位于该部段的另一端点处。对与电网总线F相关联的测量数据以及与电网总线H相关联的测量数据执行所述至少一项统计评估。因此,可以计算两条总线H和F彼此连接的权重。尽管获得与总线相关联的测量数据不是图2中的实施例中所示的方法的一部分,但是技术人员应理解,获得/接收数据也可以是本公开的某些实施例的一部分。根据本公开的实施例,对与电网总线相关联的测量数据进行预处理。预处理可包括将测量数据归一化以获得零均值和单位方差。
根据本公开的实施例,电网总线的相连接是多相的,即,电网总线具有与多于一相的相连接。图4中示例性地示出了此类情况,其中电网总线用大写字母“A”至“H”表示,并且电网总线的相用“a”至“b”表示。图4中所示的电网总线对应于图3中示例性地示出的回路的电网总线。在图4中所示的示例中,电网总线A连接到相“a”,并且电网总线B也连接到相“a”。因此,与来自相“a”的电网总线A相关联的测量数据以及与来自相“a”的电网总线B相关联的测量数据可以用于所述至少一项统计评估。
根据本公开的实施例,在S203中执行四项统计评估,下文详细描述了这四项统计评估:皮尔逊相关、LASSOLARS、互信息和条件独立性,但本公开不限于此。可执行(多项)统计评估以将测量数据与正确的拓扑数据相关。
皮尔逊相关
根据本公开的实施例,确定皮尔逊相关是要执行的统计评估中的一者。在本公开的实施例中,使用相关系数来测量两个变量之间的关系有多强。在本公开的实施例中,可对测量数据应用皮尔逊积矩相关系数(或简称为皮尔逊相关系数r)。系数r是这两个变量之间的线性关联强度的量度。
基本地,皮尔逊积矩相关试图通过测量数据绘制最佳拟合线,并且皮尔逊相关系数r指示所有数据点与这条最佳拟合线的距离,即数据点与该新模型/最佳拟合线的拟合程度。
皮尔逊相关系数r的取值范围可以是+1到-1。0的值指示没有关联。
根据本公开的实施例,确定皮尔逊相关输出了选定回路的电网总线的皮尔逊相关矩阵,并且实施例的下一阶段可使用该相关矩阵的绝对值。
LASSO(LARS)
根据本公开的实施例,最小绝对收缩和选择算子与最小角回归(LASSOLARS)是要执行的统计评估中的一者。在本公开的这个实施例中,通过拟合测量数据集(呈其绝对形式和偏差形式)来执行拟合测量数据以检索连接图的边缘。这可通过运行回归算法LassoLars来实现。LassoLars回归是使用收缩的一种类型的线性回归。收缩是指数据值向中心点收缩,比如平均值。
Lasso程序鼓励简单、稀疏的模型,即参数较少的模型。这个特征是特别方便的,因为典型的电网并不是完全连接的。因此,图是稀疏的,并且在βs中发现了许多非零系数,这指示两个节点(即,电网总线)之间的统计相依性为零(见下文)。
确保稀疏性的广泛使用的约束是L1范数,因为它导致凸优化问题并且可以高效地解决。Lasso最小化系数绝对值的误差平方和并且具有和界限,即L1范数。以L1范数为惩罚,线性回归被公式化为:
此处,对应于除当前分析的节点(电网总线)之外的所有节点中的电压数据集,并且λ表示正则化参数。/>表示两个节点之间的统计相依性的估计参数向量,/>表示估计节点的电压数据集,并且||βs||表示惩罚项。
然而,在本公开的实施例中,可能有必要理解回归中每个变量的重要性。这就是天才回归量LassoLars的概念变得重要的地方。它通过其自己的交叉验证来执行特征选择并找到线的最佳参数,以给出通过最佳特征的最佳拟合线。
在本公开的实施例中,可就输出变量与预测变量(predictor)之间的角度的余弦来表示相关。如果预测变量平行于输出变量,则它们之间的角度为0并且相关性为1。在向量意义上,则输出变量y只是c·x1,其中y和x1是输出向量和预测向量。
