CN111709188B - 一种基于sis模型的电网扰动评估方法 - Google Patents
一种基于sis模型的电网扰动评估方法 Download PDFInfo
- Publication number
- CN111709188B CN111709188B CN202010557166.9A CN202010557166A CN111709188B CN 111709188 B CN111709188 B CN 111709188B CN 202010557166 A CN202010557166 A CN 202010557166A CN 111709188 B CN111709188 B CN 111709188B
- Authority
- CN
- China
- Prior art keywords
- power grid
- calculating
- node
- rate
- disturbance
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 208000015181 infectious disease Diseases 0.000 claims abstract description 13
- 238000001228 spectrum Methods 0.000 claims abstract description 9
- 230000003068 static effect Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 208000035473 Communicable disease Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 241000700605 Viruses Species 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005541 medical transmission Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Complex Calculations (AREA)
Abstract
本发明属于网络拓扑动力学技术领域,涉及与电力信息安全的交叉领域,尤其是一种基于SIS模型的电网扰动评估方法,基于“仓室模型”思想,参照SIS模型建立电网扰动危机事件的蔓延模型,借助动力学分析实现电网静态稳定性评估;包括如下步骤:步骤1:电网拓扑结构的节点,节点权重和支路权重的计算及数据处理;步骤2:形成高维随机矩阵并处理分析标准数据;步骤3:计算M‑P率或圆环率,随机矩阵特征值和平均谱半径;步骤4:计算传染率和治愈率,求解SIS模型微分方程;最后分析电网扰动传播动力学特征。
Description
技术领域
本发明属于网络拓扑动力学技术领域,涉及与电力信息安全的交叉领域,尤其是一种基于SIS模型的电网扰动评估方法。
背景技术
复杂网络研究受到多学科发展,如计算机病毒在网络传播中的特性研究、谣言在媒体中的传播特性研究、传染病在人群中的传播特性研究都以复杂网络特定拓扑结构为基础研究其动力学特征。
电网拥有大量节点,呈现复杂网络的一般特性。我国特高压建设及电网改造进程加速了地区电网互联,大电网安全性和稳定性受到关注。局部扰动导致电网安全稳定裕度降低,在电网薄弱节点传播中的动力学分析受到越来越多的重视。在许多领域基于自身特点开展了复杂网络静态模型分析,基于电网特性的复杂网络拓扑结构建模和分析还在发展中。目前针对电网扰动传播主要依赖于模型确定性分析方法,与随机因素结合较少,难以刻画电网实际运行环境因素。
发明内容
本发明的目的在于弥补现有技术的不足,提供一种以复杂网络拓扑结构分析结果和高维度随机矩阵理论线性特征值统计量为依据定义电网扰动传播的感染率和治愈率,分析电网扰动特性的基于SIS模型的电网扰动评估方法。
本发明采取的技术方案是:
一种基于SIS模型的电网扰动评估方法,其特征在于:基于“仓室模型”思想,参照SIS模型建立电网扰动危机事件的蔓延模型,借助动力学分析实现电网静态稳定性评估;
包括如下步骤:
步骤1:电网拓扑结构的节点,节点权重和支路权重的计算及数据处理;
步骤2:形成高维随机矩阵并处理分析标准数据;
步骤3:计算M-P率或圆环率,随机矩阵特征值和平均谱半径;
步骤4:计算传染率和治愈率,求解SIS模型微分方程;最后分析电网扰动传播动力学特征。
进一步的,所述步骤1中包括,
步骤1.1:输入电网拓扑结构;
步骤1.2:计算节点度和节点权重:
其中xij表示连接节点i与节点j的通路,g表示节点数
其中Si表示节点传输容量,SN表示电网额定容量;
步骤1.3计算支路权重:
步骤1.4:将计算所得节点度ki、节点权重Si和支路权重Eij归一化;
步骤1.5:计算扰动节点处依赖系数:其中*表示归一化后数据。
进一步的,所述步骤2中包括,
步骤2.1:输入PMU采集量测数据;
步骤2.2:归一化后形成高维随机矩阵,选择时间窗中每一状态时刻的所有节点电压、有功功率作为分析标准数据。
进一步的,所述步骤3中包括,
步骤3.1:计算M-P率或圆环率:
其中/>c为维数与样本量比值,δ2=1
其中/>
步骤3.2:计算随机矩阵特征值;
步骤3.3:计算平均谱半径:其中λi为矩阵特征值;
步骤3.4:重复计算M-P率、圆环率及平均谱半径,直到当前窗口时刻.
