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.     

基于负荷特征向量的负荷分类与预测方法研究及其应用

针对以往分类描述负荷的不足,为简洁准确描述地负荷,建立了由若干负荷特性指标作为元素的负荷特征向量。该向量主要描述负荷日曲线,同时可反映负荷的关键特性。基于负荷特征向量可使用聚类法对负荷分类,相比于传统分类方法,本方法淡化了负荷的行业构成等因素,得到的同类负荷特性更为接近。为综合区分与定义负荷,本文在负荷特征向量的基础上建立了负荷特性指数,该指数对不同的样本有一定的自适应能力,适用范围广。最后负荷特征向量可与相似性搜索法结合,通过寻找当日负荷特性的历史相似日,达到负荷短期预测的目的。     

基于电能表暂态扰动特征的停电类型快速研判方法

为了提升停电类型研判的精准度，提出基于电能表暂态扰动特征的停电类型快速研判方法。在电能表暂态扰动特征采样信号内，通过希尔伯特变换方法，提取瞬时基波幅值，利用滑移奇异值分解方法抑制采样信号噪声，获取奇异值特征波形，利用包络极值算法，采集采样信号内主要频率点，获取频谱；提取电能表暂态扰动特征量并使其归一化，判断停电类型。实验证明，所提方法能够精准研判停电类型，具有较好的抗噪性能。     

基于 K-means的城市配电网运行状态分层评估策略

为了应对主动配电网中监测点有限、运行信息不完备给状态评估带来的挑战,提出了K-means分层评估策略.该策略包含基础层、中间层和输出层三部分.基础层采用了K-means聚类算法,将局部区段的不完备历史监测信息进行无监督分类,并根据历史故障记录信息,评估每簇中的各评估区段的故障概率.中间层提出了区段复合故障概率求解算法,根据监测区段实时采样数据矩阵到各簇的距离,计算实时监测数据属于各簇的概率,并结合每簇中各区段发生故障的概率,求得各区段发生故障的复合概率.输出层提出了最大复合概率评估算法,以各区段发生故障的最大复合概率作为整体运行状态评估系数,评估主动配电网运行状态等级.上述策略在某城市配电网的MATLAB/Sim-ulink模型上进行测试,测试结果表明,所提出的策略可有效发现主动配电网的脆弱区段,科学评估主动配电网的实时运行状态.     

供电企业客户停电信息的精益化管理

停电通知发放是供电企业的重要任务,工作的及时性和准确性影响着用户的满意度。随着新一轮配网建设,停电通知任务繁重,通知的大量发放导致供电企业成本居高不下,停电通知退信率过高也影响了企业的服务质量。通过精益化管理对停电通知工作中各环节进行分析和改进,针对主要原因提出解决措施。经实际工作验证,精益化管理改善了供电企业停电通知的工作质量。     

基于语音交互的智能电网调度系统的设计与实现

常规智能电网调度系统主要使用分布式存储虚拟化技术划分调度任务模块,易受服务对象性质变化的影响,导致其在多用户并发操作时运行异常,为此,基于语音交互设计了一种全新的智能电网调度系统。硬件部分设计了ATML嵌入式存储芯片及STM处理器,软件部分基于语音交互技术构建了智能电网调度架构,设计了智能电网调度功能模块,实现了智能电网调度。结果表明,该系统在多用户并发操作时均能正常运行,证明系统性能良好、可靠。