如果相关性不为1,则需要其他预测变量来解释差值y-(b1·x1),其中b1是x1的系数。
互信息
根据本公开的实施例,互信息是要执行的统计评估中的一者。在概率和信息论中,两个随机变量的互信息MI是它们之间相互依赖性的量度。更具体地,MI量化关于一个随机变量的通过观察另一随机变量而获得的“信息量”(以通常所称的比特为单位)。互信息的概念与随机变量的熵的概念密切联系,它是信息论中的基本概念,其量化随机变量中持有的预期“信息量”。
不限于具有实值的随机变量和线性相依性(比如,相关系数),MI更加通用并且确定对(X,Y)的联合分布与X和Y的边际分布的乘积有多大差异。MI是逐点互信息PMI的预期值。
对于联合概率分布为PXY(x,y)的两个变量X和Y,它们之间的互信息(表示为MI(X;Y))被定义为:
此处,PX(x)和PY(y)是边际PX(x)=∑yP(x,y)和Py(y)=∑xP(x,y),而EP是关于分布P的预期值。
条件独立性
根据本公开的实施例,互信息(mutual information)是要执行的统计评估中的一者。在概率论中,在给定C的情况下,两个随机事件A和B是条件独立的,当且仅当假设了解C发生时,对A是否发生的了解并不提供关于B发生的可能性的信息,并且对B是否发生的了解并不提供关于A发生的可能性的信息。
这个一般定义被翻译为考虑配电网作为径向配电树且考虑变电站作为参考节点,并给定一组所有可能的边缘ε操作或断开。在本公开的实施例中,可采用基于条件独立性的拓扑错误校正方法以使用可逆潮流模型中的测量数据(例如,负载电压测量值)来确定操作边缘集/>负载节点/>中的哪一个是有效的(active)。
在本公开的实施例中,可使用图形模型中电压测量值的条件独立性的结果。与现有的基于从头开始进行拓扑重构的方法相比,本公开的实施例可采用现有拓扑并逐一测试边缘。
在本公开的实施例中,然后聚集来自不同测试的结果以确定每个边缘在操作拓扑中的置信度。该方法基于以下性质:
·如果(ab)是中的非叶节点a与b之间的操作边缘,则存在不同的节点c和d,其中/>
·如果(ab)不是操作边缘,则对于不同于中的a和b的任何节点c和d,不成立。
·如果节点a和b相隔大于两跳,则中存在至少一个操作边缘(cd),其中
根据本公开的实施例,在组合了任何数量的所述评估的结果的情况下,为每个可能的连接定义所谓的得分表。根据本公开的实施例,汇总评估的结果,即,来源于对可能的连接做出的评估的所计算的权重。可将所汇总的权重除以所使用的统计评估的数量。可使用权重函数来汇总或组合一个区段或部段的电网总线的两项统计评估的所计算的权重。此类权重函数是技术人员所已知的。图5中针对回路的四条电网总线“A”至“E”和三项所执行的统计评估示出了所计算的权重的示例性汇总。在图5中所示的实施例中,汇总了针对每个连接的所计算的权重。根据实施例,针对电网总线B与C之间的可能连接的汇总权重低于某个预定义阈值或者是回路中的最低权重,并且电网总线B与C之间的区段很可能是断开的,即,它是断开分支,并且电网总线B与C之间没有连接。
在S204中,基于所计算的权重来确定电网拓扑。根据本公开的实施例,所述确定是使用图论算法来执行的。所述图论算法可以是有向最大生成树算法。此类生成树算法可以是Edmonds算法。此类算法可用于解决有向图的最大生成树问题。在本公开的实施例中,为了找到最有希望的径向解,使用统计参数之和对每个单个分支(即,回路中的区段或部段)进行加权。因此,该实施例能够识别这样的解,即,其中电网完全被径向连接并且选定的(即,在线)分支的权重之和最大,即,最有希望的在线拓扑。
