基于生成对抗网络与局部电流相量的配电网拓扑鲁棒辨识

邵晨颖; 刘友波; 邵安海; 邱高; 高红均; 刘俊勇

doi:10.7500/AEPS20220524005

您当前的位置：

首页 >

文章列表页 >

基于生成对抗网络与局部电流相量的配电网拓扑鲁棒辨识

学术研究 | 更新时间：2025-06-16

- 基于生成对抗网络与局部电流相量的配电网拓扑鲁棒辨识
- Robust Identification for Distribution Network Topology Based on Generative Adversarial Network and Partial Current Phasor
- 电力系统自动化 2023年47卷第1期页码：55-62
- 作者机构：
  
  1.四川大学电气工程学院，四川省成都市 610065
  2.国网福建超高压公司，福建省厦门市 361004
- 作者简介：
  
  邵晨颖(2001—)，女，硕士研究生，主要研究方向：配电网状态估计。E-mail：shaochenying@stu.scu.edu.cn
  刘友波(1983—)，男，通信作者，博士，副教授，博士生导师，主要研究方向：电力系统机器学习算法、主动配电网规划与运行。E-mail：liuyoubo@scu.edu.cn
  邵安海(1980—)，男，硕士，高级工程师，主要研究方向：变电运维。E-mail：8164323@qq.com
- 基金信息：
  
  国家自然科学基金资助项目(51977133);中央高校基本科研业务费专项资金资助项目(YJ2021162)
- DOI：10.7500/AEPS20220524005
  中图分类号：
- 收稿：2022-05-24，
  
  修回：2022-08-22，
  
  网络出版：2022-11-14，
  
  纸质出版：2023-01-10
- 稿件说明：
移动端阅览
邵晨颖,刘友波,邵安海等.基于生成对抗网络与局部电流相量的配电网拓扑鲁棒辨识[J].电力系统自动化,2023,47(1):55-62.

SHAO Chenying,LIU Youbo,SHAO Anhai,et al.Robust Identification for Distribution Network Topology Based on Generative Adversarial Network and Partial Current Phasor[J].Automation of Electric Power Systems,2023,47(1):55-62.
邵晨颖,刘友波,邵安海等.基于生成对抗网络与局部电流相量的配电网拓扑鲁棒辨识[J].电力系统自动化,2023,47(1):55-62. DOI： 10.7500/AEPS20220524005.

SHAO Chenying,LIU Youbo,SHAO Anhai,et al.Robust Identification for Distribution Network Topology Based on Generative Adversarial Network and Partial Current Phasor[J].Automation of Electric Power Systems,2023,47(1):55-62. DOI： 10.7500/AEPS20220524005.

摘要

有源配电网运行方式切换频繁且其量测受噪声影响，要求其拓扑辨识具有实时性和鲁棒性，但传统方法驱动的有限观测条件下拓扑辨识是非确定性多项式（NP）难问题。文中提出一种基于生成对抗网络与局部电流相量的配电网拓扑鲁棒辨识方法。为解决传统监督学习在未知拓扑辨识任务下泛化能力差的问题，通过梯度惩罚优化的条件生成对抗网络（CGAN）学习由线路电流幅值、相角和节点负荷伪测量映射的拓扑分布。同时，以一维卷积神经网络构建生成器，有效利用连续观测窗中时序电流数据，增强算法的抗噪和抗数据缺失性能。此外，仅局部的电流信息需求大幅降低了配电网可观性改造投资。最后，通过算例验证了所提方法的有效性。

Abstract

The operation mode of active distribution network is frequently switched and its measurement is affected by noise

so its topology identification is required to be real-time and robust. However

the topology identification under limited observation driven by traditional methods is a non-deterministic polynomial (NP)-hard problem. This paper proposes a robust identification method for distribution network topology based on generative adversarial network and partial current phasors. In order to solve the problem of poor generalization ability of traditional supervised learning in unknown topology identification tasks

the conditional generative adversarial network with gradient penalty optimization is used to learn the topology distribution mapped by line current amplitude

phase angle and node load pseudo-measurement. Meanwhile

by constructing generator with one-dimensional convolutional neural network

the sequential current data in continuous observation window are effectively used

which enhances the anti-noise and anti-data loss performance of the algorithm. In addition

the need for only partial current information greatly reduces the investment in observability retrofit of distribution network. Finally

the effectiveness of the proposed method is verified by arithmetic examples.

关键词

Keywords

references

刘羽霄，张宁，康重庆 . 数据驱动的电力网络分析与优化研究综述［J］. 电力系统自动化， 2018 ， 42 （ 6 ）： 157 - 167 .

