.png){kind=icon}
返回
Maximum Likelihood Estimation for Line Parameters in Distribution Grids Based on Expectation Maximization Algorithm
.png){kind=icon}
OA
AI
DOI：10.35833/MPCE.2024.000910.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种基于电力系统中可用测量数据获取配电网非线性模型的方法。我们构建了一个最大似然估计（MLE）问题，利用各节点的测量电压幅值和净有功、无功功率注入量来估计未知的线路参数——具体为节点间的阻抗。配电网的非线性模型采用DistFlow模型的非线性近似，该模型包含线路损耗，并由未知的线路阻抗进行参数化。我们使用针对非线性模型设计的期望最大化（EM）算法求解所得的MLE问题，并提供了数值稳定性强的实现方案。该方法在IEEE 37节点测试网络上进行了验证，并与当前最先进的方法进行了比较。所提方法将电压误差降低了70%，状态变量的误差减小了10000倍以上。最终比较采用真实网络数据，所提方法得到的参数估计误差仅为竞争方法的1/100。
Keyword:
Maximum likelihood estimation (MLE)
distribution grid
parameter estimation
expectation maximization (EM)
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
查看更多机构