原文信息：
Transparent Enhancement of Active Distribution Network through FCA-based Blind Decomposition
原文链接：
https://www.sciencedirect.com/science/article/pii/S0306261924021597
Highlights
(1) 基于FCA的复合事件盲源分离（BDCE）方法提升了主动配电网（ADN）的透明性
(2) 非交换矩阵和随机矩阵理论（RMT）有效捕捉了ADN中的时空关联特性。
(3) 我们提出的免模型、非监督方法为理解ADN的复杂动态特性提供了新视角
(4) 案例研究表明，FCA-BDCE在提升ADN决策能力方面优于ICA-BDCE
Research Gap
本研究针对主动配电网透明性提升的关键难题，提出了一种基于自由成分分析的方法，填补了现有研究中对复合事件盲源分离的应用空白。
Abstract
Transparency is crucial for decision-making within an active distribution network (ADN). To enhance ADN’s transparency, this study develops a novel Blind Decomposition of Composite Events (BDCE) approach rooted in Free Component Analysis (FCA), with a detailed exploration of its related theorems, algorithms, and deductions. Notably, FCA employs non-commutative matrix variables instead of scalar variables, establishing a natural connection to Random Matrix Theory (RMT). By incorporating RMT, FCA-BDCE effectively utilizes spatial-temporal correlation—a matrix-derived spectrum statistic; it allows for the filtration of locally independent noises, such as individual-level measurement error, ubiquitous white noise, while retaining globally influential signals across some specified spatial-temporal span. This capability is particularly valuable when gaining insight into the complex ADN, a landscape with significant diversity and uncertainty. In general, our approach is model-free, theory-guided, and unsupervised, making it particularly suitable for ADN. A comprehensive case study validates the practical effectiveness of our FCA-BDCE approach, demonstrating its superiority over ICA-BDCE.
Keywords
Blind decomposition
Composite event
Free component analysis
Free probability
Random matrix theory
Graphics
图1 IEEE 33节点系统（含可再生能源）中复合事件及其叠加模式
图2 二维空间中的矩阵中心化和白化处理过程
图3 案例中的电压幅值与功率实际状态
图4 极坐标下盲源分离的性能表现：由于 X2 的固有随机性，ICA 的极坐标图在不同试验中可能会出现较大变化。相比之下，FCA 的极坐标图表现出更高的稳定性。这种内在的稳定性是 FCA 在性能上持续优于 ICA 的关键因素。
图5 基于Z#4 数据的盲源分离辨识结果
图6功率需求变化下的盲源分离辨识结果
团队简介
团队介绍：
本研究由上海交通大学、华中科技大学和国网上海市电力公司的研究人员共同完成。
通信作者/第一作者简介：
贺兴，博士，上海交通大学副研究员，博士生导师。研究领域为数据科学技术与新型电力系统的融合应用，聚焦电力时空数据高维分析、能源复杂系统的数字孪生与元宇宙机制等方向；贺兴主持和参与国家自然科学基金项目4项，国网科技项目4项；以第一或通信作者发表高水平论文30余篇，其中IEEE Trans文章12篇，出版2本国际专著章节(IET出版社、剑桥出版社)；担任能源创新青年论坛第三期召集人(数字孪生方向)，电网技术特约编辑(数字孪生方向)；被IEEE PES中国区授予Outstanding Young Engineer的荣誉称号。
关于Applied Energy
本期小编：夏元兴；审核人：贺兴
《Applied Energy》是一本专注于ENERGY & FUELS领域的Multi-Language学术期刊，创刊于1975年，由Elsevier BV出版商出版，出版周期Monthly。该刊发文范围涵盖ENERGY & FUELS等领域，旨在及时、准确、全面地报道国内外ENERGY & FUELS工作者在该领域的科学研究等工作中取得的经验、科研成果、技术革新、学术动态等。开源（Open Access）姊妹新刊《Advances in Applied Energy》影响因子13.0，CiteScore 23.9。全部论文可以免费下载。在《Applied Energy》的成功经验基础上，致力于发表应用能源领域顶尖科研成果，并为广大科研人员提供一个快速权威的学术交流和发表平台，欢迎关注！
公众号团队小编招募长期开放，欢迎发送自我简介（含教育背景、研究方向等内容）至wechat@applied-energy.org
点击“阅读原文”
提交文章吧
喜欢我们的内容？
点个“赞”或者“再看”支持下吧！