根据本公开的实施例,在S204中,基于所确定的电网拓扑来更新拓扑数据。程序S201至S204可被迭代。然后,每次迭代后,可更新拓扑数据,例如在数据库(例如,从中接收拓扑数据的数据库)中。可每次迭代对与所述多条电网总线相关联的各种测量数据执行S203中的所述至少一项统计评估。根据本公开的实施例,对来自一个迭代中的第一时间实例和来自另一个迭代中的第二时间实例(特别是来自下一个迭代中的稍后时间实例)的测量数据执行S203中的所述至少一项评估。因此,可以以滚动时域的方式执行迭代。
根据本公开的实施例,所计算的(并且在多于一项统计评估的情况下,所组合的)权重按升序排序,因此具有最高断开概率的分支(例如,区段或部段)被报告在列表的顶部(仅可分析潜在回路中的分支)。结果,操作员可逐一检查数据库中的这组可能地断开的连接。在本公开的实施例中,在后处理阶段中,将创建(多个)回路的分支堆叠在列表中。该列表可首先以最低权重排序,并且最大生成树结果报告了最合适的径向拓扑。
在本公开的实施例中,操作员可检查每个所识别的回路(顶部的列表)并通过(潜在的)现场检查来验证第一个条目:如果(潜在的)现场检查报告了断开的连接,则由于电网径向性所致,其他分支必须闭合,并且可完成拓扑校准。在出现假错误的情况下,操作员可进一步检查列表(第二个条目等等)并重复分析,直到找到断开分支。
在网状电网的情况下(即,回路中潜在地所有分支都在服务中),可应用本公开的方法来找到回路中可能的断开分支。然而,在列表的顶部区段中没有找到断开分支的情况下,可将根据本公开的方法用于真实的电网回路(即,网状电网)。
根据本公开的实施例,基于所确定的电网拓扑来评估现有的电网拓扑。
根据本公开的实施例,基于所确定的电网拓扑来识别电网中的至少一个故障。
根据本公开的实施例,基于所确定的电网拓扑来确定电网中的至少一个断路器的状态。
根据本公开的实施例,在基于先进模型的应用中使用所确定的电网拓扑,特别是电压控制和/或最优潮流。
图6示出了根据本公开的实施例的方法610的图示。在S601中,基于从数据库接收到的拓扑数据604来确定电网的至少一个回路。然后,确定位于电网的所述至少一个回路的区段处的多条电网总线(未示出)。在S602中,对与所述多条电网总线中的电网总线相关联的测量数据执行四项统计评估,并且计算权重,这些权重指示一个区段的电网总线彼此连接或包括至少两个相邻区段的部段的电网总线彼此连接。在S602中,根据本公开的这个实施例,对与电网总线相关联的测量数据605执行四项统计评估(即,皮尔逊相关S602-1、LASSOLARS S602-2、互信息S602-3和条件独立性S602-3),并且组合所计算的权项。然后,在S603中,基于所计算的权重来确定电网拓扑。
概念验证和实验结果
针对拓扑校准来定义正确的关键性能指标KPI可能是具有挑战性的,特别是由于方法的统计性质和确定性拓扑(分类,即连接的或未连接的)所致。此外,由于以下各者所致,来自图论中的标准KPI可能无法应用:
1.由于粒度差所致,表示假阳性和/或假阴性连接的简单KPI对于统计方法来说可能过于严格(即,对于正确连接检测为100%,或在错误连接检测的情况下为0%);以及
2.由于数据库中存储的错误和分支之间的比率极低所致,基于图相似性的KPI可能过于慷慨。结果可能接近100%,而却不提供性能的良好量度。
在本公开的实施例中,为了具有衡量实际性能(即,输出质量)的更现实的KPI,可考虑以下条件:
