基于改进图卷积网络的配电网状态估计方法

作     者：王春义 卢志鹏 杨扬 赵韧 刘钊 葛小宁 WANG Chunyi;LU Zhipeng;YANG Yang;ZHAO Ren;LIU Zhao;GE Xiaoning

作者机构：国网山东省电力有限公司山东省济南市250000 国网山东省电力公司经济技术研究院山东省济南市250000 国核电力规划设计研究院有限公司北京市海淀区100095 

出 版 物：《现代电力》 (Modern Electric Power)

年 卷 期：2023年第40卷第1期

页      码：133-142页

摘      要：采用小样本量测信息进行配电网实时状态估计,对提高配电网可靠性,保证其稳定运行具有重要作用。为了在配电网量测信息不足条件下进行高精度状态估计,提出了一种基于改进的图卷积网络(graph convolutional network,GCN)的物理–数据融合配电网状态估计新方法。该方法首先利用少量相量量测单元将配电网进行切割分区,然后根据分区后的最大直径确定卷积网络所需要的卷积模块数量,其次修改了传统GCN中的邻接矩阵表示方法,从而实现利用卷积网络将配电网分区子系统中的状态变量均由量测量表示。通过IEEE33节点典型算例,验证了所提方法有效性。同时,通过与传统的高斯–牛顿优化算法和传统深度学习网络对比测试,结果表明,所提方法不仅能够将计算复杂度转移到离线阶段,而且能够不依赖于高冗余度的伪量测,具有较高的估计精度与计算速度。

主 题 词：配电网 状态估计 图卷积网络(GCN) 相量量测单元 数据驱动 

学科分类：080802[080802] 0808[工学-自动化类] 08[工学] 

D　O　I：10.19725/j.cnki.1007-2322.2021.0254

馆 藏 号：203118261...