[發(fā)明專利]基于主成分分析法的電網(wǎng)異常快速檢測與定位方法

在審

• 申請?zhí)枺?/td>: 201710174199.3
• 申請日: 2017-03-22
• 公開（公告）號: CN106950446A
• 公開（公告）日: 2017-07-14
• 發(fā)明（設(shè)計(jì)）人: 陳洪濤;劉亞東;盛戈皞;江秀臣;劉琦
• 申請（專利權(quán)）人: 國網(wǎng)上海市電力公司;上海交通大學(xué);華東電力試驗(yàn)研究院有限公司
• 主分類號: G01R31/00
• 分類號: G01R31/00;G01R31/08
• 代理公司: 上海信好專利代理事務(wù)所(普通合伙)31249
• 代理人: 周乃鑫

技術(shù)領(lǐng)域

本發(fā)明涉及電網(wǎng)異常檢測技術(shù)領(lǐng)域，尤其涉及一種基于主成分分析法的電網(wǎng)異常快速檢測與定位方法。

背景技術(shù)

目前電網(wǎng)異常檢測采用的神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)等算法，存在著魯棒性能不夠、受限于電網(wǎng)結(jié)構(gòu)等缺陷，并且隨著我國電網(wǎng)規(guī)模越來越大、電網(wǎng)結(jié)構(gòu)越來越復(fù)雜，電網(wǎng)的數(shù)據(jù)規(guī)模也越來越大，這些算法的不足也更明顯的體現(xiàn)出來。

發(fā)明內(nèi)容

本發(fā)明提供一種基于主成分分析法的電網(wǎng)異常快速檢測與定位方法，利用主成分分析法實(shí)現(xiàn)電網(wǎng)異常檢測和異常定位，為后續(xù)處理和切除提供信息支持，在處理大規(guī)模數(shù)據(jù)時(shí)有明顯的優(yōu)勢。

為了達(dá)到上述目的，本發(fā)明提供一種基于主成分分析法的電網(wǎng)異常快速檢測與定位方法，包含以下步驟：

步驟S1、對電網(wǎng)隨機(jī)矩陣進(jìn)行降維，提取主成分；

步驟S2、根據(jù)主成分強(qiáng)弱進(jìn)行電網(wǎng)異常判定；

步驟S3、根據(jù)異常點(diǎn)的位置信息進(jìn)行異常定位。

所述的步驟S1中，提取主成分的方法具體包含：

步驟S1.1、利用電網(wǎng)PMU(同步相量測量裝置)采集的p維隨機(jī)變量X＝(X₁,X₂,…X_P)'構(gòu)成的n個(gè)三相電流樣本x_i＝(x_i1,x_i2,…,x_ip)'，構(gòu)成n×p維樣本矩陣X＝(x_ij)_n×p；

步驟S1.2、進(jìn)行標(biāo)準(zhǔn)化處理：i＝1,2,…,n，j＝1,2,…,p，得標(biāo)準(zhǔn)化矩陣其中，var是方差；

步驟S1.3、計(jì)算標(biāo)準(zhǔn)化矩陣Z的樣本相關(guān)系數(shù)矩陣

步驟S1.4、計(jì)算樣本相關(guān)系數(shù)矩陣R的特征值λ₁≥λ₂≥…≥λ_p；

步驟S1.5、計(jì)算主成分Y_i＝u_i'X，i＝1,2,…,p，或Y＝UX；

其中，正交矩陣是特征單位特征向量。

所述的步驟S2中，當(dāng)?shù)谝恢鞒煞值臄?shù)值變化超過5％時(shí)，即判定異常發(fā)生。

所述的步驟S3中，進(jìn)行異常定位的方法具體包含：

步驟S3.1、選取前M個(gè)主成分進(jìn)行矩陣重構(gòu)，生成正交矩陣U；

步驟S3.2、選取正交矩陣U中系數(shù)絕對值最大的前N個(gè)采樣點(diǎn)；

步驟S3.3、確定該N個(gè)采樣點(diǎn)在配電網(wǎng)中的位置，完成異常定位。

所述的步驟S3中，N≤M。

本發(fā)明利用主成分分析法實(shí)現(xiàn)電網(wǎng)異常檢測和異常定位，為后續(xù)處理和切除提供信息支持，在處理大規(guī)模數(shù)據(jù)時(shí)有明顯的優(yōu)勢。

附圖說明

圖1是主成分分析數(shù)據(jù)概念圖。

圖2是主成分算法效果圖。

圖3是本發(fā)明提供的一種基于主成分分析法的電網(wǎng)異常快速檢測與定位方法的流程圖。

圖4是電路PSCAD仿真示意圖。

圖5是圖4的系統(tǒng)模型圖。

圖6是圖5中的短路故障模塊。

圖7是圖5中的諧波注入模塊。

具體實(shí)施方式

以下根據(jù)圖1～圖7，具體說明本發(fā)明的較佳實(shí)施例。

主成分分析(Principal Component Analysis，PCA)是研究如何將多指標(biāo)問題轉(zhuǎn)化為較少的綜合指標(biāo)的一種統(tǒng)計(jì)方法，即“降維”。它將高維空間的問題轉(zhuǎn)化到低維空間中，使得處理問題簡單化、直觀化。轉(zhuǎn)化后的綜合指標(biāo)之間互不相關(guān)，但能涵蓋原有高維數(shù)據(jù)中的大部分信息。主成分分析被視為最重要的多元統(tǒng)計(jì)方法，在社會經(jīng)濟(jì)、企業(yè)管理、地質(zhì)探測、生物醫(yī)療等各個(gè)方面有著廣泛應(yīng)用。常被用于綜合評價(jià)、數(shù)據(jù)壓縮與降噪、信號處理、模式識別等領(lǐng)域。

圖1為二維空間中的一組數(shù)據(jù)，主成分分析的目的是通過計(jì)算找出主成分的軸的大致方向，如圖2所示。對于高維數(shù)據(jù)也有相同的算法，所謂主軸，定義為所有數(shù)據(jù)在該軸的投影的方差最大。

令為正定矩陣且為給定相量，則對任意非零向量有：

且當(dāng)x＝cB^-1d時(shí)達(dá)到最大值，其中c為任意非零常數(shù)。

令為正定陣，且特征值滿足λ₁≥λ₂≥…≥λ_p≥0，且相應(yīng)單位向量分別為e₁,e₂,…,e_p，則