基于随机矩阵理论与熵理论的电网薄弱环节辨识方法

电网薄弱环节辨识对保证电力系统的安全性有重要的意义。为了分析辨识电网薄弱环节,提出一种随机矩阵理论与熵理论相结合的辨识方法。首先介绍随机矩阵理论基本原理和薄弱环节特征。然后利用电压数据和相角数据构建矩阵,结合随机矩阵理论分析矩阵的统计特性,并将统计特性与电网物理特性对比分析。再结合熵理论建立薄弱节点辨识模型,利用变异系数量化分析数据波动特征,构建薄弱支路辨识模型。最后,利用IEEE39节点系统模型验证方法的正确性。     

基于随机矩阵理论的配电网状态分析与故障定位

随着智能电网的建设和发展,配电网的状态数据量正以指数级速度增长,面对这种发展趋势,传统的以假设和简化为前提的模型法不再适用,而以数据为驱动的随机矩阵理论方法体现出强大的优势。介绍了随机矩阵理论,包括M-P律和单环定理;概述了高维随机矩阵的构建方法以及在实际工程应用中采用滑动时间窗进行数据采样的理论基础;给出了以节点电压幅值为状态量、以单环定理和方差谱半径作为状态评估指标,对电网状态进行分析和故障区域定位的具体思路;以新英格兰10机39节点网络仿真数据为模型,验证了所用方法的有效性。仿真结果表明,高维随机矩阵适用于电网状态的评估,通过单环定理和方差谱半径能有效反映电网的运行状态以及定位电网的故障区域。     

基于随机矩阵理论的数据建模方法

随机矩阵理论作为统计学处理复杂系统和高维数据的理论工具,已越来越多地与大数据技术结合,应用于电力系统分析.首先介绍了随机矩阵的基础定义,其次介绍了随机矩阵单环定理,并依此建立了DAS量测数据的随机矩阵模型,采用平均谱半径作为其线性特征值统计量,根据平均谱半径的变化感知原始随机矩阵中数据的变化.采用IEEE 33节点配电网络作为仿真分析模型,可发现当配电网无故障稳定运行时平均谱半径随时间序列的变化情况,为后续探究配电网故障的诊断方法打下了理论基础.     

基于随机矩阵理论和聚类算法的电能表运行状态评估方法

随着智能配电网络规模的扩大以及电网结构的复杂化,电力大数据呈指数级增长,电力设备的检、监测评估面临新的挑战。在大数据原理和数据挖掘分析的基础上,提出一种基于随机矩阵理论和聚类算法的电能表运行状态评估方法。首先,对电力大数据统一预处理,完成时间序列数据表征;然后,采用实时分离窗技术整合时序数据;其次,基于随机矩阵理论,对多维度电能表时间序列数据实时计算、分析统计量时序特征;进一步,采用改进的时间规整聚类算法计算时序数据相似度,从而对随机矩阵统计量聚类分级;最后,分析聚类结果,得到电能表运行状态评估等级和范围,完成电能表实时运行状态评估。实例分析和对比研究结果表明,与传统的主元分析评估方法相比,所提出的新型电能表运行状态评估方法具有良好的鲁棒性、可靠性和时效性,为电力电网检测技术应用研究提供了新思路。     

基于随机矩阵理论和聚类算法的电能表运行状态评估方法

随着智能配电网络规模的扩大以及电网结构的复杂化,电力大数据呈指数级增长,电力设备的检、监测评估面临新的挑战。在大数据原理和数据挖掘分析的基础上,提出一种基于随机矩阵理论和聚类算法的电能表运行状态评估方法。首先,对电力大数据统一预处理,完成时间序列数据表征;然后,采用实时分离窗技术整合时序数据;其次,基于随机矩阵理论,对多维度电能表时间序列数据实时计算、分析统计量时序特征;进一步,采用改进的时间规整聚类算法计算时序数据相似度,从而对随机矩阵统计量聚类分级;最后,分析聚类结果,得到电能表运行状态评估等级和范围,完成电能表实时运行状态评估。实例分析和对比研究结果表明,与传统的主元分析评估方法相比,所提出的新型电能表运行状态评估方法具有良好的鲁棒性、可靠性和时效性,为电力电网检测技术应用研究提供了新思路。     

基于随机矩阵理论的配电网运行状态相关性分析方法

配电网的运行状态是各种影响因素共同作用的结果。为了挖掘各种影响因素与配电网运行状态之间的内在联系,提出一种基于随机矩阵理论的相关性分析方法。首先提出一种增广矩阵法,利用影响因素数据和电网运行状态数据构造数据源矩阵。然后基于实时分离窗技术和随机矩阵理论,分析数据源矩阵中元素的统计特性,并将分析结果与随机矩阵理论的理论预测进行比较。在分析过程中,采用线性特征值统计量(如平均谱半径)作为相关性指标。算例分析表明,该方法能够实时、定量地分析复杂系统中海量数据的相关性,揭示1种或多种影响因素对电网运行状态之间的影响。     

