.png){kind=icon}
返回
DAE-aware Bayesian inference for joint generator-network parameter estimation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.epsr.2026.113688.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文解决了多机电力系统模型中的经典参数估计（PE）问题。此类模型通常由一组非线性微分-代数方程（DAE）描述，其中发电机物理模型和网络潮流方程相互耦合。DAE模型在经典电力系统教科书中已得到充分阐述，但针对这些模型的发电机惯量、阻尼参数以及网络支路电阻、电抗的参数辨识与估计仍相对研究不足。与依赖常微分方程（ODE）近似的前期方法不同，本文提出了一种联合贝叶斯推断框架，在利用电网DAE模型的同时对发电机和网络参数进行PE。该方法进一步结合了物理感知的统计建模与计算高效的后续采样技术，以使联合贝叶斯校准具备实用性。IEEE 9节点系统的结果表明，参数恢复准确且后续不确定性可控，而简短的39节点研究则证明该框架在规模显著更大的联合估计问题上依然有效。这些结果是在不要求过度保守先验条件的情况下获得的。
Keyword:
Bayesian inference
MCMC
Identifiability analysis
Parameter estimation
Delayed acceptance
