CN106571626A - 一种基于随机矩理论的电力系统认知方法 - Google Patents

一种基于随机矩理论的电力系统认知方法 Download PDF

Info

Publication number
CN106571626A
CN106571626A CN201610754033.4A CN201610754033A CN106571626A CN 106571626 A CN106571626 A CN 106571626A CN 201610754033 A CN201610754033 A CN 201610754033A CN 106571626 A CN106571626 A CN 106571626A
Authority
CN
China
Prior art keywords
power
random
data
matrix
statistical
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610754033.4A
Other languages
English (en)
Inventor
罗伯特.才明.邱
贺兴
储磊
林泽南
刘海春
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201610754033.4A priority Critical patent/CN106571626A/zh
Publication of CN106571626A publication Critical patent/CN106571626A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/36—Circuit design at the analogue level
    • G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种基于随机矩理论的电力系统认知方法，属于电网系统领域。一种基于随机矩理论的电力系统认知方法，包括以下步骤：1)对电网物理系统建立随机矩阵模型；2)对随机矩阵模型中数据行列进行标准处理；3)进行随机矩阵分析，得到统计指标；4)对电网物理系统的状态进行可视化多时空展示，从而实现电网运行状态的认知。本方法是电网运行数据驱动的异常检测方法，不依赖于电网的结构参数和机理模型，可便捷的通过设定统计参数兼顾决策的安全性、可靠性、快速性、和灵敏性性能指标。

Description

一种基于随机矩理论的电力系统认知方法
技术领域
本发明电网系统领域，特别涉及一种基于随机矩理论的电力系统认知方法。
背景技术
数据化是智能电网建设的重要目标，也是未来电网的基本特征。智能电网是继小型孤立电网、分布式互联大电网之后的第三代电网，其网络结构错综复杂。同时，用户侧的开放致使新能源、柔性负荷、电能产消者(如EV)大规模介入电网，这也极大地加剧了电网运行机理和控制模型的复杂性。传统的通过对个体元器件建模、参数辨识及在此机理模型上进行仿真的手段不足以认知日益复杂的电网；而另一方面，随着智能电网建设进程的不断深入，尤其是高级测量体系和信息通信技术的发展，数据将越来越容易获取，电网运行和设备监测产生的数据量将呈指数级增长。然而，各电力部门普遍存在如下问题：
1.从如此之多的数据中，我们能得到些什么？
2.来自不同部门的数据为什么或者如何混合在一起？
3.坏(异常、缺失、时间不同步)数据如何处理？
上述的典型问题也是现阶段信息化建设所呈现的″重系统轻数据″模式的结果。该模式忽略了最重要的(也是理论要求最深的)数据资源利用环节，即将收集来的″数据原料″转换成驱动力，以数据驱动为主要方式及时、准确地认知系统，故难以满足系统的决策制定(需求。系统认知是电力系统安全稳定分析的基础。随着经济发展、环境问题等带来的压力，以及电力电子元素的增多和电力市场机制改革的深入，电网的网络结构和运行方式变得愈加复杂，且愈发接近其稳定极限，电网的安全稳定运行分析极为重要。如何通过系统认知准确地判断电网的运行态势，分析评估系统的静态、动态特性和裕度，以制定适当的对策防止系统失稳，是一个亟需解决的问题。
而从数据的角度出发，海量(volume)、多样(variety)、实时(velocity)、真实(veracity)的4Vs数据是未来电网数据发展的趋势，而4Vs数据的复杂性引起的维数灾难等问题将不可避免地产生且日益严峻。
大数据作为一门科学已经引起了全世界专家学者的关注，nature和science分别在2008年和2011年以特刊形式对大数据的相关研究进行了报道。当前，大数据已在量子力学、金融、生物、无线电等多个领域获得了应用并取得了突破性的成果。探求一种新的电力系统认知工具/视角，使其能在一定的硬件资源和时间资源约束下，从智能电网庞大的实时/历史数据中挖掘出有用的信息以准确认知系统，是一个具有学术意义和工程价值的研究课题。
发明内容
本发明的目的在于针对上述问题，提供了一种基于随机矩理论的电力系统认知方法，可从智能电网庞大的实时和历史数据中挖掘出有用的信息以准确认知系统。
本发明的目的是这样实现的：
一种基于随机矩理论的电力系统认知方法，其特征在于，包括以下步骤：
1)对电网物理系统建立随机矩阵模型，，包括以下分步骤：
1.1)划分电网场景，分别为：网络导纳矩阵并未发生变化；负荷无功变化相比于有功不明显；负荷可通过日负荷预测得到一个初步的预测分布；
1.2)从潮流方程出发，对潮流方程进行泰勒展开，根据采样到的电网运行数据建立随机矩阵模型；
2)对随机矩阵模型中数据行列进行平移、加强、增广、随机波和归一化等标准处理，模拟实际系统的数据异常、不确定、不同步等现象，进而实现随机矩阵分析；
3)根据随机矩阵分析，得到基于M-P Law的谱分析，同时建立LES统计指标体系；
4)基于LES统计指标体系采用插值法对电网物理系统的状态进行可视化的多时空展示，从而实现电网运行状态的认知。
其中，所述步骤3)中的LES统计指标体系采用的是基于Ring Law的MSR指标。
其中，所述步骤4)中的可视化的多时空展示是通过3D-POWER Map实现的。
本发明的有益效果为：本方法是电网运行数据驱动的异常检测方法，不依赖于电网的结构参数和机理模型，可便捷的通过设定统计参数兼顾决策的安全性、可靠性、快速性、和灵敏性性能指标。
附图说明
图1为本发明的流程图。
图2为基于M-P Law的谱分析假设检验效果图，该图为电网运行正常时的检验效果图。
图3为基于M-P Law的谱分析假设检验效果图，该图为电网运行中出现小扰动时的检验效果图。
图4为基于M-P Law的谱分析假设检验效果图，该图为电网运行系统崩溃时的检验效果图。
图5为基于Ring Law的MSR指标假设检验效果图，该图为电网运行正常时的检验效果图。
图6为基于Ring Law的MSR指标假设检验效果图，该图为电网运行中出现小扰动时的检验效果图。
图7为基于Ring Law的MSR指标假设检验效果图，该图为电网运行系统崩溃时的检验效果图。
图8为采用3D-POWER Map对电网物理系统的状态进行可视化的多时空展示图。
具体实施方式
下面结合具体实施例和附图，进一步阐述本发明。
如图1所示，一种基于随机矩理论的电力系统认知方法，包括以下步骤：
1)对电网物理系统建立随机矩阵模型，包括以下分步骤：
1.1)划分电网场景，分别为：网络导纳矩阵并未发生变化；负荷无功变化相比于有功不明显；负荷可通过日负荷预测得到一个初步的预测分布；
1.2)从潮流方程出发，对潮流方程进行泰勒展开，根据采样到的电网运行数据建立随机矩阵模型。
2)对随机矩阵模型中数据行列进行平移、加强、增广、随机波和归一化等标准处理，模拟实际系统的数据异常、不确定、不同步等现象，进而实现随机矩阵分析。
各种处理的作用如下：
1.平移：将数据平移某些时间段以恢复不同步的数据；
2.加强：将某一列数据复制以重点分析该时间对系统整体状态的影响；
3.增广：实现异常诱因挖掘，可很方便地实现并行计算；
4.随机波和归一化：将矩阵标幺化以使其满足的一定的统计前提。
3)根据随机矩阵分析，得到基于M-P Law的谱分析，其假设检验效果如图2-图4所示；同时建立LES统计指标体系，这里的LES统计指标体系具体采用的是基于Ring Law的MSR指标，所述MSR指标通过对比观测值和预期值进行假设检验，其假设检验效果如图5-图7所示。
4)基于LES统计指标体系采用插值法通过3D-POWER Map对电网物理系统的状态进行可视化的多时空展示，如图8所示，从而实现电网运行状态的认知。从图8中可以看出，采用本方法，在数据异常、缺失等情况下仍可以实现电网运行状态的认知。

