基于相关性分析的电力系统数据驱动异常早期检测

摘要：

针对电力系统运行状况复杂,运行状态受到多种因素相互作用影响,提出了一种基于同步相量测量数据相关性分析的早期异常检测方法.首先提出采用系统部署的多个同步相量测量装置实时监测量构造时空数据集,然后利用滑动窗口法将数据集依次划分为连续的数据切片窗口.针对每个数据切片,基于Marchenko-Pastur定律分析统计其元素之间相关性,并定义部分线性特征值统计量作为统计指标,用以实现当前数据切片的行为.采用文章所提出的方法对IEEE 118系统和某实际电力系统进行测试,测试结果证明了所提方法的有效性,且部分线性特征值统计量比线性特征值统计量对异常检测更为敏感.最后,算例测试结果证明该方法能够有效实现电力系统早期异常检测,所定义指标对异常行为更为敏感,具有重要的工程实践价值.

关键词：电力系统、时空数据、异常检测、Marchenko-Pastur定律、部分线性特征值统计量

所属期刊栏目：36

分类号：TM71(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金青年科学基金项目"基于随机矩阵理论和深度学习技术融合的配电网故障高维判据构建及其智能诊断方法研究"51907121

在线出版日期：2019-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：30-35