基于FPGA的两阶段配电网拓扑实时辨识算法

王冠淇; 裴玮; 李洪涛; 郝良; 马丽

doi:10.7500/AEPS20230816002

您当前的位置：

首页 >

文章列表页 >

基于FPGA的两阶段配电网拓扑实时辨识算法

学术研究 | 更新时间：2025-06-16

- 基于FPGA的两阶段配电网拓扑实时辨识算法
- Real-time Two-stage Topology Identification Algorithm for Distribution Network Based on Field Programmable Gate Array
- 电力系统自动化 2024年48卷第12期页码：100-108
- 作者机构：
  
  1.中国科学院电工研究所,北京市 100190
  2.中国科学院大学电子电气与通信工程学院,北京市 100049
  3.国网北京市电力公司,北京市 100031
- 作者简介：
  
  王冠淇（1995—），男，博士研究生，主要研究方向：电力系统及其自动化、交直流配电网和微网。E-mail：wangguanqi@mail.iee.ac.cn
  裴玮（1982—），男，通信作者，博士，教授，博士生导师，主要研究方向：交直流配电网和微网、人工智能在电气领域的应用。E-mail：peiwei@mail.iee.ac.cn
  李洪涛（1975—），男，硕士，正高级工程师，主要研究方向：电力系统及其自动化、配电网运行技术。E-mail：li.hongtao@163.com
- 基金信息：
  
  国网北京市电力公司科技项目(520223220029)
- DOI：10.7500/AEPS20230816002
  中图分类号：
- 收稿：2023-08-16，
  
  修回：2024-01-30，
  
  网络出版：2024-05-09，
  
  纸质出版：2024-06-25
- 稿件说明：
移动端阅览
王冠淇,裴玮,李洪涛等.基于FPGA的两阶段配电网拓扑实时辨识算法[J].电力系统自动化,2024,48(12):100-108.

WANG Guanqi,PEI Wei,LI Hongtao,et al.Real-time Two-stage Topology Identification Algorithm for Distribution Network Based on Field Programmable Gate Array[J].Automation of Electric Power Systems,2024,48(12):100-108.
王冠淇,裴玮,李洪涛等.基于FPGA的两阶段配电网拓扑实时辨识算法[J].电力系统自动化,2024,48(12):100-108. DOI： 10.7500/AEPS20230816002.

WANG Guanqi,PEI Wei,LI Hongtao,et al.Real-time Two-stage Topology Identification Algorithm for Distribution Network Based on Field Programmable Gate Array[J].Automation of Electric Power Systems,2024,48(12):100-108. DOI： 10.7500/AEPS20230816002.

摘要

对配电网拓扑进行准确的实时辨识是电力系统安全稳定运行的基础，但随着新能源的接入以及配电网规模不断增大，配电网拓扑结构的动态变化愈加频繁且难以辨识。然而，现有配电网拓扑辨识算法所使用的历史数据需要人工对其进行拓扑标注，且拓扑辨识时间长，难以实现配电网拓扑实时辨识。因此，文中提出了一种基于现场可编程逻辑门阵列(FPAG)的两阶段配电网拓扑结构实时辨识算法。该算法不需要预先给出配电网拓扑类别的数量，即可对已有历史数据进行相应的拓扑标注及分类，并且基于FPGA实现了对配电网拓扑的实时辨别。该算法分为2个阶段：第1阶段采用变分贝叶斯高斯混合模型，对已有历史数据进行相应的拓扑标注及分类；第2阶段采用麻雀搜索算法，使得支持向量机快速收敛得到最优参数，以实现对配电网拓扑结构的精准辨识。基于该算法，利用FPGA并行架构以及高速高密度特性建立了实时拓扑结构辨识平台。最后，通过算例分析验证了所提辨识方法的有效性和优越性。

Abstract

Accurate real-time topology identification of distribution networks is the basis for safe and stable operation of power systems

but with the access of renewable energy and the increasing scale of distribution network

the dynamic changes of the distribution network topology are more frequent and difficult to identify. However

the historical data used by the existing topology identification algorithms need to be labeled manually

and the topology identification time is long. So it is difficult to achieve real-time topology identification for distribution networks. Therefore

a real-time two-stage topology identification algorithm for distribution networks based on field programmable logic gate array (FPAG) is proposed. The proposed algorithm does not need to know the number of distribution network topology categories in advance

and can label and classify the existing historical data

and realize the real-time topology identification for distribution networks based on FPGA. The algorithm is divided into two stages. The first stage uses the variational Bayesian Gaussian mixture model to label and classify the existing historical data. In the second stage

the sparrow search algorithm is used to make the support vector machine converge quickly to get the optimal parameters

so as to realize the accurate topology identification for distribution networks. Based on this algorithm

a real-time topology identification platform is established by using FPGA parallel architecture and high speed and high density characteristics. Finally

the effectiveness and superiority of the proposed identification method are verified by case analysis.

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 .

马尚，卫志农，黄蔓云，等 . 基于智能电表数据的低压配电网拓扑与线路参数联合辨识［J］. 电力系统自动化， 2024 ， 48 （ 2 ）： 60 - 70 .

MA Shang ， WEI Zhinong ， HUANG Manyun ， et al . Joint identification of topology and line parameters for low-voltage distribution network based on smart meter data ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 2 ）： 60 - 70 .

