Distribution grid planning, control, and optimization require accurate estimation of solar photovoltaic (PV) generation and electric load in the system. Most of the small residential solar PV systems are installed behind-the-meter making only the net load readings available to the utilities. This paper presents an unsupervised framework for joint disaggregation of the net load readings of a group of customers into the solar PV generation and electric load. Our algorithm synergistically combines a physical PV system performance model for individual solar PV generation estimation with a statistical model for joint load estimation. The electric loads for a group of customers are estimated jointly by a mixed hidden Markov model (MHMM) which enables modeling the general load consumption behavior present in all customers while acknowledging the individual differences. At the same time, the model can capture the change in load patterns over a time period by the hidden Markov states. The proposed algorithm is also capable of estimating the key technical parameters of the solar PV systems. Our proposed method is evaluated using the net load, electric load, and solar PV generation data gathered from residential customers located in Austin, Texas. Testing results show that our proposed method reduces the mean squared error of state-of-the-art net-load disaggregation algorithms by 67%.

中文翻译：

---

社区中日后太阳能发电的联合估算

配电网的规划，控制和优化需要准确估计系统中太阳能光伏（PV）的产生和电负载。大多数小型住宅太阳能光伏系统安装在仪表后，因此仅净负荷读数可供公用事业使用。本文提出了一个无监督框架，用于将一组客户的净负荷读数联合分解为太阳能光伏发电和电力负荷。我们的算法将用于单个太阳能光伏发电估算的物理光伏系统性能模型与用于联合负荷估算的统计模型协同结合。混合隐马尔可夫模型（MHMM）共同估算了一组客户的电力负荷，该模型可以对所有客户中存在的一般负荷消耗行为进行建模，同时也可以识别出个体差异。同时，该模型可以通过隐马尔可夫状态捕获一段时间内负荷模式的变化。所提出的算法还能够估计太阳能光伏系统的关键技术参数。我们使用从得克萨斯州奥斯汀市的居民用户收集的净负荷，电力负荷和太阳能光伏发电数据对我们提出的方法进行了评估。测试结果表明，我们提出的方法将最新的净负载分解算法的均方误差降低了67％。该模型可以通过隐马尔可夫状态捕获一段时间内载荷模式的变化。所提出的算法还能够估计太阳能光伏系统的关键技术参数。我们使用从得克萨斯州奥斯汀市的居民用户收集的净负荷，电力负荷和太阳能光伏发电数据对我们提出的方法进行了评估。测试结果表明，我们提出的方法将最新的净负载分解算法的均方误差降低了67％。该模型可以通过隐马尔可夫状态捕获一段时间内载荷模式的变化。所提出的算法还能够估计太阳能光伏系统的关键技术参数。我们使用从得克萨斯州奥斯汀市的居民用户收集的净负荷，电力负荷和太阳能光伏发电数据对我们提出的方法进行了评估。测试结果表明，我们提出的方法将最新的净负载分解算法的均方误差降低了67％。