来源：期刊VIP网 时间：
作者：梁俊宇;杨家全;赵翼康;
单位：云南电网有限责任公司电力科学研究院;智能配用电装备与系统全国重点实验室(河北工业大学);
摘要：随着分布式能源的广泛接入，配电网运行状态日益复杂，对状态估计精度提出更高要求。然而，传统状态估计方法往往依赖于预设的拓扑参数信息，难以应对网络结构变化和参数不确定性，导致估计精度下降。为此，提出一种基于数据驱动拓扑参数辨识的配电网状态估计方法。首先，通过区域划分减少量测数据需求，并结合LinDistFlow潮流模型构建拓扑标识矩阵，利用矩阵合同变换实现拓扑和线路参数的联合辨识；其次，引入Kmeans++聚类算法提升模型鲁棒性，并考虑网络损耗优化线路参数估计；然后，基于精确的拓扑和参数信息，采用贝叶斯优化的卷积神经网络进行状态估计；最后，通过在改进后的IEEE 33和IEEE 123节点网络上的仿真实验，验证了所提方法在不同噪声和数据规模下均表现出较高的准确性和鲁棒性。
关键词：配电网;;拓扑辨识;;线路参数估计;;状态估计;;卷积神经网络;;贝叶斯优化
基金资助：中国南方电网有限责任公司创新项目（YNKJXM20222334,YNKJXM20222360）
