基于高维随机矩阵理论的配电网实时故障分析方法

针对配电网故障分析方法多依赖于自身拓扑结构的问题,提出一种基于高维随机矩阵理论的算法用于配电网实时故障分析检测.首先通过增广、拼接、随机化、加高斯白噪等过程构造高维随机矩阵;然后,采用平均谱半径与最大特征值作为相关指标,分别基于高维随机矩阵理论的单环定理以及马申科-百思图(Marchenko-Pastur,M-P)定律...     

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。     

基于同步量测大数据的配网单相接地故障检测及定位方法

随着智能电网、配网自动化及广域量测系统的不断发展和完善,配电网产生了海量表征其运行状态的数据,为其单相接地故障检测定位提供了新的挑战。基于随机矩阵理论对配网大数据矩阵进行分析,首先用节点电压数据构造高维数据矩阵;然后用圆环律和平均谱半径进行故障检测;最后在检测到故障发生时,通过增广矩阵构造和配网结构相结合进行故障区域定位。仿真分析通过80节点配网模型的单相接地故障验证了所提方法的可行性。     

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...     

基于随机矩阵理论的交直流输电通道线损大数据关联特性分析

基于随机矩阵理论对西电东送交直流输电通道线损率的关联特性进行分析。首先,利用线损大数据构建出实验矩阵数据源与对比矩阵数据源,并通过滑动窗口分别对这2类数据源进行滑动取样;其次,将平均谱半径作为关联特性的量化指标,计算出实验矩阵与对比矩阵的平均谱半径以量化线损率之间的关联特性;最后,对南方电网"八交八直"输电通道的线损大数据进行分析,结果表明所提方法能定量描述线损率与状态量及不同通道的线损率之间的关联特性。     

基于随机矩阵理论的电网状态分析与扰动定位方法

随着电力技术的不断发展,电网的规模和复杂程度在不断增加,导致相应的电力数据也在以指数级的速度增加。传统的模型法无法充分利用历史和实时数据,同时具有不可避免的假设与简化,而以数据为驱动的随机矩阵理论方法不依赖于具体的机理建模。文中首先介绍了大维统计分析,结合经典多元统计分析的局限,分析了随机矩阵原理的重要作用,重点介绍了单环定理和线性谱统计量的概念。然后,引出了高维统计指标,即文中使用的平均谱半径。结合已有的知识体系分析了随机矩阵理论的应用基础和数据来源,给出了电网状态分析的具体思路,提出了基于电压数据的电网扰动定位方法。最后,通过算例的验证,证明了所提方法的有效性。     

随机矩阵理论在配电网早期故障检测中的应用研究

针对配电网结构复杂,运行状态受到多种因素相互作用影响,提出了一种基于随机矩阵理论的配电网早期故障检测方法。首先提出采用配电网馈线及其支线下所有配电变压器在线监测负荷数据并构造时空数据矩阵,然后利用移动窗口法和随机矩阵理论,连续分析统计数据矩阵中元素的特性,采用线性特征值统计量作为统计指标,用以表征数据的行为。工程实例测试结果表明,该方法能有效实现配电网早期故障事件检测,对于配电网线路巡检具有一定的指导意义。     

基于高维随机矩阵的配电网用户侧用电行为分析

为了准确掌握配电网用户侧异常用电行为以及智能电表的故障情况,基于随机矩阵理论进行低压用户侧智能电表的数据分析与建模,以高维数据统计指标对用户侧的用电数据进行状态表征,在此基础上提出一种低压配电网用户侧异常用电及电表故障诊断分析方法。该方法通过对随机矩阵特征根平均谱半径(mean spectral radius,MSR)指标的分析,给出了随机矩阵原理应用于用户用电异常区域定位的具体步骤,同时也可以实现用户侧用电异常时刻点的特征发现。最后,以某用电台区智能电表历史与实时量测数据为实际算例,分别在不同采样时刻点与不同用户处设置用户窃电与电表损坏等异常用电类型进行计算分析,结果证明了所提方法的有效性与适用性。     

基于KNN和MSR的局部放电模式识别研究

本文提出了一种基于随机矩阵谱分布理论的局部放电(PD)模式识别新方法。首先,利用特高频传感器接收到的PD时域信号构造高维随机矩阵,根据随机矩阵理论下时间序列模型的经验谱分布理论,以其特征根分布的平均谱半径(MSR)作为PD模式识别的特征量;然后提出了基于K-近邻(KNN)算法的局部放电模式识别方法。理论研究和实验结果表明,该方法具有抗干扰能力强、识别率高的特点。     

基于随机矩阵理论的电网静态稳定态势评估方法

基于广域测量信息的电力系统静态稳定态势评估具有非常重要的现实意义。该文在分析电力系统实际运行所产生的数据基础上,提出一种基于随机矩阵理论的大数据融合方法。基于随机矩阵理论评估电网静态稳定态势的方法具有无需详细的物理模型、又可综合考虑历史数据和实时数据,以及可从高维角度认识复杂系统等优点。通过对两种极限谱分布函数M-P率(Marchenk-Pastur law)和圆环率在静态稳定态势评估应用的原理说明,提出采用线性特征根统计量平均谱半径作为评估指标;对IEEE39节点系统的仿真,验证了所提方法的有效性,为静态稳定态势评估提供了一种新思路。