Power Quality State Estimation in Verteilnetzen auf Basis Neuronaler Netze

Die Überwachung der Spannungsqualität (Power-Quality, PQ) in Stromnetzen wird durch dezentrale Einspeiser und Leistunselektronik immer relevanter. Jedoch ist die Überwachung aller relevanten Knoten in Verteilnetzen unmöglich und kostspielig. Zustandsschätzungsmethoden liefern Wissen über nicht gemessene Stellen durch das Erlernen nichtlinearer Beziehungen eines physikalischen Systems. Dieser Beitrag analysiert ein neues flexibles, echtzeitnahes Konzept der Spannungsqualitätszustandsschätzung im Frequenzbereich. Es basiert auf GPS-synchronisierter Messungen inklusive Oberschwingungen, welche in einem neuronalen Netz verarbeitet werden. Dieses Netz-Modell wird durch einen Physics-Aware Ansatz erweitert, der die Admittanzen und die Struktur des elektrischen Netzes berücksichtigt. Die Daten für das Training und die Validierung des Modells werden durch eine OpenDSS-Simulation erzeugt. Die Ergebnisse des vorgestellten Konzepts zeigen sehr präzise Schätzungen. Bei der Validierung des Oberschwingungsflusses für die Oberschwingungs-Ordnungen 1 bis 20 wird insgesamt ein mittlerer quadratischer Fehler von 4×10-6 erreicht. Als Referenz dazu liefert ein Dense Neural Network einen höheren Validation-Loss von 1×10-5.