科研之友
微信
新浪微博
Facebook
分享链接
摘要
为适应新一代配电网运行特性，配电网开关需频繁动作调整网络结构，配电网准确的实时拓扑结构难以及时获取，为配电网的态势感知带来一定的困难。鉴于传统以状态估计为框架的配电网拓扑识别方法计算复杂度高、在线应用困难，同时大规模配电网拓扑结构多样化，本文提出了基于多标签分类与卷积神经网络的配电网拓扑辨识方法。通过配电网量测电压数据与开关状态间的多映射关系，引入多标签分类机制，对配电网拓扑结构进行多标签编码，将配电网开关与拓扑辨识模型输出进行物理映射，利用卷积神经网络搭建多标签分类器，实现拓扑的准确辨识。基于改进的IEEE123节点配电网算例对所提方法进行验证，实验结果表明所提模型具有较高的拓扑识别准确率，且对于在训练样本空间外的未知拓扑结构，相比传统的多类别分类方法具备更好的推理能力，更适用于实际拓扑识别的场景，证实了所提方法的优越性和鲁棒性。
- 出版日期2023
- 单位国网电力科学研究院; 东南大学
