基于互信息贝叶斯网络的配电网拓扑鲁棒辨识算法
基于微型同步相量测量装置(μPMU),提出一种配电网拓扑识别新算法,通过贝叶斯网络(BN)拟合配电网拓扑、光伏、负荷及μPMU测量电压的非线性关系,引入最大互信息网格划分量度连续型节点区间,解决了BN处理连续型数据时需人为指定区间数目、难以适应较多连续型变量的问题.基于拉丁超立方抽样生成光、荷数据,保证了场景在样本空间内均匀分布,简化了BN的训练过程并提高了拓扑识别的泛化能力.通过仿真算例验证方法的有效性,结果表明,所提方法具有与实时估计匹配法相当的识别精度和更高的时效性,且识别时间不随配电网可行拓扑数量的增加而线性增长,适用性佳;即使在μPMU部分失效或负荷、光伏等数据缺失时仍能保证较高识别率,具有较强的鲁棒性.
贝叶斯网络、互信息、拉丁超立方抽样、配电网、微型同步相量测量装置、拓扑识别、节点电压信息
45
国家自然科学基金资助项目51977133
2021-05-08(万方平台首次上网日期,不代表论文的发表时间)
共8页
55-62