1.可仅考虑到所识别的回路来执行该方法。所有其余部分(例如,侧支)可被排除,因为电网可被认为是完全通电的(即,径向侧支只有一种可能的解决方案)。
2.可基于拓扑大小和拓扑错误来将KPI归一化;
3.当考虑径向电网时,识别回路中的单个断开分支(具有最低权重)意味着所有其他分支都可闭合(在线)且因此可完全了解/识别拓扑。此外,在径向电网具有多于一个重叠回路的情况下,也许可能在同一回路中找到两个断开的连接。即使在这种情况下,不失一般性,识别每个回路中的一个单个断开的连接也可解决整个拓扑;
4.在(弱)网状电网的情况下,上面第3项下的假设可能不再成立,但仍然有可能通过从顶部检查有序的候选列表来分析潜在的断开的连接。
基于这些条件,根据本公开的实施例,可使用以下KPI:
·Looplength是每个所识别的回路的分支总数;并且
·Ω是在识别真实拓扑之前的假条目(错误)的总数,即,在径向电网的情况下,它是有序回路列表中的真实断开分支的位置编号减一。
为了更好地理解,下表示出了四个示例:
表1
假错误条目以粗体突出显示。对于那些条目,根据本公开的实施例的方法建议断开回路连接在实际闭合的分支处。
当实际上情况并非如此时,从顶部检查表(假错误呈粗体),可确定断开的连接。
已校正的所识别的断开连接呈表中的斜体字,显然,可以在了解真实情况的情况下计算KPI。如果电网中存在多于一个回路,则所得KPI可以是所有回路的平均值。
结果
本节示出了使用根据本公开的实施例的方法的不同测试案例的结果。下表示出了径向电网和网状电网的结果。
表2
根据这个实施例,所有潜在回路都是考虑到原始电网数据(即,数据库)中的所有断路器以及随机的(即,错误的)连接而创建的。每个电网/场景已使用完美的现场数据(即,每条总线的电压曲线)以及受噪声影响的现场数据基于IEC 0.1级智能电表和偏置误差进行了测试。
最后一列传回电网中的回路的KPI平均值。对于两个电网,没有测量误差的KPI>90%,详细而言为97%、93%和96%,而在有噪声的情况下,质量小幅下降至86%。
从该概念验证的结果来看,显然,根据根据本公开的方法,特别是使用一组统计参数和图论的组合,可以识别径向电网中的断开的连接以及最终数据库中和操作拓扑中的所有潜在错误。在网状电网的情况下,操作员可能会进一步解释结果,即,发现一处断开的连接可能不排除回路中存在另一处断开的连接。然而,这可以进一步例如使用多相测量数据而不是平均值或使用附加测量值来改进。
虽然上文已描述了本公开的各种实施例,但应理解,这些实施例仅通过示例的方式而不是通过限制性的方式来呈现。同样,各种图可描绘示例架构或配置,其被提供来使得本领域普通技术人员能够理解本公开的示例性特征和功能。然而,本领域普通技术人员将理解,本公开并不局限于所图示的示例架构或配置,而是可以使用各种替代性架构和配置来实施。附加地,如本领域普通技术人员将理解的,一个实施例的一个或多个特征可以与本文中所描述的另一个实施例的一个或多个特征组合。因此,本公开的广度和范围不应受到任何上述示例性实施例的限制。
还应理解,本文中使用诸如“第一”、“第二”等名称对要素的任何提及通常不限制那些要素的数量或顺序。相反,这些名称在本文中可以用作区分两个或更多个要素或要素实例的便利手段。因此,对第一和第二要素的提及并不意味着只能采用两个要素,或者并不意味着第一要素必须以某种方式在第二要素之前。
附加地,本领域普通技术人员将理解,可以使用多种不同技术和方法中的任一种来表示信息和信号。例如,数据、指令、命令、信息、信号、位和符号(例如,它们可能在以上描述中提及)可以由电压、电流、电磁波、磁场或粒子、光场或粒子、或其任何组合表示.
