基于改进Att-LSTNet与无迹粒子滤波融合的主动配电网预测辅助状态估计

针对传统的无迹粒子滤波(unscented particle filter,UPF)存在不准确的新息向量及未知的量测噪声协方差矩阵导致估计精度低的问题,提出一种改进Att-LSTNet与UPF融合的主动配电网预测辅助状态估计(forecasting-aided state estimation,FASE)方法.首先,采用引力搜索算法(gravitational search algorithm,GSA)对支持向量回归(support vector regression,SVR)的关键参数进行优化处理,利用历史数据建立GSA-SVR模型,并将其引入至Att-LSTNet模型的输出层,构建一种增强...

Full description

Saved in:
Bibliographic Details
Published in电力系统保护与控制 Vol. 52; no. 8; pp. 98 - 110
Main Authors 王玥, 于越, 金朝阳
Format Journal Article
LanguageChinese
Published 电网智能化调度与控制教育部重点实验室(山东大学),山东 济南 250061 16.04.2024
Subjects
forecasting-aided state estimation
主动配电网
预测辅助状态估计
无迹粒子滤波
UPF
active distribution networks
Att-LSTNet
SVR
Online AccessGet full text
ISSN1674-3415
DOI10.19783/j.cnki.pspc.231067

Cover

More Information
Summary:针对传统的无迹粒子滤波(unscented particle filter,UPF)存在不准确的新息向量及未知的量测噪声协方差矩阵导致估计精度低的问题,提出一种改进Att-LSTNet与UPF融合的主动配电网预测辅助状态估计(forecasting-aided state estimation,FASE)方法.首先,采用引力搜索算法(gravitational search algorithm,GSA)对支持向量回归(support vector regression,SVR)的关键参数进行优化处理,利用历史数据建立GSA-SVR模型,并将其引入至Att-LSTNet模型的输出层,构建一种增强预测模型.然后,利用UPF中的新息向量来训练该模型,并结合孤立森林算法和箱线图法对原始新息向量进行监控和修正.最后,针对量测噪声协方差矩阵未知的情况,结合修正后的新息向量和UPF计算出未知量测噪声协方差矩阵,并进行状态估计.基于IEEE33 与IEEE118 节点标准配电系统的算例结果表明,所提出的方法在估计精度、泛化能力和鲁棒性等方面具有优越性.
ISSN:1674-3415
DOI:10.19783/j.cnki.pspc.231067