进一步的,所述步骤4中包括,
步骤4.1:计算传染率β和治愈率γ:
β=α×rMSR
γ的求取依赖于参数估计,设未知参数θ=(γ),扰动节点观测值为I,扰动节点模拟值为Y(θ),残差为V=Y(θ)-I,残差平方和使得SSE(θ)取得最小值的参数估计为/>
步骤4.2:求解SIS模型微分方程:
步骤4.3:分析电网扰动传播动力学特征。
本发明的优点和积极效果是:
本发明中,由于电网用于大量节点,呈现复杂网络的一般特征,因此可参照SIS模型,建立以传染病动力学为基础的电网扰动评估的方法,分析实现电网静态稳定性评估,避免了复杂网络潮流计算和具体临界值求取。
本发明中,基于系统动力学建立了电网扰动危机事件的蔓延模型,将电网各个节点拓扑参数于随机矩阵特征值平均谱半径结合,定义为电网扰动传播感染率和治愈率,借助SIS模型分析电网扰动传播状态评估。
附图说明
图1为本发明的流程图;
图2为SIS模型的示意图;
图3为系统初始状态协方差矩阵谱分布示意图;
图4为稳态圆环率示意图;
图5为系统失稳圆环率示意图。
具体实施方式
下面结合实施例,对本发明进一步说明,下述实施例是说明性的,不是限定性的,不能以下述实施例来限定本发明的保护范围。
一种基于SIS模型的电网扰动评估方法,本发明的创新在于,基于“仓室模型”思想,参照SIS模型建立电网扰动危机事件的蔓延模型,借助动力学分析实现电网静态稳定性评估;
包括如下步骤:
步骤1:电网拓扑结构的节点,节点权重和支路权重的计算及数据处理;
步骤2:形成高维随机矩阵并处理分析标准数据;
步骤3:计算M-P率或圆环率,随机矩阵特征值和平均谱半径;
步骤4:计算传染率和治愈率,求解SIS模型微分方程;最后分析电网扰动传播动力学特征。
本实施例中,所述步骤1中包括,
步骤1.1:输入电网拓扑结构;
步骤1.2:计算节点度和节点权重:
其中xij表示连接节点i与节点j的通路,g表示节点数
其中Si表示节点传输容量,SN表示电网额定容量;
步骤1.3计算支路权重:
步骤1.4:将计算所得节点度ki、节点权重Si和支路权重Eij归一化;
步骤1.5:计算扰动节点处依赖系数:其中*表示归一化后数据。
本实施例中,所述步骤2中包括,
步骤2.1:输入PMU采集量测数据;
步骤2.2:归一化后形成高维随机矩阵,选择时间窗中每一状态时刻的所有节点电压、有功功率作为分析标准数据。
本实施例中,所述步骤3中包括,
步骤3.1:计算M-P率或圆环率:
其中/>c为维数与样本量比值,δ2=1
其中,/>
步骤3.2:计算随机矩阵特征值;
步骤3.3:计算平均谱半径:其中λi为矩阵特征值;
步骤3.4:重复计算M-P率、圆环率及平均谱半径,直到当前窗口时刻.
本实施例中,所述步骤4中包括,
步骤4.1:计算传染率β和治愈率γ:
β=α×rMSR
γ的求取依赖于参数估计,设未知参数θ=(γ),扰动节点观测值为I,扰动节点模拟值为Y(θ),残差为V=Y(θ)-I,残差平方和使得SSE(θ)取得最小值的参数估计为/>
步骤4.2:求解SIS模型微分方程:
步骤4.3:分析电网扰动传播动力学特征。
本发明中,由于电网用于大量节点,呈现复杂网络的一般特征,因此可参照SIS模型,建立以传染病动力学为基础的电网扰动评估的方法,分析实现电网静态稳定性评估,避免了复杂网络潮流计算和具体临界值求取。
本发明中,基于系统动力学建立了电网扰动危机事件的蔓延模型,将电网各个节点拓扑参数于随机矩阵特征值平均谱半径结合,定义为电网扰动传播感染率和治愈率,借助SIS模型分析电网扰动传播状态评估。
Claims (5)
1.一种基于SIS模型的电网扰动评估方法,其特征在于:基于“仓室模型”思想,参照SIS模型建立电网扰动危机事件的蔓延模型,借助动力学分析实现电网静态稳定性评估;
包括如下步骤:
步骤1:电网拓扑结构的节点,节点权重和支路权重的计算及数据处理;
步骤2:形成高维随机矩阵并处理分析标准数据;
步骤3:计算M-P率或圆环率,随机矩阵特征值和平均谱半径;
步骤4:计算传染率和治愈率,求解SIS模型微分方程;最后分析电网扰动传播动力学特征。
2.根据权利要求1所述的一种基于SIS模型的电网扰动评估方法,其特征在于:所述步骤1中包括,
步骤1.1:输入电网拓扑结构;
步骤1.2:计算节点度和节点权重:
其中xij表示连接节点i与节点j的通路,g表示节点数
其中Si表示节点传输容量,SN表示电网额定容量;
步骤1.3计算支路权重:
步骤1.4:将计算所得节点度ki、节点权重Si和支路权重Eij归一化;
步骤1.5:计算扰动节点处依赖系数:其中*表示归一化后数据。
3.根据权利要求1所述的一种基于SIS模型的电网扰动评估方法,其特征在于:所述步骤2中包括,
步骤2.1:输入PMU采集量测数据;
步骤2.2:归一化后形成高维随机矩阵,选择时间窗中每一状态时刻的所有节点电压、有功功率作为分析标准数据。
4.根据权利要求1所述的一种基于SIS模型的电网扰动评估方法,其特征在于:所述步骤3中包括,
步骤3.1:计算M-P率或圆环率:
其中/>c为维数与样本量比值,δ2=1
其中/>
步骤3.2:计算随机矩阵特征值;
步骤3.3:计算平均谱半径:其中λi为矩阵特征值;
步骤3.4:重复计算M-P率、圆环率及平均谱半径,直到当前窗口时刻。
5.根据权利要求1所述的一种基于SIS模型的电网扰动评估方法,其特征在于:所述步骤4中包括,
步骤4.1:计算传染率β和治愈率γ:
β=α×rMSR
γ的求取依赖于参数估计,设未知参数θ=(γ),扰动节点观测值为I,扰动节点模拟值为Y(θ),残差为V=Y(θ)-I,残差平方和使得SSE(θ)取得最小值的参数估计为/>
步骤4.2:求解SIS模型微分方程:
