考虑未知拓扑与有限测量数据的DSSE物理引导贝叶斯推断

《CSEE Journal of Power and Energy Systems》:Physics-guided Bayesian inference for DSSE considering unknown topology and limited measurements

【字体: 大 中 小 】 时间:2026年03月24日 来源:CSEE Journal of Power and Energy Systems 5.6

编辑推荐:

  摘要:本文提出了一种基于物理原理的贝叶斯推断方法,用于配电系统状态估计。该方法利用功率流模型来指导贝叶斯神经网络的建模与联合优化,从而解决在拓扑结构未知且测量数据有限的双重约束下的配电系统状态估计问题。首先,根据测量配置使用块矩阵重构线性化的功率流模型,构建出配电系统状态估计的贝

  

摘要:

本文提出了一种基于物理原理的贝叶斯推断方法,用于配电系统状态估计。该方法利用功率流模型来指导贝叶斯神经网络的建模与联合优化,从而解决在拓扑结构未知且测量数据有限的双重约束下的配电系统状态估计问题。首先,根据测量配置使用块矩阵重构线性化的功率流模型,构建出配电系统状态估计的贝叶斯推断框架。随后,将未知变量的后验计算分解为两步推断过程,每一步都运用多个贝叶斯神经网络来对系统的未知变量进行概率建模。值得注意的是,每个推断步骤都采用逐步训练策略,包括预训练阶段和正式训练阶段:预训练阶段利用伪测量数据初始化网络参数,而正式训练阶段则基于有限的测量数据,通过同步结合功率流关系约束和雅可比矩阵特性约束,对每个步骤中的贝叶斯神经网络进行联合优化。最终,该方法能够为配电系统状态估计提供概率分布推断结果,同时还具备可追溯的物理意义解释性。与现有先进方法的对比实验表明,该方法具有较高的准确性和效率,尤其在处理拓扑结构未知且测量数据有限的复杂场景时表现更为出色。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号