优化LinDistFlow功率流近似算法的参数以应用于配电系统

《IEEE Transactions on Smart Grid》：Optimizing Parameters of the LinDistFlow Power Flow Approximation for Distribution Systems

配电网线性近似模型LinDistFlow通过参数优化算法提升准确性，采用截断牛顿共轭梯度法优化系数和偏置参数，实验显示在L1和L∞范数下误差降低达92%和88%。

　　

摘要：

DistFlow模型能够准确描述配电系统中的电力流动情况，但由于该模型的非线性特性，在许多应用中存在计算上的挑战。因此，通常采用一种称为LinDistFlow的线性近似方法（及其三相扩展LinDist3Flow）。本文提出了一种参数优化算法，旨在提高这种近似方法对于平衡单相等效电路和不平衡三相配电网络模型的准确性，从而使预测结果与非线性DistFlow模型的输出更加一致。该算法利用敏感性信息来优化LinDistFlow近似模型的系数和偏置参数，以最小化电压幅值预测值与实际值之间的差异。在离线训练阶段，该算法采用截断牛顿共轭梯度（TNC）方法对系数和偏置参数进行微调，从而提升LinDistFlow近似模型的精度。数值实验结果表明，与传统LinDistFlow模型相比，该算法在L1范数和L∞范数损失方面的精度分别提高了92%和88%。此外，我们还评估了优化后的参数在网络拓扑变化情况下的表现，并证明了优化后的LinDistFlow近似方法在容量优化问题中的有效性。