技术人员将进一步了解,结合本文中所公开的方面描述的各种图示性逻辑块、单元、处理器、器件、电路、方法和功能中的任一个可以通过电子硬件(例如,数字实施方式、模拟实施方式或这两者的组合)、固件、包含指令的各种形式的程序或设计代码(为方便起见,本文中可以将其称为“软件”或“软件单元”)或这些技术的任何组合来实施.
为了清楚地图示硬件、固件和软件的这种可互换性,各种图示性部件、块、单元、电路和步骤已在上文大体上根据它们的功能进行了描述。将此类功能实施为硬件、固件、或软件还是这些技术的组合取决于在整体系统上施加的特定应用和设计约束。技术人员可以针对每个特定应用以各种方式实施所描述的功能,但是此类实施方式决策不会引起偏离本公开的范围。根据各种实施例,处理器、装置、部件、电路、结构、机器、单元等可以被配置成执行本文中所描述的一个或多个功能。如本文中关于指定的操作或功能使用的术语“被配置成”或“被配置成用于”是指被物理地构造、编程和/或布置成执行指定的操作或功能的处理器、装置、部件、电路、结构、机器、单元等。
此外,技术人员将理解,本文中所描述的各种图示性方法、逻辑块、单元、装置、部件和电路可以在集成电路(IC)内实施或由其执行,该IC可以包括通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其他可编程逻辑装置或其任何组合。逻辑块、单元和电路可以进一步包括天线和/或收发器以与网络内或装置内的各种部件通信。通用处理器可以是微处理器,但在替代方案中,处理器可以是任何常规处理器、控制器或状态机。处理器还可以被实施为计算装置的组合,例如,DSP和微处理器的组合、多个微处理器、一个或多个微处理器与DSP核结合、或者任何其他合适的配置来执行本文中所描述的功能。如果以软件实施,则这些功能可以作为一个或多个指令或代码存储在计算机可读介质上。因此,本文中所公开的方法或算法的步骤可以被实施为存储在计算机可读介质上的软件。
计算机可读介质包括计算机存储介质和通信介质两者,包括可以被启用来将计算机程序或代码从一个地方转移到另一个地方的任何介质。存储介质可以是计算机可以访问的任何可用介质。作为示例而非限制,此类计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其他光盘存储装置、磁盘存储装置或其他磁性存储装置,或可以用于以指令或数据结构的形式存储期望的程序代码并且可以由计算机访问的任何其他介质。
附加地,可在本公开的实施例中采用存储器或其他存储装置以及通信部件。将了解,为了清楚起见,以上描述已参考不同的功能单元和处理器描述了本公开的实施例。然而,将显而易见的是,在不背离本公开的情况下,可使用不同功能单元、处理逻辑元件或域之间的任何合适的功能分布。例如,被图示为由单独的处理逻辑元件或控制器执行的功能可由相同的处理逻辑元件或控制器来执行。因此,对特定功能单元的提及仅是对用于提供所描述的功能的合适器件的提及,而非指示严格的逻辑或物理结构或组织。
对本公开中所描述的实施方式的各种修改对于本领域技术人员来说将是显而易见的,并且在不脱离本公开的范围的情况下,可以将本文中定义的一般原理应用于其他实施方式。因此,本公开并不旨在限于本文中所示的实施方式,而是将符合与本文中所公开的新颖特征和原理一致的最广范围,如以下权利要求中所叙述的。
Claims (16)
1.一种用于确定电网拓扑的方法,所述方法包括:
确定所述电网的至少一个回路;
确定位于所述电网的所述至少一个回路的数个区段处的多条电网总线;
对与所述多条电网总线中的电网总线相关联的测量数据执行至少一项统计评估以计算权重,所述权重指示一区段的电网总线彼此连接或包括至少两个相邻区段的部段的电网总线彼此连接;以及
基于所计算的权重来确定电网拓扑。
2.根据权利要求1所述的方法,其中,所述电网的所述至少一个回路是基于所述电网的来自数据库的拓扑数据来确定的。
3.根据权利要求1或2所述的方法,其中,所述方法进一步包括进行以下迭代:
基于所述电网的拓扑数据来确定所述电网的至少一个回路,
确定多条电网总线,
执行至少一项统计评估,
确定电网拓扑,以及
基于所确定的电网拓扑来更新所述拓扑数据,
特别地,其中,每次迭代对与所述多条电网总线相关联的各种测量数据执行所述至少一项统计评估。
4.根据权利要求1至3中任一项所述的方法,其中,与所述多条电网总线中的电网总线相关联的所述测量数据包括所测量的断路器状态数据或所测量的电压数据的时间序列中的至少一者。
5.根据权利要求1至4中任一项所述的方法,其中,所述电网的所述至少一个回路是使用图算法、特别是使用一组循环来确定的,所述一组循环形成所述图算法的图的循环空间的基础。
6.根据权利要求1至5中任一项所述的方法,其中,确定电网拓扑是使用图论算法来执行的,特别地,其中,所述图论算法是有向最大生成树算法。
7.根据权利要求1至6中任一项所述的方法,其中,所述至少一项统计评估是以下各者中的至少一者:
皮尔逊相关;
最小绝对收缩和选择算子LASSO;
最小绝对收缩和选择算子与最小角回归LASSOLARS;
互信息MI;或者
条件独立性。
8.根据权利要求1至7中任一项所述的方法,其包括:
对与所述多条电网总线中的电网总线相关联的测量数据执行至少两项统计评估以计算权重,所述权重指示一区段的电网总线彼此连接或包括至少两个相邻区段的部段的电网总线彼此连接,并且其中,特别地,使用权重函数来汇总或组合区段的或部段的所述电网总线的所述两项统计评估的所计算的权重。
9.根据权利要求1至8中任一项所述的方法,其中,与所述多条电网总线中的所述电网总线相关联的所述测量数据被划分成多个部分,每个部分包括与所述多条电网总线中的所述电网总线相关联的测量数据,并且其中,针对每个部分执行至少一项统计评估。
