【技术实现步骤摘要】
本专利技术涉及一种配电网优化大数据以及检测方法，具体涉及一种配电网无功优化大数据建模及异常方案检测方法。
技术介绍
随着智能电网的发展，配电网络已由釆用主干、分线、支线的单向辖射状供电方式为主向多分段、多连接供电方式过渡。传统的无功优化方法已研究和应用多年，但往往需要某些假设条件，且容易陷入局部最优点，难于得到全局最优解。近年来大数据技术得到了各国政府和全球学术界、工业界的高度关注和重视，在各行业领域的应用得到迅猛发展。随着大数据理论和技术的发展，将基于数据建模的理论分析方法用于电网全局优化，以突破以往对随机因素的假设和简化成为可能。随机矩阵是在某个给定概率空间下，以随机变量为元素组成的矩阵。而大维数据是指样本维数和样本量以具有相同的阶趋向无穷的数据。由于经典多元统计分析理论不再适用于处理大维数据的问题，随机矩阵理论作为处理大维数据行之有效的方法之一，在最近几十年得到了广泛的关注和发展。将大维随机矩阵理论引入到配电网大数据分析中，合理利用随机矩阵相关理论，如特征根谱分析、中心极限定理等，对配电网无功优化大数据进行分析和处理，是解决大数据架构下配电网无功优化问题的一个新路径。传统配电网无功优化的研究中往往需要某些假设条件，且容易陷入局部最优点，难于得到全局最优解的问题。
技术实现思路
为了克服上述现有技术的不足，本专利技术提供一种配电网无功优化大数据建模及异常方案检测方法，本专利技术建立了无功优化方案高维随机矩阵模型，从根本上突破以往对随机因素的假设和简化，提高了无功优化的精确度与处理效率。为了实现上述专利技术目的，本专利技术采取如下技术方案：一种配电网无功优...
【技术保护点】
一种配电网无功优化大数据建模及异常方案检测方法，其特征在于，所述方法包括如下步骤：(1)分析与配电网无功优化相关的数据，建立配电网无功优化方案模型；(2)构建无功优化方案的高维随机矩阵；(3)对所述高维随机矩阵进行高维随机矩阵谱分析，获得高维随机矩阵的特征根谱分布以及无功优化方案的谱分布特征；(4)基于实时无功优化数据或仿真数据及谱分析结果进行异常方案检测，分析方案是否异常，从而分析对无功优化的结果进行评估。
【技术特征摘要】
1.一种配电网无功优化大数据建模及异常方案检测方法，其特征在于，所述方法包括如下步骤：(1)分析与配电网无功优化相关的数据，建立配电网无功优化方案模型；(2)构建无功优化方案的高维随机矩阵；(3)对所述高维随机矩阵进行高维随机矩阵谱分析，获得高维随机矩阵的特征根谱分布以及无功优化方案的谱分布特征；(4)基于实时无功优化数据或仿真数据及谱分析结果进行异常方案检测，分析方案是否异常，从而分析对无功优化的结果进行评估。2.根据权利要求1所述方法，其特征在于，所述步骤(1)中，所述与配电网无功优化相关的数据包括：配电网运行数据和优化控制数据，所述配电网运行数据包括配电网分区域母线电压数据、负荷数据和电流数据，所述优化控制数据包括：经过无功优化后的配电变压器分接头投切控制序列和无功补偿电容投切控制序列。3.根据权利要求1所述方法，其特征在于，所述步骤(1)中，无功优化方案模型以节点为优化单元，表示如下：[\节点ID\,\线路号\,\始端\,\末端\,\时标\,\电流\,\始端节点号\,\末端节点号\,\有功功率\,\无功功率\,\电压幅值\,\电压相角\,\变压器型号\,\分接头投切序列\,\无功补偿电容投切序列\]式中，“节点ID”为无功补偿数据模型的关键字，用于标识优化单元，其它字段为无功优化方案的各项特征。4.根据权利要求1所述方法，其特征在于，所述步骤(2)中，所述高维随机矩阵表示为： X = x 11 ( t ) x 12 ( t ) x 1 m ( t ) x 21 ( t ) ...
【专利技术属性】
技术研发人员：胡丽娟，盛万兴，刘科研，孟晓丽，刁赢龙，贾东梨，董伟杰，李雅洁，何开元，叶学顺，唐建岗，
申请(专利权)人：中国电力科学研究院，国家电网公司，国网江苏省电力公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。