检索结果-南通市图书馆

北京理工大学学报 2024年第4期44卷 403-412页

作者：刘义艳郝婷楠张伟长安大学能源与电气工程学院陕西西安710018 深圳市沃尔核材股份有限公司广东深圳518000

随着我国智能电网的快速发展,电网监测数据呈现多元化、高速化、海量化的趋势.为了充分挖掘电力大数据的潜在价值,实现电网内异常区域的自动识别与定位,本文研究了基于随机矩阵理论(random matrix theory,RMT)和卷积神经网络(convolutio... 详细信息

随着我国智能电网的快速发展,电网监测数据呈现多元化、高速化、海量化的趋势.为了充分挖掘电力大数据的潜在价值,实现电网内异常区域的自动识别与定位,本文研究了基于随机矩阵理论(random matrix theory,RMT)和卷积神经网络(convolutional neural networks,CNN)的电网异常事件定位方法.首先根据电网内部联系将电网划分为若干子系统,分区构建监测矩阵;然后采用RMT作为数据挖掘的特征提取方法,提取分区矩阵特征向量作为输入,根据电网监测数据和异常识别需求的特点搭建CNN模型;最后基于分区矩阵特征向量构建数据集,训练获得有效的异常事件自动定位CNN模型.以IEEE39节点电网模型三相短路故障为例,分析表明通过RMT提取特征向量的预处理方法能有效降低数据维度,提高CNN模型的故障定位准确率,分区RMT-CNN模型能有效定位电网内异常事件的发生地点,定位精度可达97.96%,精确率可达98.65%.

关键词：电网随机矩阵理论卷积神经网络异常区域故障定位

来源：

维普期刊数据库

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

融合RMT特征值的电网异常状态检测

引用

电子测量与仪器学报 2024年

作者：刘义艳郝婷楠张伟长安大学能源与电气工程学院深圳市沃尔核材股份有限公司

随着电网规模的不断扩大，电网监测数据变得越来越多元化、高速化、海量化，使得电网监测工作变得更加复杂和艰巨。针对传统方法处理电网高维数据效率低、同步性差的问题，本文研究了一种利用随机矩阵理论（RMT）提取监测数据特征值实... 详细信息

随着电网规模的不断扩大，电网监测数据变得越来越多元化、高速化、海量化，使得电网监测工作变得更加复杂和艰巨。针对传统方法处理电网高维数据效率低、同步性差的问题，本文研究了一种利用随机矩阵理论（RMT）提取监测数据特征值实现电网异常状态的检测方法。首先，设计了电网内异常扰动类型，构建了一个矩阵窗口来选择时间序列内的监测信号，从而建立高维矩阵；其次，应用M-P定律和单环定律进行矩阵变换，提取特征值并根据特征值分布情况来判断系统状态；然后，基于特征值的线性统计，构建了多种评价指标，包括最大特征值（MESCM）、最小特征值（EME）、最大最小特征值之比（MME）和平均谱半径（mean spectral radius，MSR）等指标；最后，比较了每个统计指标在电网出现短路故障、开路故障以及故障清除时的表现，以实现电网状态识别、异常事件检测和电网稳定性评估。案例测试结果表明，这些指标可以准确判断系统是否发生异常、检测异常的起止时间，并评估电网的稳定性。本文方法可以检测开路、短路等扰动事件，实现全局监测数据的同步处理，其计算量较小、效率高，适用于大规模电网异常状态的检测。

关键词：电网随机矩阵理论特征值评价指标异常检测

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合RMT特征值的电网异常状态检测

引用

电子测量与仪器学报 2023年第12期37卷 242-252页

作者：刘义艳郝婷楠张伟长安大学能源与电气工程学院西安710018 深圳市沃尔核材股份有限公司深圳518000

随着电网规模的不断扩大,电网监测数据变得越来越多元化、高速化、海量化,使得电网监测工作变得更加复杂和艰巨。针对传统方法处理电网高维数据效率低、同步性差的问题,本文研究了一种利用随机矩阵理论(RMT)提取监测数据特征值实现电网... 详细信息

随着电网规模的不断扩大,电网监测数据变得越来越多元化、高速化、海量化,使得电网监测工作变得更加复杂和艰巨。针对传统方法处理电网高维数据效率低、同步性差的问题,本文研究了一种利用随机矩阵理论(RMT)提取监测数据特征值实现电网异常状态的检测方法。首先,设计了电网内异常扰动类型,构建了一个矩阵窗口来选择时间序列内的监测信号,从而建立高维矩阵;其次,应用M-P定律和单环定律进行矩阵变换,提取特征值并根据特征值分布情况来判断系统状态;然后,基于特征值的线性统计,构建了多种评价指标,包括最大特征值(MESCM)、最小特征值(EME)、最大最小特征值之比(MME)和平均谱半径(mean spectral radius,MSR)等指标;最后,比较了每个统计指标在电网出现短路故障、开路故障以及故障清除时的表现,以实现电网状态识别、异常事件检测和电网稳定性评估。案例测试结果表明,这些指标可以准确判断系统是否发生异常、检测异常的起止时间,并评估电网的稳定性。本文方法可以检测开路、短路等扰动事件,实现全局监测数据的同步处理,其计算量较小、效率高,适用于大规模电网异常状态的检测。

关键词：电网随机矩阵理论特征值评价指标异常检测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：