一种基于熵的电力系统的稳定性评价方法及系统技术方案

本发明专利技术实施例提供了一种基于熵的电力系统的稳定性评价方法，包括：S1、对电力系统的量测数据进行状态估计，获取电力系统的状态变量；S2、基于K‑L变换法，去除所述电力系统的状态变量中各个分量之间的关联性，获取相互独立的各个系统分量；S3、分别计算每个系统分量对应的随机变量的熵，并根据所有随机变量的熵之和，对所述电力系统的稳定性进行评价。本发明专利技术实施例提供的一种基于熵的电力系统的稳定性评价方法及系统，通过K‑L变换法，在不改变系统的熵的情况下将现有状态量映射为一组互相独立的随机变量，进一步通过对相互独立的变量的熵求和，实现对电力系统的有效评价。

【技术实现步骤摘要】
一种基于熵的电力系统的稳定性评价方法及系统
本专利技术实施例涉及能源
，更具体地，涉及一种基于熵的电力系统的稳定性评价方法及系统。
技术介绍
现代电力系统中数据采集、广域控制的应用越发广泛，电力系统正逐步成为信息物理融合系统。如此背景下，电力系统的控制中心能够获取从各个变电站得到的大量信息，试图获知电力系统的真实运行状态和稳定性评估。但是，电力系统仍需面对恶意错误数据注入的滋扰，来自信息系统的威胁也无法忽视；另一方面，随着电力系统量测规模的扩大，模型驱动的评价方法越发展现出计算上的困难，并且在对模型计算评价的过程中存在许多漏洞，因而现在亟须一种有效的对电力系统的稳定性评价方法。
技术实现思路
本专利技术实施例提供了一种克服上述问题或者至少部分地解决上述问题的一种基于熵的电力系统的稳定性评价方法及系统。一方面本专利技术实施例提供了一种基于熵的电力系统的稳定性评价方法，包括：S1、对电力系统的量测数据进行状态估计，获取电力系统的状态变量；S2、基于K-L变换法，去除所述电力系统的状态变量中各个分量之间的关联性，获取相互独立的各个系统分量；S3、分别计算每个系统分量对应的随机变量的熵，并根据所有随机变量的熵之和，对所述电力系统的稳定性进行评价。其中，步骤S2之前、步骤S1之后所述方法还包括：基于预设的时间窗口，从所述电力系统的状态变量中提取预设数量的样本作为目标评价样本；相应的，步骤S2包括基于K-L变换法，去除所述目标评价样本中各个分量之间的关联性，获取相互独立的各个系统分量。其中，步骤S1具体包括：获取电力系统的量测数据，所述量测数据包括冗余数据；基于所述冗余数据的最小均方误差，确定所述电力系统的状态变量。其中，步骤S2具体包括：S21、基于K-L变换法，计算所述目标评价样本的协方差矩阵；S22、对所述目标评价样本的协方差矩阵进行特征值分解，得到所述目标评价样本的协方差矩阵对应的线性变换；S23、将所述线性变换应用于所述目标评价样本，获取相互独立的各个系统分量。其中，步骤S22具体包括：获取所述目标评价样本的协方差矩阵中所有特征向量；将所述目标评价样本的协方差矩阵中所有特征向量作为所述线性空间的基，以得到所述目标评价样本的协方差矩阵对应的线性变换。其中，步骤S3具体包括：S31、基于非参数估计法，分别计算每个系统分量对应的概率密度函数；S32、基于所述每个系统分量对应的概率密度函数，计算每个系统分量对应的随机变量的熵；S33、将所有系统分量对应的随机变量的熵相加，得到所有随机变量的熵之和；S34、基于所有随机变量的熵之和，对所述电力系统的稳定性进行评价。其中，步骤S34具体包括：计算所述电力系统在多个不同负荷条件下的所有随机变量的熵之和；将任意两个不同负荷条件下的所有随机变量的熵之和作差，得到所述电力系统的熵增量；基于所述电力系统的熵增量，评价相应的负荷条件对于所述电力系统是否稳定。另一方面本专利技术实施例提供了一种基于熵的电力系统的稳定性评价系统，所述系统包括：状态变量获取模块，用于对电力系统的量测数据进行状态估计，获取电力系统的状态变量；相关性去除模块，用于基于K-L变换法，去除所述电力系统的状态变量中各个分量之间的关联性，获取相互独立的各个系统分量；稳定性评价模块，用于分别计算每个系统分量对应的随机变量的熵，并根据所有随机变量的熵之和，对所述电力系统的稳定性进行评价。第三方面专利技术实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述方法。第四方面专利技术实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述方法。本专利技术实施例提供的一种基于熵的电力系统的稳定性评价方法及系统，通过K-L变换法，在不改变系统的熵的情况下将现有状态量映射为一组互相独立的随机变量，进一步通过对相互独立的变量的熵求和，实现对电力系统的有效评价。附图说明图1是本专利技术实施例提供的一种基于熵的电力系统的稳定性评价方法流程图；图2是本专利技术实施例提供的电力系统处于不同负荷下矩阵积的特征值谱示意图；图3是本专利技术实施例提供的采用RMT法在不同负荷下电力系统的平均谱半径示意图；图4是本专利技术实施例提供的熵评价方法在不同负荷下所计算出的系统熵增量示意图；图5是本专利技术实施例提供的一种基于熵的电力系统的稳定性评价系统结构图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。现有技术中，对于电力系统的稳定性评价方法一般采用了随机矩阵理论(RandomMatrixTheory，RMT)，RMT是一种对随机系统进行统计分析的大数据方法，RMT在神经网络，语音识别等技术中应用十分常见。传统的RMT是应用于无限维度数据，但已有研究表明，在有限维度的条件下，RMT也可以得到应用，故而RMT技术可以应用于电力系统中。具体的，在RMT技术中，单环定理是进行电力系统电压稳定性评价的重要工具，单环定理具体为：对于的非Hermitian随机矩阵，该矩阵中的元素是独立同分布的随机变量x的样本，其中x需要满足期望μ(x)＝0、方差σ(x)＝1。记为的特征值等价矩阵，而对于Lm个构成矩阵积矩阵积Z的特征值λz具备以下经验分布：并且f(λz)存在的条件为：Ns，Ts→∞，且Ns/Ts＝c。通过式可以表明矩阵积Z的特征值将在复平面上将呈现环状分布，其中内环半径为外环半径为1。进一步的，特征值等价矩阵的生成方式为：其中，为一个哈尔酉矩阵。需要说明的是，在使用RMT技术评价电力系统的电压稳定性时，将电力系统的量测数据通过一定方式构成随机矩阵。计算矩阵积特征值λZ分布，若λz不符合单环定理，则表明随机矩阵中的元素不是独立同分布。同时也可以用特征值的平均谱半径MSR作为表征电力系统稳定性的单一参数，MSR计算公式为：那么，将RMT技术具体应用在电力系统评价过程具体为：首先构建样本矩阵，所述样本矩阵是在电力系统中选取了Ns种不同的量测，并且在ti时刻的这些量测以一个列向量表示x(ti)＝[x1,x2,…,xNs]T。从中随机选取Ts个截面的样本作为样本矩阵Xs＝[x(t1),x(t2),…x(tT)]。进一步的对XS进行归一化处理，得到归一化的非Hermitian随机矩阵式中分别代表样本矩阵XS第i行数据的均值和标准差。再根据计算Xs的特征值等价矩阵。重复上述过程，计算得到L个特征值等价矩阵从而计算矩阵积对矩阵积Z做归一化后计算Z的特征值，并计算平均谱半径MSR。根据Z的特征值，在复数域画散点图,若系统稳定，则特征值应位于内外半径和1的圆环内部。可以理解的是，随机矩阵理论是受到广泛验证的理论，也被应用于校验电力系统电压稳定性，并且取得了较好的评价效果，那么可以通过将本专利技术实施例提供的评价结果与RMT技术进行比较，从而验证本专利技术实施例提供的方案的准确性和本文档来自技高网...

【技术保护点】
1.一种基于熵的电力系统的稳定性评价方法，其特征在于，包括：S1、对电力系统的量测数据进行状态估计，获取电力系统的状态变量；S2、基于K‑L变换法，去除所述电力系统的状态变量中各个分量之间的关联性，获取相互独立的各个系统分量；S3、分别计算每个系统分量对应的随机变量的熵，并根据所有随机变量的熵之和，对所述电力系统的稳定性进行评价。

【技术特征摘要】
1.一种基于熵的电力系统的稳定性评价方法，其特征在于，包括：S1、对电力系统的量测数据进行状态估计，获取电力系统的状态变量；S2、基于K-L变换法，去除所述电力系统的状态变量中各个分量之间的关联性，获取相互独立的各个系统分量；S3、分别计算每个系统分量对应的随机变量的熵，并根据所有随机变量的熵之和，对所述电力系统的稳定性进行评价。2.根据权利要求1所述的方法，其特征在于，步骤S2之前、步骤S1之后所述方法还包括：基于预设的时间窗口，从所述电力系统的状态变量中提取预设数量的样本作为目标评价样本；相应的，步骤S2包括基于K-L变换法，去除所述目标评价样本中各个分量之间的关联性，获取相互独立的各个系统分量。3.根据权利要求1所述的方法，其特征在于，步骤S1具体包括：获取电力系统的量测数据，所述量测数据包括冗余数据；基于所述冗余数据的最小均方误差，确定所述电力系统的状态变量。4.根据权利要求2所述的方法，其特征在于，步骤S2具体包括：S21、基于K-L变换法，计算所述目标评价样本的协方差矩阵；S22、对所述目标评价样本的协方差矩阵进行特征值分解，得到所述目标评价样本的协方差矩阵对应的线性变换；S23、将所述线性变换应用于所述目标评价样本，获取相互独立的各个系统分量。5.根据权利要求4所述的方法，其特征在于，步骤S22具体包括：获取所述目标评价样本的协方差矩阵中所有特征向量；将所述目标评价样本的协方差矩阵中所有特征向量作为所述线性空间的基，以得到所述目标评价样本的协方差矩阵对应的线性变换。6.根据权利要求1所述的方法，其特...

【专利技术属性】
技术研发人员：陈颖，黄少伟，王志晟，沈沉，梅生伟，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11