北极星

搜索历史清空

  • 水处理
您的位置:电力输配电电网建设技术正文

【干货】基于随机矩阵理论的电力系统大数据框架设计!

2016-07-14 09:35来源:电力系统自动化关键词:大数据电力系统智能电网收藏点赞

投稿

我要投稿

用随机矩阵的RingLaw、M-PLaw做假设检验。具体数据处理过程详见论文,该分析过程完全是基于采样数据的,并不需掌握电网的拓扑相关知识或电网元件间的相互作用机理。下图为效果图,可通过高维观测图很直观地认知系统。

图1故障检测效果示意图

图1的第一行图、第二行图分别为用RingLaw和MPLaw对某一时刻连同其前面的T-1个时刻的历史数据所形成的数据块进行分析。当系统某时空断面对应的数据块不含信号(网络拓扑变化、负荷异常、短路/断路等)时,检测效果与理论值吻合非常好;当数据块含小扰动信号时,吻合度有所下降(RingLaw表现为坍缩,MPLaw表现为特征值分布偏离);而当数据块对应系统电压崩溃后的断面,则实验值与理论值差距更大。进一步,我们可基于RingLaw将每个断面的数据映射为一个高维指标——平均谱半径(meanspectralradius,MSR),结合移动窗口法即可绘出第三行图,该指标随窗口的移动表现为“U”形曲线。曲线长度为T而最值在T/2处,这一现象也可以从理论上予以解释。观看第3行图:小扰动发生于301、601等时刻,崩溃于2100时刻,系统于301、601等时刻发生小扰动,于2100时刻崩溃,系统59节点的Pmax为2555MW。

2.可视化及特色

进一步,可结合地理信息将上述低维数据和高维指标动画化,如图2所示。该图分共为8个子图:(a)是高维信息完全下的小扰动,(c)是崩溃,(e)、(g)是数据缺失下的小扰动和崩溃;(b)、(d)、(f)、(h)分别从低维视角展示了对应时刻的系统状态。

相关阅读:

【推荐】面向全球能源互联网的电力大数据基础体系架构!

互联网+电网企业=大数据信息共享+绿色生态变电站?

投稿与新闻线索:陈女士 微信/手机:13693626116 邮箱:chenchen#bjxmail.com(请将#改成@)

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。

大数据查看更多>电力系统查看更多>智能电网查看更多>