Coupling Scenario-Based Grid Simulations with State Estimation: Measurement Requirements for Low-Voltage Networks under the German Energy Transition Pathway
作者: Nane Zimmermann, Lukas P. Wagner, Luca von Rönn, Florian Strobel, Paul Hüttmann, Felix Gehlhoff
分类: eess.SY
发布日期: 2026-06-12
💡 一句话要点
提出基于场景的网格仿真与状态估计结合方法以解决低压网络问题
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)
关键词: 低压配电网 状态估计 电压监测 变压器仪器 能源转型 电动汽车 可再生能源
📋 核心要点
- 低压配电网在电动汽车和光伏等新设备渗透下面临热和电压压力，现有状态估计方法无法有效应对。
- 本文提出将场景基础网格仿真与状态估计相结合，分析不同设备质量对电网性能的影响。
- 研究表明，变压器仪器的引入显著降低电压估计误差，提升电网可观测性，尤其在城市网络中表现优异。
📝 摘要（中文）
随着电动汽车、热泵和屋顶光伏的渗透，低压配电网面临热和电压压力。本文将德国联邦政府的能源转型路径（2025-2045）与状态估计性能要求相结合，分析了在三种设备质量水平（良好、中等、差）和三种VDE论坛测量配置下的两个SimBench参考网络。研究发现，变压器过载和电压带违规是导致拥堵的主要原因。良好设备下拥堵保持缺失至2045年，而中等设备在2035年出现，差设备在2025年即出现。缺乏变压器仪器时，中位电压估计误差达到6-42%。增加单个变压器测量可将误差降低至0.5-1.7%。城市网络中，变压器级仪器在所有配置下均满足VDE FNN电压准确性目标，而在农村网络中则未能达到。研究结果强调优先考虑变压器仪器作为电网可观测性的有效第一步。
🔬 方法详解
问题定义：本文旨在解决低压配电网在电动汽车和光伏等新设备渗透下的热和电压压力问题。现有方法在状态估计时缺乏对设备质量和测量配置的综合考虑，导致电网拥堵和电压违规现象频发。
核心思路：论文提出将场景基础网格仿真与状态估计结合，通过分析不同设备质量和测量配置对电网性能的影响，来优化电网的监测和管理策略。这样的设计旨在提高电网的可观测性和可靠性。
技术框架：研究采用SimBench参考网络进行仿真，分析三种设备质量（良好、中等、差）和三种VDE FNN测量配置的组合。主要模块包括数据采集、状态估计、性能评估和结果分析。
关键创新：最重要的创新点在于通过引入变压器级的测量，显著提高了电压估计的准确性，尤其是在城市网络中，满足了VDE FNN的电压准确性目标。与现有方法相比，该方法更注重设备质量和测量配置的影响。
关键设计：在实验中，设置了不同的设备质量和测量配置，采用了中位数误差作为性能评估指标。特别是，通过增加单个变压器测量，电压估计误差从6-42%降低至0.5-1.7%。
🖼️ 关键图片
📊 实验亮点
实验结果显示，在良好设备条件下，拥堵现象可持续到2045年，而在中等和差设备条件下，拥堵分别在2035年和2025年出现。引入变压器测量后，电压估计误差显著降低，城市网络中满足99%分位电压误差低于2%的目标。
🎯 应用场景
该研究的潜在应用领域包括低压配电网的监测与管理，尤其是在电动汽车和可再生能源快速发展的背景下。通过优化变压器仪器的部署，可以有效提升电网的可观测性和可靠性，促进能源转型的顺利进行。
📄 摘要（原文）
Increasing penetration of electric vehicles, heat pumps, and rooftop photovoltaics is creating thermal and voltage stress in low-voltage distribution grids. This work links the German Federal Government energy transition pathway (2025-2045) with state estimation performance requirements, evaluated on two SimBench reference networks across three equipment quality levels (good, medium, poor) and three VDE Forum Netztechnik/Netzbetrieb (VDE FNN) measurement constellations that differ in the availability of transformer and feeder-level instrumentation. Within this work's analysis, congestion is caused exclusively by transformer overloading and voltage-band violations. No individual line exceeds its thermal rating (maximum: 89.5%). Equipment quality governs congestion onset for a given deployment trajectory: under good equipment, congestion remains absent through 2045, under medium equipment it emerges from 2035 (3/6 scenarios), under poor equipment from 2025 (6/6). Without transformer instrumentation, median voltage estimation errors reach 6-42% regardless of smart meter penetration. Adding a single transformer measurement reduces errors by an order of magnitude, achieving median errors of 0.5-1.7%. In urban networks, transformer-level instrumentation meets the VDE FNN voltage accuracy target (99th percentile voltage error below 2%) in all configurations. In rural networks under poor equipment, the target is approached but not met. These findings motivate prioritizing transformer instrumentation as an effective first step for grid observability and supplementing the current consumption-driven metering rollout with risk-based deployment criteria linked to local congestion exposure.