一种基于电网PMU大数据的电网稳定性判别方法与流程

本发明涉及电网大数据分析和电网稳定性分析两个领域，特别涉及一种基于电网PMU大数据的电网稳定性判别方法。

背景技术：

智能电网的发展日新月异，其对应的智能电网新技术也不断涌现。电网的拓扑结构也愈加复杂，智能电网的稳定运行需要满足以下条件：电网的基础体系和相关支撑技术，可以足够抵御不可预知的外部扰动；电网需要及时预见可能发生的故障，并且评估该故障可能对电网产生的影响，以利于电网可以快速判别故障、隔离故障；电网的兼容性要好，能适应大量分布式的微电网等充放电设施的接入和撤离；智能电网的运维成本要可控，电网运营状态可视化程度要高，以便于提供对应的控制实施措施和应对方案。

为了更好的理解和分析电网，大量PMU被布置在电网中，以获得更加多的、近似同步的电网运维信息(实时电网中的电压、电流、功率和相角等20多种数据)。PMU在电网中广泛布局是为了更好的认知电网，简化电网的分析过程。庞大的电网状态数据给智能电网的分析带来了可能性，同时，也面临着挑战。例如：大量的PMU数据如何利用，如何结合实际的电网数据分析对应的实际问题；从大量的PMU数据中可以获得什么信息；从大量电网数据中获得的信息是否可以可视化，方便电网运维管理者使用。

电力系统庞大的PMU数据分析可以看为一个大数据系统。电网大数据是近年来分析的一个热点。大数据作为一门数据科学，得到了全球广大专家学者的高度关注和研究。探求一种基于大数据方法的智能电网稳定性分析方法，是一个具有极其重要学术价值和实际工程应用价值的研究点。庞大的PMU数据给了电网大数据分析带来了数据源。从这一块看似丰富的资源中获取需要的信息是电网大数据分析的关键点和难点，即从海量的、多样的、实时的、真实的电网大数据分析中挖掘出适合电网决策分析的电网态信息至关重要。

技术实现要素：

本发明的目的在于针对上述问题，提供了一种基于电网PMU大数据的电网稳定性判别方法，通过PMU历史数据、实时数据等的统计特性，结合电网的需求，对电网的稳定进行认知。

本发明的目的是这样实现的：

一种基于电网PMU大数据的电网稳定性判别方法，其特征在于，该方法包括以下步骤：

1)根据电网PMU数据利用随机矩阵进行建模，包括以下分步骤：

1.1)根据电网的运行状态将电网划分为四种，分别为：电网拓扑结构不变、电网拓扑结构变化、电网的供电源不变和电网的供电源有增减；

1.2)观测并记录四种运行状态的电网各级结点的PMU数据；

1.3)从电网潮流方程出发，建立PMU数据的观测值和电网运行状态变化之间的关系，即电网PMU数据的随机矩阵表示；

2)对电网PMU历史数据进行分析，包括以下分步骤：

2.1)将记录的PMU历史数据平均地分为多个时间段数据；

2.2)将记录的PMU历史数据进行归一化处理；

2.3)计算出PMU历史数据的特征值分布函数，然后得到该函数的分布上下界的参数，最终得到PMU历史数据的分布上下界函数，并建立PMU历史数据的分布上下界图；

3)对电网PMU实时数据进行分析，包括以下分步骤：

3.1)记录PMU实时数据；

3.2)计算出PMU实时数据的特征值分布函数，并建立PMU实时数据的特征值分布图；

4)将PMU实时数据的特征值分布图和PMU历史数据的分布上下界图在同一界面上进行展示并比对；若PMU实时数据的特征值落入PMU历史数据的分布上下界之间，判断电网为稳定状态；否则，则判断电网为异常状态。

进一步，所述步骤4)中，所述PMU实时数据的特征值分布图和PMU历史数据的分布上下界图通过人机界面进行展示。

本发明的有益效果为：该方法是利用PMU采集的数据(电压、电流、功率和相角等数据)进行电网状态的学习和判别，因此，该方法不依赖于电网的拓扑结构，完全是基于PMU数据的高维统计特性，因而适用范围广泛，稳健度高和安全性可靠。

附图说明

图1为本发明的流程图。

图2为采用协方差矩阵建模时，电网运行稳定的状态图。

图3为采用协方差矩阵建模时，电网运行异常的状态图。

图4为采用维格纳矩阵建模时，电网运行稳定的状态图。

图5为采用维格纳矩阵建模时，电网运行异常的状态图。

具体实施方式

下面结合具体实施例和附图，进一步阐述本发明。

如图1所示，一种基于电网PMU大数据的电网稳定性判别方法，包括以下步骤：

1)根据电网PMU数据利用随机矩阵进行建模，将电网稳定性分析转化为随机矩阵分析问题，包括以下分步骤：

1.1)根据电网的运行状态将电网划分为四种，分别为：电网拓扑结构不变、电网拓扑结构变化、电网的供电源不变和电网的供电源有增减；

1.2)观测并记录四种运行状态的电网各级结点的PMU数据；

1.3)从电网潮流方程出发，建立PMU数据的观测值和电网运行状态变化之间的关系，即电网PMU数据的随机矩阵表示；

2)对电网PMU历史数据进行分析，包括以下分步骤：

2.1)将记录的PMU历史数据平均地分为多个时间段数据；

2.2)将记录的PMU历史数据进行归一化处理，即将数据减去整体历史数据的统计均值，再除以整体历史数据的方差；

2.3)计算出PMU历史数据的特征值分布函数，然后得到该函数的分布上下界的参数，最终得到PMU历史数据的分布上下界函数，并建立PMU历史数据的分布上下界图；

3)对电网PMU实时数据进行分析，包括以下分步骤：

3.1)记录PMU实时数据；

3.2)计算出PMU实时数据的特征值分布函数，并建立PMU实时数据的特征值分布图；

4)将PMU实时数据的特征值分布图和PMU历史数据的分布上下界图在同一界面上进行展示并比对，而为方便电网运维管理者进行观察和判断，这里的PMU实时数据的特征值分布图和PMU历史数据的分布上下界图可以通过人机界面进行展示；若PMU实时数据的特征值落入PMU历史数据的分布上下界之间，判断电网为稳定状态，如图2和图4所示；否则，则判断电网为异常状态，如图3和图5所示。