[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

说明书

本发明公开了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：同步地构造各分区数据源矩阵Xsubgt;s,z/subgt;；步骤2：确定各分区时间窗口宽度T，并设定采样起始时刻tsubgt;1/subgt;；步骤3：同步地获得各分区滑动窗口矩阵Xsubgt;z/subgt;；步骤4：将各分区滑动窗口矩阵Xsubgt;z/subgt;同步地进行标准化处理，获得各分区标准的非Hermitian矩阵Xsubgt;n,z/subgt;；步骤5：同步地获得各分区样本协方差矩阵Ssubgt;z/subgt;；步骤6：利用幂法快速估算各分区样本协方差矩阵最大特征值λsubgt;max,z/subgt;；步骤7：各分区分别估计当前时刻信噪比ρsubgt;z/subgt;，从而获得相应分区的样本协方差矩阵最大特征值的动态阈值γsubgt;z/subgt;；步骤8：电网状态异常越限判别。本发明具有能显著提升计算效率，增强对大规模电网应用的适用性的特点。

技术领域

本发明属于电网异常检测技术领域，具体设计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。

背景技术

随着广域测量系统(Wide Area Measurement System,WAMS)的日趋成熟，以及智能电网的不断演进，爆炸式增长的数据量对电网数据处理及知识提取提出了挑战。将大数据思维引入电力系统分析，从电力数据中挖掘知识及其价值应用，借助高性能计算技术实现电网运行状态的大数据思维分析与评价，对确保新一代电力系统安全具有重要的理论意义。

随机矩阵理论(Random Matrix Theory,RMT)是一种具有普适性的方法，无需详细物理模型，可以从高维角度认识复杂系统的行为特征。一方面，从基于RMT的电力系统分析理论与方法研究进展角度来看，有文献提出采用RMT中平均谱半径(Mean SpectralRadius,MSR)作为相关性指标，开展了各种影响因素与配电网运行状态之间的内在联系挖掘研究。有文献提出综合考虑了电网历史数据和实时数据，基于MSR指标提出了一种电网静态稳定态势评估的方法。有文献提出进一步利用MSR指标分析电网状态，提出了一种电网扰动定位的方法。有文献提出依据RMT原理提出了一种基于样本协方差矩阵最大特征值(Maximum Eigenvalue of Sample Covariance Matrix，MESCM)的适用于低信噪比场景的电网异常状态识别方法。然而，上述文献中案例分析大多采用数十个母线的小规模系统算例，尚未对此类方法在大规模电力系统的适应性，如基于全部特征值求解技术的MSR或MESCM指标计算效率不高，全域求解效率偏低等问题开展研究。

发明内容

本发明的目的在于克服上述缺点，提出一种能提高负荷异常识别方法的效率，并提升其在大规模电力系统中的适用性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。具体来说从大维矩阵的部分特征值求取和电网分区同步计算的思路出发，从算法理论角度借助幂法加速估算MESCM指标，从技术实现角度借助多核并行计算技术实现各分区指标的准同步快速获取。

本发明的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：