[发明专利]基于幂法和并行计算技术的大规模电网异常负荷识别方法有效
| 申请号: | 201811556503.1 | 申请日: | 2018-12-19 |
| 公开(公告)号: | CN109657613B | 公开(公告)日: | 2023-05-02 |
| 发明(设计)人: | 韩松;李洪乾;周忠强 | 申请(专利权)人: | 贵州大学 |
| 主分类号: | G06F18/213 | 分类号: | G06F18/213;G06Q50/06;G06F17/16 |
| 代理公司: | 贵阳东圣专利商标事务有限公司 52002 | 代理人: | 袁庆云 |
| 地址: | 550025 贵州省*** | 国省代码: | 贵州;52 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 并行 计算 技术 大规模 电网 异常 负荷 识别 方法 | ||
1.一种基于幂法和并行计算技术的大规模电网异常负荷识别方法,包括以下步骤:
步骤1:根据目标电力系统的区域划分,利用全网PMU量测数据,构造各分区的数据源矩阵Xs,z;如为模拟现场信号,引入噪声和随机波动负荷;
所述构造各分区的数据源矩阵Xs,z:对于一个有w个分区的大规模电力系统,由各分区PMU采集并上传至所属分区调度控制中心主站的电压幅值或相角时序数据,分别构建相应分区数据源矩阵Xs,z,其中分区编号z=1,2,…,w;Xs,z的表达如式(1)所示,
其中,N为采样变量数,ti为采样时刻;
所述如为模拟现场信号,其中Xs,z不仅存在随机噪声的干扰,还受到了负荷随机波动造成的影响,其异常检测模型可表达如式(2)所示,
XS,Z=(1+ψz)Xp,z+mz×ηz (2)
式中Xp,z为未受噪声污染的信号矩阵,Ψz为负荷随机波动率,波动范围设置为±1%,ηz为噪声矩阵,mz为噪声幅值;
步骤2:采用滑动窗口技术,确定各分区时间窗口宽度T,并设定采样起始时刻t1;
步骤3:依托并行计算技术,将各分区的计算任务分配给其区域计算终端完成;根据所设窗口宽度T,由各分区的数据源矩阵Xs,z同步地获得相应分区的Nz×T维滑动窗口矩阵其中Nz是采样数据的维数;
步骤4:在各分区计算终端中,对各分区Xz的行向量同步地进行标准化处理,得到标准非厄米特矩阵Xn,z;
步骤5:在各分区计算终端中,同步地计算各分区Xn,z矩阵的样本协方差矩阵Sz;
步骤6:在各分区计算终端中,同步对各分区的Sz进行幂法迭代计算,估算各分区的样本协方差矩阵最大特征值MESCM,即Sz的最大特征值λmax,z;
所述幂法迭代计算:采用幂法迭代估算各分区样本协方差矩阵最大特征值λmax,z,如式(6)所示,
式中uk,z表示迭代过程中最大特征值对应特征向量,vk,z表示“归一化”后的迭代向量,v0,z={1,1,…,1}Nz×1,当k充分大或||max(uk,z)-max(uk-1,z)||ε时,max(uk,z)≈λmax,z;
步骤7:在这些区域计算终端中,各分区分别估算当前时刻信噪比ρz,获得相应分区的MESCM动态阈值γz;
步骤8:电网状态异常越限判别:判断是否该最大特征值λmax,z大于阈值γz,若λmax,z≥γz成立,则判定电网发生状态异常,发出警告;否则,当前无异常状态,返回步骤3继续执行状态异常检测流程。
2.如权利要求1所述的基于幂法和并行计算技术的大规模电网异常负荷识别方法,其特征在于:所述步骤3中依托并行计算技术,获得相应分区滑动窗口矩阵Xz:采用滑动窗口技术,由步骤2所得各分区时间窗口宽度T和采样起始时刻t1,从各分区的数据源矩阵Xs,z同步地获得相应分区的Nz×T维滑动窗口矩阵Xz,单位:个;T是滑动窗口宽度,单位:个;矩阵行列比cz,如式(3)所示,
cz∈(0,∞),为比值,无单位。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于贵州大学,未经贵州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811556503.1/1.html,转载请声明来源钻瓜专利网。





