An Optimization‐Based Line‐Wise Approach for Accurate Radial Distribution System State Estimation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT Distribution system state estimation (DSSE) is an essential tool for the effective operation and management of modern distribution systems. A common challenge in DSSE is ensuring accurate estimates despite limited real‐time measurements and high pseudo‐measurement errors. This paper presents a novel line‐wise state estimator (LW‐SE) for radial distribution systems, leveraging conic quadratic optimization to transform the non‐convex state estimation problem into a convex one. This transformation enhances the accuracy of the state estimation process. Unlike traditional methods, the LW‐SE formulation uses line impedances rather than admittances, addressing issues associated with low‐impedance branches and leading to more stable power flow representations. Furthermore, the method accommodates diverse types of measurements without requiring paired active and reactive power measurements, their equivalent forms, or phase angle measurements as inputs—while still enabling accurate phase angle estimation. Results of case studies and comparisons with traditional state estimators (T‐SE) demonstrate the effectiveness of the LW‐SE with accuracy improvement ranging from 60% to 82% in scenarios with low availability of real‐time measurements and high errors in pseudo‐measurement. In scenarios involving gross measurement errors, the LW‐SE consistently delivered lower MAPEs than the weighted least squares (WLS) and weighted least absolute value (WLAV) state estimators, while maintaining computational efficiency. These findings underscore the LW‐SE's suitability for modern distribution system applications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle