[发明专利]基于最大最小特征值法的电网异常快速检测方法

说明书

本发明涉及一种基于最大最小特征值法的电网异常快速检测方法，包含：S1、确定判决门限k，滑动间隔T，采样样本数N_s，同一时间点的采样数据个数ML，电网中PMU的个数M；S2、采用滑动窗口方式对采样数据构建ML×N_s维采样矩阵，以各滑动窗口为单位进行PMU数据的输入；S3、针对当前滑动窗口，计算PMU数据的样本协方差阵R(N_s)；S4、计算R(N_s)的最大特征值最小特征值及其比值S5、当λ＞k时，检测到电网异常信号，否则电网无异常；S6、移至下一个滑动窗口，重复执行S3～S5。本发明可在异常信号刚发生时检测，缩短检测时间，提高检测灵敏度，改善电能质量。

技术领域

本发明涉及一种电网异常快速检测方法，具体是指一种基于最大最小特征值法的电力系统网络异常快速检测方法，属于电网异常检测技术领域。

背景技术

电力系统在正常运行中，会因受到内部或外部的扰动而出现异常。电力系统针对异常情况的处理流程可分为检测、定位、识别以及异常处理四个环节。若能快速、灵敏的检测出电网异常，或在电网质量指标超限之前准确做出判断，就能及时做出预案和计划，可为后续异常的定位、种类识别和处理赢得更多的反应时间，避免小扰动发展成大扰动，减轻甚至避免扰动异常对电力系统造成的影响。因此，异常的快速检测算法研究是电网异常检测的发展方向。

最大最小特征值算法最初由新加坡电信研究院(Institute for InfocommResearch，I2R)在2007年提出，最初是应用于认知无线电(Cognitive Radio)领域中的信号感知(signal detection)，也就是感知检测无线电网络中的用户信号。该算法基于随机矩阵理论(Random Matrix Theory，RMT)，通过对多个天线所接收的信号数据进行处理运算，构造随机矩阵，求最大最小特征值的比值，用以判定接收信号中是独立同分布的噪声信号，还是存在目标用户所发出的信号。该算法的特点是可以利用全局数据，感知并检测较弱信号。

现有技术中，假定配网中有M(M≥1)个PMU(同步向量测量装置)，其中第i个PMU接收到的离散信号为x_i(n)(i＝1,2,...,M)。现有以下两个假设条件：假设H₀：仅有独立同分布噪声信号，没有异常信号；假设H₁：同时存在异常信号和独立同分布的噪声信号。

对于假设H₀，其接收的离散信号可以表示为：

x_i(n)＝η_i(n),n＝0,1,…；

对于假设H₁，其接收的离散信号可以表示为：

其中，s_j(n)(j＝1,2,...,P)是输入信号，h_ij(k)是从输入信号j到PMU检测点i的响应函数，N_ij是h_ij(k)的顺序，η_i(n)是采样噪声。由于输入信号、响应函数和噪声强度仅有少量信息体现在PMU接收端信号中，信号检测算法需要检测出信号的这些信息。P_d表示信号被检测出的概率，即H₁为真；P_fa表示信号误检的概率，即H₀为真。显然，好的算法要求P_d比较大而P_fa比较小。

令h_ij(k)的其余位置补零，并定义：

将转换为向量形式：

对L个连续输出，定义：