LIU Yuxiao ， ZHANG Ning ， KANG Chongqing . A review on data-driven analysis and optimization of power grid ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 6 ）： 157 - 167 .

王成山，王瑞，于浩，等 . 配电网形态演变下的协调规划问题与挑战［J］. 中国电机工程学报， 2020 ， 40 （ 8 ）： 2385 - 2396 .

WANG Chengshan ， WANG Rui ， YU Hao ， et al . Challenges on coordinated planning of smart distribution networks driven by source-network-load evolution ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 8 ）： 2385 - 2396 .

郝丽丽，王辉，王国栋，等 . 含分布式电源配电网运行风险的影响因素溯源［J］. 电力自动化设备， 2021 ， 41 （ 1 ）： 27 - 37 .

HAO Lili ， WANG Hui ， WANG Guodong ， et al . Influence factor tracing of operation risk for distribution network with distributed generations ［J］. Electric Power Automation Equipment ， 2021 ， 41 （ 1 ）： 27 - 37 .

DUTTA R ， CHAKRABARTI S ， SHARMA A . Topology tracking for active distribution networks ［J］. IEEE Transactions on Power Systems ， 2021 ， 36 （ 4 ）： 2855 - 2865 .

DEKA D ， TALUKDAR S ， CHERTKOV M ， et al . Graphical models in meshed distribution grids： topology estimation， change detection & limitations ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 5 ）： 4299 - 4310 .

DEKA D ， BACKHAUS S ， CHERTKOV M . Structure learning in power distribution networks ［J］. IEEE Transactions on Control of Network Systems ， 2018 ， 5 （ 3 ）： 1061 - 1074 .

ZHAO J ， LI L ， XU Z ， et al . Full-scale distribution system topology identification using Markov random field ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 6 ）： 4714 - 4726 .

RAMOS FERNANDES T ， VENKATESH B ， CORTES DE ALMEIDA M . Distribution system topology identification via efficient MILP-based WLAV state estimation ［J/OL］. IEEE Transactions on Power Systems ［ 2022-05-24 ］. https：//doi.org/10.1109/TPWRS.2022.3164600 https://doi.org/10.1109/TPWRS.2022.3164600 .

KARIMI H S ， NATARAJAN B . Joint topology identification and state estimation in unobservable distribution grids ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 6 ）： 5299 - 5309 .

FARAJOLLAHI M ， SHAHSAVARI A ， MOHSENIAN-RAD H . Topology identification in distribution systems using line current sensors： an MILP approach ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 2 ）： 1159 - 1170 .

High accuracy medium voltage sensors&accessories for overhead and underground distribution ［EB/OL］. ［ 2022-05-24 ］. http：//lindsey-usa.com/wp-content/uploads/2019/06/09B-003-MV-Sensors-8-2021i.pdf http://lindsey-usa.com/wp-content/uploads/2019/06/09B-003-MV-Sensors-8-2021i.pdf .

Line post sensor-current only ［EB/OL］. ［ 2022-05-24 ］. https：//hubbellcdn.com/specsheet/SF10098E_LinePostSensor_ SalesFlyer2016.pdf https://hubbellcdn.com/specsheet/SF10098E_LinePostSensor_SalesFlyer2016.pdf .

Sentient Energy . MM3 overhead line sensor ［DB/OL］. ［ 2022-05-24 ］. https：//www.sentientenergy.com/products/mm3-line-sensor https://www.sentientenergy.com/products/mm3-line-sensor .

任鹏哲，刘友波，刘挺坚，等 . 基于互信息贝叶斯网络的配电网拓扑鲁棒辨识算法［J］. 电力系统自动化， 2021 ， 45 （ 9 ）： 55 - 62 .

REN Pengzhe ， LIU Youbo ， LIU Tingjian ， et al . Robust identification algorithm for distribution network topology based on mutual-information Bayesian network ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 9 ）： 55 - 62 .

ZHAO L ， LIU Y B ， ZHAO J B ， et al . Robust PCA-deep belief network surrogate model for distribution system topology identification with DERs ［J］. International Journal of Electrical Power & Energy Systems ， 2021 ， 125 ： 106441 .

AMOATENG D O ， YAN R F ， MOSADEGHY M ， et al . Topology detection in power distribution networks： a PMU based deep learning approach ［J］. IEEE Transactions on Power Systems ， 2022 ， 37 （ 4 ）： 2771 - 2782 .

杨秀，蒋家富，刘方，等 . 基于注意力机制和卷积神经网络的配电网拓扑辨识［J］. 电网技术， 2022 ， 46 （ 5 ）： 1672 - 1682 .

