其他
【精彩论文】基于贝叶斯优化弹性网络回归的谐波状态估计方法
观点凝练
摘要：回归类算法在估计系统谐波状态时，谐波源间的高度相关性会引起法矩阵的病态，从而显著影响谐波估计精度。为了更加准确地估计系统谐波状态，提出一种基于贝叶斯优化弹性网络回归的谐波状态估计方法。首先，在用最小二乘法进行谐波状态估计时，将带权值的1范数和2范数同时加入惩罚函数中；另外，为了更加高效准确地估计系统谐波状态，将高斯过程和贝叶斯优化应用于1范数和2范数的权值选取；最后，在IEEE 14节点中验证了所提方法的有效性。结果表明：在谐波源间存在相关性时，所提方法仍能实现合理的谐波源定位及谐波责任划分。
结论：本文针对传统谐波状态估计方法在矩阵病态情况下难以使用最小二乘回归法估计参数的问题，提出了基于弹性网络回归的谐波状态估计方法，同时采用贝叶斯优化方法提高了参数选择的效率。
本文方法采用1范数和2范数的组合式作为回归方程的正则项有两大优势：（1）加入范数正则项可以使回归模型规避嫌疑点之间高度相关导致的矩阵病态问题；（2）1范数产生的稀疏性使得该方法可以有效地分离出非谐波源，去除其对谐波源责任划分的影响，实现准确的谐波责任划分和谐波源定位。
本文采用的弹性网络回归法属于有偏估计，加入1范数和2范数以抵抗矩阵病态的同时，牺牲了一部分估计无偏性。今后的工作将在2方面做出改进：（1）尽可能寻求“无偏估计”和“抵抗病态”的平衡；（2）进一步简化调参过程。同时，后续研究将进一步探索如何以稀疏模型求解谐波源定位的问题。
引文信息
马思棋, 王忠. 基于贝叶斯优化弹性网络回归的谐波状态估计方法[J]. 中国电力, 2022, 55(8): 104-112.MA Siqi, WANG Zhong. Harmonic state estimation method based on bayesian optimized elastic network regression[J]. Electric Power, 2022, 55(8): 104-112.往期回顾
◀【精彩论文】发电容量充裕性保障机制国际实践与启示◀【精彩论文】基于欧姆内阻压降的电池簇不一致性在线监测方法研究◀【精彩论文】直流微电网分布式储能系统精确电流分配策略◀【精彩论文】典型国家电力市场保底售电服务机制对比及对中国的启示◀【征稿启事】“分布式智能电网的规划、运行和电力交易”专栏征稿启事◀【征稿启事】“新型能源体系下电碳协同市场机制及优化运行”专栏征稿启事◀【征稿启事】“面向碳达峰碳中和目标的清洁高效发电技术”专题征稿启事◀【征稿启事】“新型电力系统低碳规划与运行”专栏征稿启事
审核：方彤
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。