10.根据权利要求9所述的方法,其中,基于所述部分中所述权重的出现为所述权重计算置信度分数,所述权重指示一区段的电网总线彼此连接或包括至少两个相邻区段的部段的电网总线彼此连接。
11.根据权利要求1至10中任一项所述的方法,其包括:基于所确定的电网拓扑来评估现有的电网拓扑。
12.根据权利要求1至11中任一项所述的方法,其包括:基于所确定的电网拓扑来识别所述电网中的至少一个故障。
13.根据权利要求1至12中任一项所述的方法,其包括:基于所确定的电网拓扑来确定所述电网中的至少一个断路器的状态。
14.根据权利要求1至13中任一项所述的方法,其进一步包括:在基于先进模型的应用中使用所确定的电网拓扑,特别是电压控制和/或最优潮流。
15.一种用于确定电网拓扑的装置,所述装置包括用于存储计算机指令的存储器以及与所述存储器通信的处理器,其中,当所述处理器执行所述计算机指令时,所述处理器被配置成实施根据权利要求1至14中任一项所述的方法。
16.一种计算机程序产品,其包括指令,当所述程序由计算机执行时,所述指令引起所述计算机实施根据权利要求1至14中任一项所述的方法的步骤。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP21159795.0A EP4050748A1 (en) | 2021-02-27 | 2021-02-27 | Power grid topology determination |
EP21159795.0 | 2021-02-27 | ||
PCT/EP2022/054893 WO2022180255A1 (en) | 2021-02-27 | 2022-02-25 | Power grid topology determination |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116888848A true CN116888848A (zh) | 2023-10-13 |
Family
ID=74844743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280017407.8A Pending CN116888848A (zh) | 2021-02-27 | 2022-02-25 | 电网拓扑确定 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4050748A1 (zh) |
CN (1) | CN116888848A (zh) |
WO (1) | WO2022180255A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115865479A (zh) * | 2022-11-30 | 2023-03-28 | 国网山东省电力公司信息通信公司 | 一种基于加权熵的网络攻击监测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014019055A1 (en) * | 2012-07-31 | 2014-02-06 | British Columbia Hydro And Power Authority | Method for identifying a system anomaly in a power distribution system |
CH710823A1 (de) * | 2015-03-05 | 2016-09-15 | Bkw Energie Ag | Verfahren und Einrichtung zur Bestimmung der Topologie eines Stromversorgungsnetzes. |
CN108173263B (zh) * | 2017-12-29 | 2022-02-22 | 国网天津市电力公司电力科学研究院 | 一种基于ami量测信息的配电网拓扑错误辨识算法 |
CN110739692B (zh) * | 2019-11-08 | 2021-10-08 | 上海电力大学 | 一种基于概率图模型的配电网结构识别方法 |
-
2021
- 2021-02-27 EP EP21159795.0A patent/EP4050748A1/en active Pending
-
2022
- 2022-02-25 WO PCT/EP2022/054893 patent/WO2022180255A1/en active Application Filing
- 2022-02-25 CN CN202280017407.8A patent/CN116888848A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4050748A1 (en) | 2022-08-31 |
WO2022180255A1 (en) | 2022-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20150094965A1 (en) | Electrical Power Grid Monitoring Apparatus, Articles of Manufacture, and Methods of Monitoring Equipment of an Electrical Power Grid | |
