基于线性特征值和权重优化的电力系统影响因素分析方法技术方案

本发明专利技术公开了一种基于线性特征值和权重优化的电力系统影响因素分析方法，应用于电力系统技术领域。包括以下步骤：获取电力系统采样数据，得到状态数据矩阵和因素数据矩阵；利用状态数据和因素数据构建增广矩阵和参照增广矩阵；采用移动窗口法分别计算得到各项线性特征值统计指标；将各项指标对应相减得到影响因素相关性；将影响因素相关性利用客观赋权法进行分析；基于综合权重优化得到最终的电力系统影响因素相关性评分。本发明专利技术基于随机矩阵中的线性特征值统计指标和综合权重优化方法在时空数据集上开展特征提取、相关性分析和指标构建，通过对电力系统多维异构采样数据的深层挖掘，能够为电力系统异常溯源提供有效的分析和评估手段。和评估手段。和评估手段。

【技术实现步骤摘要】
基于线性特征值和权重优化的电力系统影响因素分析方法


[0001]本专利技术涉及电力系统
，更具体的说是涉及一种基于线性特征值和权重优化的电力系统影响因素分析方法。

技术介绍

[0002]电力系统中的各主体面临的决策环境十分复杂，随着可再生能源的渗透和用户侧资源参加电网运行，调度面临的不确定影响因素也随之增多，然而一些不确定性影响因素由于高维且波动较大，难以用机理模型加以描述，因此需基于随机矩阵理论，通过数据驱动的方法，筛选出影响决策的因素以给运行调度提供参考。因此，如何提供一种基于线性特征值统计指标和综合权重优化的电力系统影响因素分析方法以提高电力系统运行调度控制的效率和准确性，是本领域技术人员亟需解决的问题。