随机矩阵理论在电力系统认知中的应用初探

数据是智能电网建设的战略资源乃至主要驱动力。如何处理智能电网中呈现海量、多样、实时、真实等4个特征的4 Vs数据,并从中提取信息,是电力系统大数据建设所面临的核心问题。描述了大数据的特征和引入了随机矩阵理论作为基础,以及提出电力系统大数据的应用思路和架构。具体电力应用方面,介绍了所开发的早期事件发现、事件诊断和定位、相关性分析、可视化3D Power Map辅助展示等一系列功能。在此基础上,建立起以随机矩阵为理论基础,以数据为主要驱动力的电力系统认知体系框架,并探讨其与传统经典认知方案的区别。进一步设计案例考查了其对坏数据的鲁棒能力,其结果表明,随机矩阵理论这种工具可以有效地处理电网中的复杂数据,具有很好的学术研究意义和工程应用价值。另通过仿真算例验证了随机矩阵方案对数据异步的鲁棒性。     

基于高维随机矩阵理论的电网薄弱点评估方法

电网薄弱节点的识别是电力系统安全稳定分析领域的重要内容之一。为了准确辨识电网薄弱环节,从数据驱动的角度出发,提出一种综合高维随机矩阵理论及熵理论的评估方法。分析利用电网实时数据构成高维随机矩阵的处理方法,将随机矩阵理论的统计规律映射到电网实际的运行状态,最后综合随机矩阵理论中M-P定理(TheMarcenkoPastur Law)、圆环率、线性特征值统计量及熵理论评估电网受扰后的脆弱性,构造了电网薄弱点判断指标。该方法不需要识别系统结构,避免了对系统的建模过程,且准确性较现有文献有所提升。通过IEEE39节点系统的仿真结果,验证了所提识别方法的有效性。     

基于随机矩阵理论的电力系统暂态稳定性分析

电网暂态分析是保证电网稳定运行的重要手段。随着电网广域测量系统(wide-area management system,WAMS)的发展,电网形成了具有时空特性的高维海量运行数据。传统的电网暂态分析采用物理模型,用严格的数学公式关联维度之间数据,这种模型不能充分利用海量电网运行数据,造成资源浪费。从数据驱动的角度,首先分析WAMS数据的应用情况,考虑电网运行数据特点建立数据模型。然后利用随机矩阵理论(random matrix theory,RMT)建立平均谱半径(mean spectral radius,MSR)评价指标,从整体上分析不同扰动对电网的影响。在整体分析电网运行状态的基础上,结合随机矩阵理论和时间序列分析(time series analysis,TES)建立量化评价指标,实现对扰动的影响程度分析和影响范围评估。最后,利用IEEE39系统验证提出方法的可行性和正确性。     

基于大数据深化分析的电能质量扰动辨识方法研究

随着海量充电桩、分布式能源和新型储能设备等新型设备接入电网,导致电能质量问题日益突出。该文以随机矩阵理论为基础,提出基于大数据深化分析的电能质量扰动辨识方法,实现电能质量异常扰动的高精度辨识及挖掘。利用高维随机矩阵对电能质量状态进行表征;通过计算随机矩阵的谱半径来映射电网电能质量的数据变化状态,以实现电能质量扰动的自动辨识;以仿真的电网运行数据为对象进行实例分析,验证了所提方法的有效性。     

基于Spiked模型的低信噪比环境电网异常状态检测

为发展基于大数据技术的电网态势感知理论与方法,提出了一种基于Spiked模型电网异常状态动态辨识方法,该方法源于随机矩阵理论。首先,通过数据源矩阵的构造,窗口数据矩阵及其标准矩阵的构建,进而形成其样本协方差矩阵,并计算该矩阵的最大特征值;然后,利用由Kaiser窗函数校正的经典谱估计法进行全局信噪比估计,进而得出对应的动态阈值,并与最大特征值比较来进行异常状态判别;最后,借助MATLAB软件,案例分析在一个IEEE50机标准系统展开,涉及负荷异常跃变及三相短路接地故障,与传统的平均谱半径分析法的计算结果比较表明该方法具有抗噪性能高、适应性强的优点,同时对于非完整性信息有一定的鲁棒性。     

