【技术实现步骤摘要】
一种基于随机构建矩阵的异常数据量测辨识方法和装置
[0001]本专利技术涉及电力系统
，特别涉及一种基于随机构建矩阵的异常数据量测辨识方法和装置。
技术介绍
[0002]智能电网(Smart Electrical Grid，SEG)是一个以输电网和各级电网并行协调发展的综合智能化系统，特征是输电、变电、配电之间的各电压等级信息化、自动化。随着SEG的不断建设，电力系统的规模不断扩大，电力系统成为典型的大数据系统。电网量测系统获得的数据以及城市气象等边缘感知数据类型多，继而难免存在着数据维度大、数据来源广、数据存在异常且难以识别和筛选的问题,如何快速、准确利用电网中海量数据，挖掘气象因素与负荷用电行为之间的相关性，为辅助后续电力调度决策、提高电网极端天气的应对能力，保障重要电力用户供电可靠性具有重要意义。
[0003]电力是人们进行生产活动的基本能源。随着经济的不断发展，用户对电力能源的供电可靠性要求不断提高；与此同时，配电网规模不断增长，量测系统涌入了大量且多维度的数据，不仅包括电气指标的数据，同样包括了如气象...
【技术保护点】
【技术特征摘要】
1.一种基于随机构建矩阵的异常数据量测辨识方法，其特征在于，所述方法包括：获取预设时长内目标电网的电气指标数据和非电气指标数据；基于所述电气指标数据和所述非电气指标数据构建随机矩阵；确定所述随机矩阵中的目标区域，并对所述目标区域内的目标矩阵进行矩阵变换，得到变换后矩阵；对所述变换后矩阵分别进行第一能量谱分析和第二能量谱分析，以得到第一筛选指标和第二筛选指标；根据所述第一筛选指标和所述第二筛选指标确定特征根的分布状态；基于所述特征根的分布状态确定数据异常结果。2.根据权利要求1所述的基于随机构建矩阵的异常数据量测辨识方法，其特征在于，所述电气指标数据包括N
a
个基本状态变量，其中，所述基本状态变量至少包括有功负荷数据、节点电压数据和支路电流数据。3.根据权利要求1所述的基于随机构建矩阵的异常数据量测辨识方法，其特征在于，所述非电气数据包括N
b
个影响因素变量，其中，所述影响因素变量至少包括目标地点的日照数据、温度数据和湿度数据。4.根据权利要求1所述的基于随机构建矩阵的异常数据量测辨识方法，其特征在于，基于所述电气指标数据和所述非电气指标数据构建的随机矩阵为：其中，X表示矩阵元素，nj表示节点数，ti表示时间点。5.根据权利要求1所述的基于随机构建矩阵的异常数据量测辨识方法，其特征在于，确定所述随机矩阵中的目标区域，具体包括：在所述随机矩阵中构建可移动窗口，以所述可移动窗口中的区域作为所述目标区域。6.根据权利要求1所述的基于随机构建矩阵的异常数据量测辨识方法，其特征在于，对所述目标区域内的目标矩阵进行矩阵变换，得到变换后矩阵，具体包括：在目标采样时刻，从数据库中获取原矩阵；将所述原矩阵转换为标准非Hermitian矩阵；计算所述标准非Hermitian矩阵的多个奇异值等效矩阵；将各所述奇异值等效矩阵累乘，以构成待分析矩阵。7.根据权利要求6所述的基于随机构建矩阵的异常数据量测辨识方法，其特征在于，将各所述奇异值等效矩阵累乘，以构成待分析矩阵，之后还包括：将所述待分析矩阵转换为标准矩阵，并计算所述标准矩阵的协方差矩阵；以所述协方差矩阵作为所述变换后矩阵。8.根据权利要求7所述的基于随机构建矩阵的异常数据量测辨识方法，其特征在于，所述标准矩阵的均值为1，方差为0。
9.根据权利要求1
‑
8任一项所述的基于随机构建矩阵的异常数据量测辨识方法，其特征在于，对所述变换后矩阵分别进行第一能量谱分析和第二能量谱分析，以得到第一筛选指标和第二筛选指标，具体包括：所述第一能量谱分析为单环率分析，所述第一筛选指标为平均谱半径。10.根据权利要求9所述的基于随机构建矩阵的异常数据量测辨识方法，其特征在于，所述单环率分析具体包括：设为非Hermitian特征的随机矩阵，中的每一个元素为符合独立同分布的随机变量，其元素满足以下关系式：μ(x
i
)＝0,σ2(x
i
)＝1式中，μ(x
i
)表示平均...
【专利技术属性】
技术研发人员：刘洋，张世栋，李立生，黄敏，刘合金，苏国强，于海东，王峰，李帅，张鹏平，由新红，和家慧，刘明林，孙勇，张林利，秦佳峰，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：
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。