基于三阶段先验知识集成自适应搜索框架的低压配电网拓扑与线路参数联合识别方法

《IEEE Transactions on Smart Grid》：Low-Voltage Distribution Grid Topology Identification and Parameter Estimation with Heterogeneous Cable Sizes and Dense Noise: A Prior Knowledge-Guided Adaptive Search Approach

　　

摘要：

准确的拓扑识别和线路参数估计对于低压配电网（LVDGs）的监测与控制至关重要，然而实际部署受到低可观测性和密集测量噪声的严峻挑战。本文提出了一种用于联合拓扑和参数识别的三阶段先验知识集成自适应搜索（PKIAS）框架。第一阶段构建了融合潮流物理约束与可用先验知识的目标函数，在平衡数据 - 模型一致性与物理合理性的同时，减少了对高质量数据的依赖。第二阶段引入了一种平衡自适应搜索方法来优化第一阶段构建的目标函数。通过自适应地将随机分形搜索算法与混沌、细化机制和回归算法相结合，该阶段增强了搜索过程的可靠性和鲁棒性。基于第二阶段获得的最优解，第三阶段采用复杂层次聚类模型恢复完整拓扑和支路参数。因此，PKIAS 框架通过利用先验知识提高鲁棒性，解决了低可观测性和密集噪声下的大规模低压配电网问题。在实际城市低压配电网上的测试表明，PKIAS 方法能够可靠地重构真实拓扑，获得具有强噪声鲁棒性的高保真参数估计，并提供低压配电网的高粒度模型。