Claims (3)

1.一种基于随机矩理论的电力系统认知方法，其特征在于，包括以下步骤：
1)对电网物理系统建立随机矩阵模型，，包括以下分步骤：
1.1)划分电网场景，分别为：网络导纳矩阵并未发生变化；负荷无功变化相比于有功不明显；负荷可通过日负荷预测得到一个初步的预测分布；
1.2)从潮流方程出发，对潮流方程进行泰勒展开，根据采样到的电网运行数据建立随机矩阵模型；
2)对随机矩阵模型中数据行列进行平移、加强、增广、随机波和归一化等标准处理，模拟实际系统的数据异常、不确定、不同步等现象，进而实现随机矩阵分析；
3)根据随机矩阵分析，得到基于M-P Law的谱分析，同时建立LES统计指标体系；
4)基于LES统计指标体系采用插值法对电网物理系统的状态进行可视化的多时空展示，从而实现电网运行状态的认知。
2.根据权利要求1所述的一种基于随机矩理论的电力系统认知方法，其特征在于，所述步骤3)中的LES统计指标体系采用的是基于Ring Law的MSR指标。
3.根据权利要求1所述的一种基于随机矩理论的电力系统认知方法，其特征在于，所述步骤4)中的可视化的多时空展示是通过3D-POWER Map实现的。
CN201610754033.4A 2016-08-29 2016-08-29 一种基于随机矩理论的电力系统认知方法 Pending CN106571626A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610754033.4A CN106571626A (zh) 2016-08-29 2016-08-29 一种基于随机矩理论的电力系统认知方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610754033.4A CN106571626A (zh) 2016-08-29 2016-08-29 一种基于随机矩理论的电力系统认知方法

Publications (1)

Publication Number Publication Date
CN106571626A true CN106571626A (zh) 2017-04-19

Family

ID=58532385

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610754033.4A Pending CN106571626A (zh) 2016-08-29 2016-08-29 一种基于随机矩理论的电力系统认知方法

Country Status (1)