喻锟，胥鹏博，曾祥君，等 . 基于模糊测度融合诊断的配电网接地故障选线［J］. 电工技术学报， 2022 ， 37 （ 3 ）： 623 - 633 .

YU Kun ， XU Pengbo ， ZENG Xiangjun ， et al . Grounding fault line selection in distribution networks based on fuzzy measure fusion diagnosis ［J］. Journal of Electrical Engineering Technology ， 2022 ， 37 （ 3 ）： 623 - 633 .

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 .

卓振宇，张宁，谢小荣，等 . 高比例可再生能源电力系统关键技术及发展挑战［J］. 电力系统自动化， 2021 ， 45 （ 9 ）： 171 - 191 .

ZHUO Zhenyu ， ZHANG Ning ， XIE Xiaorong ， et al . Key technologies and developing challenges of power system with high proportion of renewable energy ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 9 ）： 171 - 191 .

GANDLURU A ， POUDEL S ， DUBEY A . Joint estimation of operational topology and outages for unbalanced power distribution systems ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 1 ）： 605 - 617 .

TIAN Z ， WU W C ， ZHANG B M . A mixed integer quadratic programming model for topology identification in distribution network ［J］. IEEE Transactions on Power Systems ， 2016 ， 31 （ 1 ）： 823 - 824 .

杨冬锋，付强，刘晓军，等 . 配电网动态拓扑与线路参数联合在线辨识方法［J］. 电力系统自动化， 2022 ， 46 （ 2 ）： 101 - 108 .

YANG Dongfeng ， FU Qiang ， LIU Xiaojun ， et al . Joint online identification method for dynamic topology and line parameters of distribution network ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 2 ）： 101 - 108 .

张巍，徐进，刘家鹏 . 基于分支有功功率的低压有源配电网拓扑辨识方法［J］. 电力系统自动化， 2022 ， 46 （ 15 ）： 85 - 95 .

ZHANG Wei ， XU Jin ， LIU Jiapeng . Topology identification method for low-voltage active distribution network based on branch active power ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 15 ）： 85 - 95 .

AZIMIAN B ， BISWAS R S ， MOSHTAGH S ， et al . State and topology estimation for unobservable distribution systems using deep neural networks ［J］. IEEE Transactions on Instrumentation and Measurement ， 2022 ， 71 ： 9003514 .

黄霆，林韩，黄道姗，等 . 基于统计学习理论的电网薄弱环节识别技术框架研究［J］. 电力与电工， 2013 ， 33 （ 4 ）： 19 - 22 .

HUANG Ting ， LIN Han ， HUANG Daoshan ， et al . Study of technical framework of weakness identification in power grid based on statistics studying theory ［J］. Electric Power and Electrical Engineering ， 2013 ， 33 （ 4 ）： 19 - 22 .

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 .

蒋玮，汤海波，祁晖，等 . 基于集成深度神经网络的配电网联络关系辨识技术［J］. 电力系统自动化， 2020 ， 44 （ 1 ）： 101 - 108 .

JIANG Wei ， TANG Haibo ， QI Hui ， et al . Distribution network connectivity recognition based on ensemble deep neural network ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 1 ）： 101 - 108 .

LIN G Q ， LIU S Y ， SHI D N ， et al . A dual-graph attention-based approach for identifying distribution network topology ［C］// IEEE 10th International Conference on Computer Science and Network Technology （ICCSNT）， October 22-23 ， 2022 ， Dalian， China ： 29 - 33 .

MA L ， WANG L F ， LIU Z X . Topology identification of distribution networks using a split-EM based data-driven approach ［J］. IEEE Transactions on Power Systems ， 2022 ， 37 （ 3 ）： 2019 - 2031 .

XIONG J W ， YE H ， PEI W ， et al . Real-time FPGA-digital twin monitoring and diagnostics for PET applications ［C］// 6th Asia Conference on Power and Electrical Engineering （ACPEE）， April 8-11 ， 2021 ， Chongqing， China ： 531 - 536 .

PENG N ， LIANG R ， WANG G H ， et al . Edge computing-based fault location in distribution networks by using asynchronous transient amplitudes at limited nodes ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 1 ）： 574 - 588 .

QIU T ， CHI J C ， ZHOU X B ， et al . Edge computing in industrial Internet of Things： architecture， advances and challenges ［J］. IEEE Communications Surveys & Tutorials ， 2020 ， 22 （ 4 ）： 2462 - 2488 .

PASSIAN A ， IMAM N . Nanosystems， edge computing， and the next generation computing systems ［J］. Sensors （Basel）， 2019 ， 19 （ 18 ）： E4048 .

XIONG J W ， YE H ， PEI W ， et al . A monitoring and diagnostics method based on FPGA-digital twin for power electronic transformer ［J］. Electric Power Systems Research ， 2022 ， 210 ： 108111 .

LUO Y ， CAI X ， QI J ， et al . FPGA-accelerated CNN for real-time plant disease identification ［J］. Computers and Electronics in Agriculture ， 2023 ， 207 ： 107715 .

ANGUITA D ， BONI A ， RIDELLA S . A digital architecture for support vector machines： theory， algorithm， and FPGA implementation ［J］. IEEE Transactions on Neural Networks ， 2003 ， 14 （ 5 ）： 993 - 1009 .

XUE J K ， SHEN B . A novel swarm intelligence optimization approach： sparrow search algorithm ［J］. Systems Science & Control Engineering ， 2020 ， 8 （ 1 ）： 22 - 34 .

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 .

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 .

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