【技术实现步骤摘要】
本申请涉及分布式多能源系统的状态感知领域，具体而言，涉及一种基于双重动态阈值的分布式多能源系统状态感知方法、基于双重动态阈值的分布式多能源系统状态感知装置、计算机可读存储介质和电子设备。
技术介绍
1、近年来，随着大数据时代的不断发展，智能电网不断推进，数据量不断呈现指数级别增长。与此同时，多能源系统的建设和发展也飞速前进，面对多能源系统复杂的数据成分以及时间尺度，利用大数据算法为多能源系统的建设和发展提供有效的研究手段，对多能源系统的安全稳定运行有重要意义。
2、矩阵谱分布理论是目前一种具有良好适用性的理论方法，在研究发展中，已经逐渐深入到众多学科领域中。谱分布理论不需要对系统进行建立物理模型，很大程度上降低了对多能源系统状态感知的难度。目前在状态感知方法方面对于矩阵谱分布的应用有利用平均谱半径作为特征统计量，根据单环定律对系统的实时状态进行监测，判断是否有事件发生。也有方案将协方差矩阵的特征值作为观测特征，对系统因素变量对系统的影响进行研究。但是以上研究多是针对单能源系统而言，不考虑时间尺度问题，在多能源系统的运行状态感知中是不适用的，因此，现有技术还存在如下缺点：
3、1.目前的基于矩阵谱分布的状态感知方法中，大多只考虑到电力系统，未考虑设备类型更复杂的大规模多能源系统，其适用范围有一定的局限性；
4、2.目前的算法在判断系统状态时基本上都是使用的常数阈值，精度低，容易对状态误判错判；
5、3.目前的算法中，很少考虑到时间尺度问题，会造成系统检测矩阵不准确，检测频率高，使得计
6、4.目前对于系统状态的感知方面，大多是在建立机理模型的基础之上对系统的状态进行判断，但是随着发展多能源系统的成分越来越复杂，很难准确的对系统进行建模。
技术实现思路
1、本申请的主要目的在于提供一种基于双重动态阈值的分布式多能源系统状态感知方法、基于双重动态阈值的分布式多能源系统状态感知装置、计算机可读存储介质和电子设备，以至少解决现有的系统状态确定方法不考虑时间尺度，只能应用于单能源系统无法应用于多能源系统的问题。
2、为了实现上述目的，根据本申请的一个方面，提供了一种基于双重动态阈值的分布式多能源系统状态感知方法，包括：步骤s1：根据多能源系统的历史运行数据确定历史数据原始矩阵，并确定与所述历史数据原始矩阵对应的历史协方差矩阵，并将与所述历史协方差矩阵对应的矩阵谱分布函数确定为历史数据谱分布函数，其中，所述历史协方差矩阵与时间尺度有关；步骤s2：基于线性函数和散度定理确定谱差异值计算式，并根据所述谱差异值计算式将所述历史数据谱分布函数与理论谱分布函数的谱差异值确定为历史矩阵谱差异值，并根据所述历史矩阵谱差异值确定第一动态阈值γ1，所述第一动态阈值用于检测所述多能源系统的系统状态；步骤s3：采用所述步骤s1的方法对所述多能源系统的实时运行数据进行处理，确定实时协方差矩阵以及对应的实时数据谱分布函数，并采用所述步骤s2对所述实时数据谱分布函数进行处理，确定实时矩阵谱差异值其中，所述实时协方差矩阵与时间尺度有关；步骤s4：根据所述实时矩阵谱差异值与所述第一动态阈值γ1的大小关系，确定所述多能源系统的第一系统状态，得到第一判断结果；步骤s5：计算所述多能源系统在当前时刻的信噪比，并根据所述信噪比确定第二动态阈值γ2，并采用瑞利熵迭代算法对所述实时协方差矩阵进行计算，得到估算协方差最大特征值λmax；步骤s6：根据所述估算协方差最大特征值λmax与所述第二动态阈值γ2的大小关系，确定所述多能源系统的第二系统状态，得到第二判断结果；步骤s7：在所述第一判断结果和所述第二判断结果相同的情况下，将所述第一判断结果和所述第二判断结果表征的系统状态确定为所述多能源系统的最终系统状态。
3、可选地，所述多能源系统包括电力子网络、天然气子网络和热力子网络，所述步骤s1包括：获取历史时间段内所述多能源系统的历史运行数据以及三种时间尺度，三种所述时间尺度分别为短时间尺度、中时间尺度和长时间尺度；基于三种所述时间尺度、对应的所述多能源系统的检测节点与对应的采样时间构建三种不同的时间尺度矩阵xh∈cn×t，其中，xh＝[xt-t+1,xt-t+2,…,xt]，t为采样时间长度，ne为所述电力子网络的检测节点个数，ng为所述天然气子网络的检测节点个数，nh为所述热力子网络的检测节点个数；分别将三种所述时间尺度矩阵进行归一化处理，得到归一化处理矩阵对所述归一化处理矩阵的行向量进行标准化处理，得到标准化处理矩阵将所述归一化处理矩阵和所述标准化处理矩阵进行目标变换得到所述历史协方差矩阵以及所述历史数据谱分布函数。