Country Link
CN (1) CN106571626A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109193650A (zh) * 2018-10-26 2019-01-11 湖北航天技术研究院总体设计所 一种基于高维随机矩阵理论的电网薄弱点评估方法
CN110095661A (zh) * 2019-04-10 2019-08-06 浙江华云信息科技有限公司 一种配电变压器高压侧缺相故障抢修方法
CN110532329A (zh) * 2019-09-02 2019-12-03 智慧谷(厦门)物联科技有限公司 一种基于区块链技术的智能手环数据处理与共享方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030030714A1 (en) * 2001-08-08 2003-02-13 Marsh Dana G. Method for reducing rub-off from a toner image using a colored phase change composition
CN101231631A (zh) * 2008-01-18 2008-07-30 清华大学 基于快速空间插值的电力系统实时节点数据三维可视化方法
CN105846448A (zh) * 2016-05-26 2016-08-10 中国电力科学研究院 一种基于随机矩阵理论的配电网无功补偿容量确定方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030030714A1 (en) * 2001-08-08 2003-02-13 Marsh Dana G. Method for reducing rub-off from a toner image using a colored phase change composition
CN101231631A (zh) * 2008-01-18 2008-07-30 清华大学 基于快速空间插值的电力系统实时节点数据三维可视化方法
CN105846448A (zh) * 2016-05-26 2016-08-10 中国电力科学研究院 一种基于随机矩阵理论的配电网无功补偿容量确定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曹颖爽等: "大数据视角下的电网基本故障分析判断", 《电器与能效管理技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109193650A (zh) * 2018-10-26 2019-01-11 湖北航天技术研究院总体设计所 一种基于高维随机矩阵理论的电网薄弱点评估方法
CN109193650B (zh) * 2018-10-26 2020-08-18 湖北航天技术研究院总体设计所 一种基于高维随机矩阵理论的电网薄弱点评估方法
CN110095661A (zh) * 2019-04-10 2019-08-06 浙江华云信息科技有限公司 一种配电变压器高压侧缺相故障抢修方法
CN110532329A (zh) * 2019-09-02 2019-12-03 智慧谷(厦门)物联科技有限公司 一种基于区块链技术的智能手环数据处理与共享方法

Similar Documents

Publication Publication Date Title
CN105629958B (zh) 一种基于子时段mpca‑svm的间歇过程故障诊断方法
CN100470417C (zh) 工业生产过程小样本条件下的故障诊断系统及方法
CN103838217B (zh) 一种基于mica-ocsvm的发酵过程故障监测方法
CN104750932B (zh) 一种混合不确定性下基于代理模型的结构可靠性分析方法
CN102829974B (zh) 一种基于lmd和pca的滚动轴承状态辨识方法
CN109271755B (zh) 一种应用随钻数据计算岩石强度的方法和系统
CN105046279A (zh) 一种模拟电路故障模式分类方法
CN106682303A (zh) 一种基于经验模态分解和决策树rvm的三电平逆变器故障诊断方法
CN106571626A (zh) 一种基于随机矩理论的电力系统认知方法
CN105004498A (zh) 一种水电机组的振动故障诊断方法
CN106199174A (zh) 基于迁移学习的挤压机能耗异常预测方法
CN107807860B (zh) 一种基于矩阵分解的电力故障分析方法及系统
CN104537211A (zh) 一种基于层次分析法及灰色理论的企业安全风险预警方法
RU2714852C1 (ru) Способ корреляционного моделирования нарушения соединения критических компонентов подъемника для глубокой скважины в условиях неполной информации
CN104133941A (zh) 一种基于ftf的复杂产品质量损失网络分析方法
CN101738998A (zh) 一种基于局部判别分析的工业过程监测系统及方法
CN109085816A (zh) 一种基于动态正交的全局局部间歇过程故障检测方法
CN104504265A (zh) 一种在役桥梁监测信息安全评估的方法
Shao et al. Distribution recurrence plots and measures: Effective signal analysis tools for fault diagnosis of wind turbine drivetrain system
CN106356994A (zh) 一种基于电网pmu大数据的电网稳定性判别方法
CN100440089C (zh) 一种基于fisher的工业过程非线性故障诊断系统及方法
Tan et al. Using hidden markov models to evaluate the real-time risks of network
CN111581771A (zh) 一种基于人工智能技术的冲压件开裂预测平台
He REMOTE MONITORING AND INTELLIGENT FAILURE DIAGNOSIS OF ROTATING MACHINERY USING THE B/S MODE
Han et al. Degradation State Assessment of Rolling Bearing Based on Variational Mode Decomposition and Energy Distribution

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Robert Caiming Qiu He Xingchu Lei Ling Zenan Liu Haichun

Inventor after: He Xing

Inventor after: Chu Lei

Inventor after: Ling Zenan

Inventor after: Liu Haichun

Inventor before: Robert Caiming Qiu He Xingchu Lei Lin Zenan Liu Haichun

Inventor before: He Xing

Inventor before: Chu Lei

Inventor before: Lin Zenan

Inventor before: Liu Haichun

CB03 Change of inventor or designer information
RJ01 Rejection of invention patent application after publication

Application publication date: 20170419

RJ01 Rejection of invention patent application after publication