YANG Xiu ， JIANG Jiafu ， LIU Fang ， et al . Distribution network topology identification based on attention mechanism and convolutional neural network ［J］. Power System Technology ， 2022 ， 46 （ 5 ）： 1672 - 1682 .

孙伟，朱世睿，杨建平，等 . 基于图卷积网络的微电网拓扑辨识［J］. 电力系统自动化， 2022 ， 46 （ 5 ）： 71 - 81 .

SUN Wei ， ZHU Shirui ， YANG Jianping ， et al . Topology identification of microgrid based on graph convolutional network ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 5 ）： 71 - 81 .

裴宇婷，秦超，余贻鑫 . 基于LightGBM和DNN的智能配电网在线拓扑辨识［J］. 天津大学学报（自然科学与工程技术版）， 2020 ， 53 （ 9 ）： 939 - 950 .

PEI Yuting ， QIN Chao ， YU Yixin . Online topology identification for smart distribution grids based on LightGBM and deep neural networks ［J］. Journal of Tianjin University （Science and Technology）， 2020 ， 53 （ 9 ）： 939 - 950 .

叶剑华，罗凤章，杨理 . 基于改进蝠鲼觅食优化SVM的配电网拓扑辨识［J］. 电力系统及其自动化学报， 2021 ， 33 （ 10 ）： 43 - 50 .

YE Jianhua ， LUO Fengzhang ， YANG Li . Distribution network topology identification based on SVM optimized by improved manta ray foraging optimization algorithm ［J］. Proceedings of the CSU-EPSA ， 2021 ， 33 （ 10 ）： 43 - 50 .

潘毓笙，秦超 . 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［J］. 电力系统自动化， 2022 ， 46 （ 16 ）： 170 - 177 .

PAN Yusheng ， QIN Chao . Identification method for distribution network topology based on two-stage feature selection and Gramian angular field ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 16 ）： 170 - 177 .

邵振国，张承圣，陈飞雄，等 . 生成对抗网络及其在电力系统中的应用综述［J/OL］. 中国电机工程学报［ 2022-05-24 ］. https：//kns.cnki.net/kcms/detail/11.2107.tm.20220527.1803.007.html https://kns.cnki.net/kcms/detail/11.2107.tm.20220527.1803.007.html .

SHAO Zhenguo ， ZHANG Chengsheng ， CHEN Feixiong ， et al . A review on generative adversarial networks for power system applications ［J/OL］. Proceedings of the CSEE ［ 2022-05-24 ］. https：//kns.cnki.net/kcms/detail/11.2107.tm.20220527.1803.007.html https://kns.cnki.net/kcms/detail/11.2107.tm.20220527.1803.007.html .

刘建伟，谢浩杰，罗雄麟 . 生成对抗网络在各领域应用研究进展［J］. 自动化学报， 2020 ， 46 （ 12 ）： 2500 - 2536 .

LIU Jianwei ， XIE Haojie ， LUO Xionglin . Research progress on application of generative adversarial networks in various fields ［J］. Acta Automatica Sinica ， 2020 ， 46 （ 12 ）： 2500 - 2536 .

董骁翀，孙英云，蒲天骄 . 基于条件生成对抗网络的可再生能源日前场景生成方法［J］. 中国电机工程学报， 2020 ， 40 （ 17 ）： 5527 - 5536 .

DONG Xiaochong ， SUN Yingyun ， PU Tianjiao . Day-ahead scenario generation of renewable energy based on conditional GAN ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 17 ）： 5527 - 5536 .

林珊，王红，齐林海，等 . 基于条件生成对抗网络的短期负荷预测［J］. 电力系统自动化， 2021 ， 45 （ 11 ）： 52 - 60 .

LIN Shan ， WANG Hong ， QI Linhai ， et al . Short-term load forecasting based on conditional generative adversarial network ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 11 ）： 52 - 60 .

徐成司，董树锋，朱嘉麒，等 . 基于供电环路非连通条件的配电网辐射状约束描述方法［J］. 电力系统自动化， 2019 ， 43 （ 20 ）： 82 - 89 .

XU Chengsi ， DONG Shufeng ， ZHU Jiaqi ， et al . Description method of radial constraints for distribution network based on disconnection condition of power supply loop ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 20 ）： 82 - 89 .

PAL A ， VULLIKANTI A K S ， RAVI S S . A PMU placement scheme considering realistic costs and modern trends in relaying ［J］. IEEE Transactions on Power Systems ， 2017 ， 32 （ 1 ）： 552 - 561 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于半监督对抗学习的配电网动态拓扑开关状态鲁棒辨识

基于时域波形的有源配电网自适应电流差动保护