越来越多的间歇可再生能源的整合,特别是在分配水平,需要对TheGrid的知识而设计的先进规划和优化方法,特别是捕获电网拓扑和线参数的进入矩阵。然而,对进入矩阵的可靠估计可以丢失或迅速地过时用于时间变化网格。在这项工作中,我们提出了利用从微量PMU收集的电压和电流测量的数据驱动的识别方法。更确切地说,我们首先呈现最大的似然方法,然后朝着贝叶斯框架移动,利用最大后验估计的原则。与大多数现有的Con-Tribution相比,我们的方法不仅是电压和电流数据上的测量噪声中的因素,而且还能够利用可用的先验信息,例如稀疏性模式和已知的列表参数。在基准案件上进行的模拟表明,与储藏仪相比,我们的方法可以实现明显更大的准确性。
translated by 谷歌翻译