技术实现思路

[0003]有鉴于此，本专利技术提供了一种基于线性特征值和权重优化的电力系统影响因素分析方法，针对高可再生能源渗透的电力系统，在免机理和先验知识的情况下识别影响系统运行状态的关键因素，提高关键因素溯源在实际工程应用中的可操作性。
[0004]为了实现上述目的，本专利技术提供如下技术方案：
[0005]一种基于线性特征值和权重优化的电力系统影响因素分析方法，包括以下步骤：
[0006]S1、获取电力系统采样数据，得到状态数据矩阵和因素数据矩阵；
[0007]S2、利用状态数据和因素数据构建增广矩阵和参照增广矩阵；
[0008]S3、采用移动窗口法分别计算得到增广矩阵和参照增广矩阵的各项线性特征值统计指标；
[0009]S4、将增广矩阵和参照增广矩阵的各项指标对应相减得到影响因素相关性；
[0010]S5、将各指标所得影响因素相关性利用客观赋权法进行分析；
[0011]S6、基于综合权重优化得到最终的电力系统影响因素相关性评分。
[0012]可选的，S1中的状态数据矩阵包括：频率、电压幅值、电压相角、电流的幅值、有无功出力采样，因素数据矩阵包括：温度、湿度、风速、光照、节点电价。
[0013]可选的，S2中的增广矩阵由状态数据矩阵和因素扩展矩阵合并而成，参照增广矩阵由状态数据矩阵和噪声扩展矩阵合并而成。
[0014]可选的，S3中的线性特征值统计指标包括：平均谱半径、切比雪夫二阶多项式、切比雪夫三阶多项式、切比雪夫四阶多项式、行列式、似然函数。
[0015]可选的，S5中的客观赋权法为反熵权法和CRITIC法，分别通过反熵权法和CRITIC法对各指标所得影响因素相关性进行分析。
[0016]可选的，反熵权法的分析过程为：
[0017]计算各指标的反熵值h
n
：
[0018][0019][0020]根据反熵值进一步确定各指标权重u
n
：
[0021][0022]式中，M为待选方案的数量，N为每个方案中评价指标的数量，r
mn
为第n项指标中第m个方案的比重，y
mn
为第m个方案的第n项指标归一化值，n∈[1,N]，m∈[1,M]。
[0023]可选的，CRITIC法的分析过程为：
[0024]计算各指标的冗余信息熵p
n
：
[0025][0026][0027]利用归一化矩阵各列间协方差和指标的变异系数s
n
计算各指标间的相关系数
[0028][0029][0030][0031]评估各指标所包含的信息量i
n
：
[0032][0033]根据信息量i
n
确定指标权重：
[0034][0035]式中，为第n项指标的平均值，为第n项指标和第n
*
项指标的相关系数，为第n
*
项指标的平均值，为第n
*
项指标的变异系数。
[0036]可选的，S6中的综合权重优化为：
[0037]S61、对种赋权方式得到的各权重向量u
k
＝(u
k1
,u
k2
,
…
,u
kN
)，通过优化模型求取集合权重d
n
：
[0038][0039]S62、计算每种赋权方式结果与集合权重d
n
间的相对熵，表征该赋权方法结果与集
合权重的贴近度h(u
k
,d)：
[0040][0041]S63、依据贴近度h(u
k
,d)得到赋权方法的偏好系数a
k
：
[0042][0043]S64、根据偏好系数a
k
得到结合主客观赋权的综合指标权重系数w
n
：
[0044][0045]式中，u
kn
为第k个赋权方案中第n个评价指标的权重。
[0046]经由上述的技术方案可知，与现有技术相比，本专利技术公开了基于线性特征值和权重优化的电力系统影响因素分析方法，具有以下有益效果：
[0047]1、本专利技术构建了增广矩阵和参考增广矩阵：采用环境因素感知方法将电网状态数据作为基本部分，影响因素数据作为增广部分，共同构成增广矩阵作为相关性分析的数据源，并比较之间的平均谱半径，得出平均谱半径积分；电力系统的运行受到各种电气因素和非电气因素的影响，其中电气因素包括分布式电源出力、节点负荷、各类异常和故障等，非电气因素包括温度、湿度、风速、光照等气候因素和电价等社会经济因素。根据具体的研究目的和数据资源，可以选取某个区域内某些种类的影响因素的量测数据构造因素数据矩阵；本专利技术能够分析由电力系统中海量数据构成的高维矩阵之间的相关性。
[0048]2、基于数据驱动的线性特征值统计指标。线性特征值统计指标通过异源数据形成高维矩阵分析，打破了多电类/非电类参数联合使用的壁垒，为相关性评估提供了一种新的视角。且由于随机矩阵理论的自身特性，对独立干扰及白噪声具有非常好的鲁棒性，相较于深度学习更为透明，具有更好的可解释性；因此后续可深入设计溯源算法分析故障关联的参量，以辅助专业人员做进一步判断。
[0049]3、采用综合权重优化统计指标。主观赋权法由于依赖于评估专家对于评价指标集的经验判断和主观认知，因此存在随机偏差与片面性可能，针对数据驱动选用客观赋权法中的反熵权法与CRITIC法。反熵权法基于信息熵的概念，可有效评估指标给决策制定提供的信息质量，且避免了熵权法出现过小赋权的极端情况；同时，考虑到不同指标间相关度较高，因此补充使用适合于高相关性指标赋权的CRITIC法来提高客观赋权的有效性。在得到客观各赋权结果后，考虑基于相对熵的主客观权重偏好系数确定方式，以减少单一赋权方法所带来的估计误差。
附图说明
[0050]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于线性特征值和权重优化的电力系统影响因素分析方法，其特征在于，包括以下步骤：S1、获取电力系统采样数据，得到状态数据矩阵和因素数据矩阵；S2、利用状态数据和因素数据构建增广矩阵和参照增广矩阵；S3、采用移动窗口法分别计算得到增广矩阵和参照增广矩阵的各项线性特征值统计指标；S4、将增广矩阵和参照增广矩阵的各项指标对应相减得到影响因素相关性；S5、将各指标所得影响因素相关性利用客观赋权法进行分析；S6、基于综合权重优化得到最终的电力系统影响因素相关性评分。2.根据权利要求1所述的一种基于线性特征值和权重优化的电力系统影响因素分析方法，其特征在于，S1中的状态数据矩阵包括：频率、电压幅值、电压相角、电流的幅值、有无功出力采样，因素数据矩阵包括：温度、湿度、风速、光照、节点电价。3.根据权利要求1所述的一种基于线性特征值和权重优化的电力系统影响因素分析方法，其特征在于，S2中的增广矩阵由状态数据矩阵和因素扩展矩阵合并而成，参照增广矩阵由状态数据矩阵和噪声扩展矩阵合并而成。4.根据权利要求1所述的一种基于线性特征值和权重优化的电力系统影响因素分析方法，其特征在于，S3中的线性特征值统计指标包括：平均谱半径、切比雪夫二阶多项式、切比雪夫三阶多项式、切比雪夫四阶多项式、行列式、似然函数。5.根据权利要求1所述的一种基于线性特征值和权重优化的电力系统影响因素分析方法，其特征在于，S5中的客观赋权法为反熵权法和CRITIC法，分别通过反熵权法和CRITIC法对各指标所得影响因素相关性进行分析。6.根据权利要求5所述的一种基于线性特征值和权重优化的电力系统影响因素分析方法，其特征在于，反熵权法的分析过程为：计算各指标的反熵值h
n
：：根据反熵值进一步确定各指标权重u
n
：式中，M为待选方案的数量，N为每个方案中评价指标的数量，r
mn
为第n项指标中第m个方...

【专利技术属性】
技术研发人员：刘江维，许娟娟，韩栋，王麒麟，王琨，时鸿运，杨青，
申请(专利权)人：中电投新疆能源化工集团吐鲁番有限公司，
类型：发明
国别省市：