步骤4.3:分析电网扰动传播动力学特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010557166.9A CN111709188B (zh) | 2020-06-18 | 2020-06-18 | 一种基于sis模型的电网扰动评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010557166.9A CN111709188B (zh) | 2020-06-18 | 2020-06-18 | 一种基于sis模型的电网扰动评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111709188A CN111709188A (zh) | 2020-09-25 |
CN111709188B true CN111709188B (zh) | 2024-04-12 |
Family
ID=72541412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010557166.9A Active CN111709188B (zh) | 2020-06-18 | 2020-06-18 | 一种基于sis模型的电网扰动评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111709188B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106909989A (zh) * | 2017-02-24 | 2017-06-30 | 国网河南省电力公司电力科学研究院 | 一种电网扰动预测方法及装置 |
CN111064223A (zh) * | 2019-12-20 | 2020-04-24 | 远光软件股份有限公司 | 一种基于边缘计算的微电网电能质量控制系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9912027B2 (en) * | 2015-07-23 | 2018-03-06 | At&T Intellectual Property I, L.P. | Method and apparatus for exchanging communication signals |
-
2020
- 2020-06-18 CN CN202010557166.9A patent/CN111709188B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106909989A (zh) * | 2017-02-24 | 2017-06-30 | 国网河南省电力公司电力科学研究院 | 一种电网扰动预测方法及装置 |
CN111064223A (zh) * | 2019-12-20 | 2020-04-24 | 远光软件股份有限公司 | 一种基于边缘计算的微电网电能质量控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111709188A (zh) | 2020-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110596492B (zh) | 一种基于粒子群算法优化随机森林模型的变压器故障诊断方法 | |
CN110991786B (zh) | 基于相似日负荷曲线的10kV静态负荷模型参数辨识方法 | |
CN107169628B (zh) | 一种基于大数据互信息属性约简的配电网可靠性评估方法 | |
CN110705887A (zh) | 一种基于神经网络模型的低压台区运行状态综合评价方法 | |
CN112200694B (zh) | 基于图神经网络的主导失稳模式识别模型构建及应用方法 | |
CN111612053A (zh) | 一种线损率合理区间的计算方法 | |
CN111507422B (zh) | 基于cqfpa-wnn的变压器故障诊断方法 | |
CN110738232A (zh) | 一种基于数据挖掘技术的电网电压越限成因诊断方法 | |
CN107358542A (zh) | 一种励磁系统性能评估模型的参数确定方法 | |
CN112053088B (zh) | 一种配电网节点脆弱性评价方法 | |
CN110544047A (zh) | 一种不良数据辨识方法 | |
CN111695288B (zh) | 一种基于Apriori-BP算法的变压器故障诊断方法 | |
CN113205125A (zh) | 一种基于XGBoost的特高压换流阀运行状态评估方法 | |
CN113379116A (zh) | 基于聚类和卷积神经网络的台区线损预测方法 | |
CN115659833A (zh) | 基于bp神经网络的电力网络节点脆弱性评估方法 | |
CN111709188B (zh) | 一种基于sis模型的电网扰动评估方法 | |
Li et al. | Wind pressure coefficients zoning method based on an unsupervised learning algorithm | |
CN116667881B (zh) | 一种基于快速密度聚类的电力通信网关键链路评估方法 | |
CN111612054A (zh) | 一种基于非负矩阵分解和密度聚类的用户窃电行为识别方法 | |
CN116307844A (zh) | 一种低压台区线损评估分析方法 | |
CN116662840A (zh) | 一种基于机器学习的低压台区用户相位识别方法 | |
CN112465022A (zh) | 一种基于改进层次聚类算法的变电站聚类方法 | |
CN114692729A (zh) | 基于深度学习的新能源场站不良数据辨识与修正方法 | |
CN113609109A (zh) | 一种基于数据孪生的自动化场景信息生成方法 | |
CN115209441A (zh) | 基站退服告警预测方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |