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

作     者：潘毓笙 秦超 PAN Yusheng;QIN Chao

作者机构：天津大学电气自动化与信息工程学院天津市300072 

出 版 物：《电力系统自动化》 (Automation of Electric Power Systems)

年 卷 期：2022年第46卷第16期

页      面：170-177页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：智能配电网 拓扑辨识 深度学习 格拉姆角场 卷积神经网络 

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。