4、可选地，所述多能源系统包括电力子网络、天然气子网络和热力子网络，所述多能源系统包括三种时间尺度，分别为短时间尺度、中时间尺度和长时间尺度，所述步骤s2包括：基于线性函数和散度定理确定谱差异值计算式dt＝tanh(ηjs(pti||pt))，其中，η为常数，js(·)为js散度变化值，pti为t时刻的矩阵谱分布函数，i＝e,g,h，e为短时间尺度检测矩阵对应的协方差矩阵谱分布函数、g为中时间尺度检测矩阵对应的协方差矩阵谱分布函数，h为长时间尺度检测矩阵对应的协方差矩阵谱分布函数，pt为随机矩阵理论谱分布；根据所述历史数据谱分布函数和所述谱差异值计算式dt＝tanh(ηjs(pti||pt))，确定三种所述时间尺度分别对应的所述历史矩阵谱差异值其中，根据三种所述时间尺度分别对应的所述历史矩阵谱差异值和动态误差，确定所述第一动态阈值γ1，其中，
5、可选地，所述步骤s4包括：在所述实时矩阵谱差异值大于所述第一动态阈值γ1的情况下，确定所述第一系统状态为异常状态；在所述实时矩阵谱差异值小于或者等于所述第一动态阈值γ1的情况下，确定所述第一系统状态为非异常状态。
6、可选地，计算所述多能源系统在当前时刻的信噪比，并根据所述信噪比确定第二动态阈值γ2，包括：根据所述实时协方差矩阵确定频域信号xi(ejw)；根据谱密度带宽公式确定谱密度带宽，其中，b为所述谱密度带宽，i0[·]为bessel函数，β为常数值，[·]rms为均方根值，μ(·)为方差；根据所述频域信号、所述谱密度带宽、信号功率公式和噪声功率公式确定信号功率ps和噪声功率pn；根据所述信号功率和所述噪声功率确定所述信噪比snr，其中，根据将所述信噪比确定所述第二动态阈值γ2，其中，
7、可选地，采用瑞利熵迭代算法对所述实时协方差矩阵进行计算，得到估算协方差最大特征值λmax，包括：构建迭代算法公式其中，vk为所述实时协方差矩阵的最大特征值对应的特征向量，αk为迭代向量，初始为α0＝{1,1,…,1}n×1；根据所述迭代算法公式，确定估算协方差最大特征值λmax，其中，λmax≈max(vk)。
8、可选地，所述步骤s6包括：在所述估算协方差最大特征值λmax大于所述第二动态阈值γ2的情况下，确定所述第二系本文档来自技高网...
【技术保护点】
1.一种基于双重动态阈值的分布式多能源系统状态感知方法，其特征在于，包括：
2.根据权利要求1所述的状态感知方法，其特征在于，所述多能源系统包括电力子网络、天然气子网络和热力子网络，所述步骤S1包括：
3.根据权利要求1所述的状态感知方法，其特征在于，所述多能源系统包括电力子网络、天然气子网络和热力子网络，所述多能源系统包括三种时间尺度，分别为短时间尺度、中时间尺度和长时间尺度，所述步骤S2包括：
4.根据权利要求1所述的状态感知方法，其特征在于，所述步骤S4包括：
5.根据权利要求1所述的状态感知方法，其特征在于，计算所述多能源系统在当前时刻的信噪比，并根据所述信噪比确定第二动态阈值γ2，包括：
6.根据权利要求1所述的状态感知方法，其特征在于，采用瑞利熵迭代算法对所述实时协方差矩阵进行计算，得到估算协方差最大特征值λmax，包括：
7.根据权利要求1所述的状态感知方法，其特征在于，所述步骤S6包括：
8.一种基于双重动态阈值的分布式多能源系统状态感知装置，其特征在于，包括：
9.一
10.一种电子设备，其特征在于，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至7中任意一项所述的基于双重动态阈值的分布式多能源系统状态感知方法。
...【技术特征摘要】
1.一种基于双重动态阈值的分布式多能源系统状态感知方法，其特征在于，包括：
2.根据权利要求1所述的状态感知方法，其特征在于，所述多能源系统包括电力子网络、天然气子网络和热力子网络，所述步骤s1包括：
3.根据权利要求1所述的状态感知方法，其特征在于，所述多能源系统包括电力子网络、天然气子网络和热力子网络，所述多能源系统包括三种时间尺度，分别为短时间尺度、中时间尺度和长时间尺度，所述步骤s2包括：
4.根据权利要求1所述的状态感知方法，其特征在于，所述步骤s4包括：
5.根据权利要求1所述的状态感知方法，其特征在于，计算所述多能源系统在当前时刻的信噪比，并根据所述信噪比确定第二动态阈值γ2，包括：
6.根据权利要求1所述的状态感知方法，其特征在于，采用瑞利熵迭代算法对所述实时协方...
【专利技术属性】
技术研发人员：马大中，宋婉毓，蒋屹新，韩议莹，张宇南，李炜，徐文倩，张佳敏，梁志宏，张峻凯，许爱东，杨祎巍，
申请(专利权)人：东北大学，
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。