基于两阶段特征选择和格拉姆角场的配电网拓扑辨识方法

摘要：

分布式能源并网、辐射状与环状拓扑混合运行、量测误差等影响因素使得配电网在线拓扑难以准确获得.为此,文中提出了一种基于两阶段特征选择和格拉姆角场(GAF)的配电网拓扑辨识方法.首先,基于XGBoost和最大信息系数的两阶段特征选择方法筛选出不含冗余拓扑特征信息的重要量测.其次,基于GAF特征变换,将一维的配电网时间断面量测数据变换为二维的GAF,在保留时间断面的节点电压分布规律的同时,有效表征节点电压幅值分布中的拓扑特征信息.最后,设计了一种适用于拓扑辨识的三卷积层神经网络模型,凭借卷积和池化的运算特性以及抗噪性,稳定地提取GAF所蕴含的拓扑特征信息,从而准确建立配电网节点电压幅值分布到拓扑的映射关系.通过IEEE 33节点系统验证了所提方法的有效性,并分析了所提方法对不同噪声水平、数据缺失比例以及其他场景的适应性.

关键词：智能配电网、拓扑辨识、深度学习、格拉姆角场、卷积神经网络

所属期刊栏目：46

分类号：TP391;TM744.1;TP181

在线出版日期：2022-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：170-177