Shintemirov et al. | Transformer winding condition assessment using frequency response analysis and evidential reasoning | |
CN112561251B (zh) | 配电网异常点检测方法、装置、计算机设备及存储介质 | |
Zhang et al. | Robust distributed state estimation of active distribution networks considering communication failures | |
Akrami et al. | Sparse distribution system state estimation: An approximate solution against low observability | |
CN116888848A (zh) | 电网拓扑确定 | |
Sevlian et al. | Distribution system topology detection using consumer load and line flow measurements | |
Bolognani | Grid topology identification via distributed statistical hypothesis testing | |
Lee et al. | A novel data segmentation method for data-driven phase identification | |
Geth et al. | Data quality challenges in existing distribution network datasets | |
Crespo et al. | New technique for fault location in distribution systems using sincrophasor voltages | |
Habib et al. | Deep statistical solver for distribution system state estimation | |
CN105488270A (zh) | 一种变压器结构性故障诊断多属性综合方法 | |
Stefanidou-Voziki et al. | Feature selection and optimization of a ML fault location algorithm for low voltage grids | |
US20240162707A1 (en) | Power grid topology determination | |
CN110658419B (zh) | 基于不完备信息的微电网故障定位方法 | |
Ashok et al. | Secondary network parameter estimation for distribution transformers | |
Soleymani et al. | Unsupervised learning for distribution grid line outage and electricity theft identification | |
Subasic et al. | Distribution grid topology calibration based on a data-driven approach | |
Shi et al. | An improved statistical algorithm for topology identification and parameter estimation of low-voltage distribution grids | |
Yuanhai | Robust Estimators in Modern Powe1· System Networks | |
US20220278527A1 (en) | Determination of phase connections in a power grid | |
Gandluru et al. | A non-exhaustive search algorithm to identify distribution grid operational topology | |
Huang et al. | A recursive Bayesian approach to load phase detection in unbalanced distribution system | |
Petridis et al. | State estimation in unbalanced smart grids |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240111 Address after: Zurich, SUI Applicant after: Hitachi Energy Co.,Ltd. Address before: Swiss Baden Applicant before: Hitachi energy Switzerland AG |
|
TA01 | Transfer of patent application right |