主元分析结合Cornish-Fisher展开的概率潮流三点估计法

传统点估计概率潮流计算(Probabilistic Load Flow Calculation Based on Point Estimate Method, PLF-PEM)没有考虑输入随机变量相关系数矩阵非正定之情形。为克服上述不足,更准确地描述输出变量的统计特性,提出一种主元分析结合Cornish-Fisher级数展开的PLF-PEM算法。利用主元分析处理相关性输入随机变量,通过点估计方法得到输出变量的各阶矩。结合半不变量理论与Cornish-Fisher级数展开,利用输入变量的离散样本数据求得输出随机变量的数字特征和概率统计信息。算例表明所提算法能适应新能源发电高渗透电力系统的快速概率潮流计算。     

基于节点聚类分簇的多馈入直流落点筛选方法

随着受端电网直流落点数目的增加,合理规划直流落点位置对于保证受端系统的安全稳定运行具有重要意义。在深入研究直流落点间交互影响特征的基础上,基于多馈入交互影响因子定义了节点交互影响相似度指标,进而构建了受端电网节点交互影响相似度矩阵。以直流落点数为分区目标数,利用谱聚类方法实现了受端系统的分区。每条直流选择一个子区域作为备选落点区域,所有方案形成落点方案集合,利用整体性与均衡性指标综合评估筛选出最优方案。算例分析结果表明,利用该方法所得落点位置合理,与传统方法相比,具有计算简单、筛选效率高的优点。     

考虑地区差异的电网设备运行效率评估

由于社会经济发展不均衡、区域特性差异、统计数据质量有别等,电网设备运行效率评估缺乏同质性基础,影响评估结果的公允性。提出了电网设备运行效率评估三阶段方法,先应用规模报酬可变的数据包络分析模型获得投入松弛量,利用环境变量回归拟合松弛量后对投入变量作修正,再将修正后的投入变量代入数据包络分析模型作效率评估。实证分析表明：传统数据包络分析方法没有考虑环境因素影响导致欠发达地区电网设备运行效率被低估;环境因素影响大,其作用体现在电网设备运行效率值上;三阶段方法能更公允地评价电网设备运行效率。     

适用于超大规模电网的在线概率潮流算法

针对半不变量概率潮流算法受电网规模影响较大的特点,对传统概率潮流算法进行了优化改进。在随机变量较少的情况下,通过求取部分灵敏度矩阵的方法减少计算量。随机变量较多时,采用网络等值与分解的方法减小待计算电网规模,有效提升了半不变量概率潮流算法的计算速度。通过标准节点系统与多个大型电网模型的仿真分析验证了所提算法的准确性与实用性。     

一种综合考虑全网和局部的网损优化方法

随着我国电网建设规模的不断扩大,运行节点日益增多,导致电力系统计算分析的数据量剧增。电力系统在保证安全运行的同时,对其运行的经济性也提出了越来越高要求,传统的电网网损计算分析方法已经不能满足电网当前的发展需要。首先探讨了当前电网网损优化方法中存在的问题,提出利用最优潮流计算方法先进行网损全局优化,其次进行局部优化分析,再进行全局网损的二次优化分析思路。最后在理论方法的基础上结合可视化技术,设计并编制了可视化网损优化分析软件,并通过电网的实际应用验证了该方法的可行性和有效性。     

基于灰关联和D-S证据理论电网企业信息安全风险评估

随着信息化的加速发展,电网企业对信息系统依赖性越来越强,因此保证信息安全也成为电网企业信息管理的核心工作.提出一种灰色关联和D-S证据理论相结合的方法来评估电网企业信息系统安全风险.首先对指标参数值的不确定性进行分析,缺失指标参数值可能满足于均匀分布、指数分布或正态分布3种分布中的一种.根据历史数据和实际情况,判断并对缺失值进行填充.定义了区间转化算子,通过灰色关联法和隶属度矩阵确定不同指标的不确信度,进而构建了Mass函数矩阵,利用D-S合成算法对Mass函数进行信息融合,依据置信函数值对信息系统安全风险进行排序.通过实例证明了模型的有效性和可行性,研究结果显著降低了风险评估的不确定性,也为电网企业信息安全风险管理提供一种新的思路.     

基于风电功率min级分量波动特性的 风电场储能容量优化计算

储能为抑制风电功率随机波动性对电力系统的不利影响提供了可能。为减小风电功率随机波动分量对电力系统的影响,提出用储能设备平滑风电功率随机波动频繁的min级分量,并通过分析风电功率min级分量的波动特性,建立对应的储能容量优化配置模型。该模型在充分把握风电功率min级分量波动特性的基础上,以概率统计的区间估计理论确定储能系统的容量配置和最大充放电功率。该优化模型可以较小容量的储能设备改善风电功率的平滑输出,有利于减小风电功率随机波动性对电力系统的不利影响。仿真算例表明了该算法的有效性。