版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、基于高維隨機矩陣分析的竊電識別方法基于高維隨機矩陣分析的竊電識別方法王穎琛王穎琛顧潔顧潔金之儉金之儉上海交通大學(xué)上海交通大學(xué)大數(shù)據(jù)工程技術(shù)研究中心大數(shù)據(jù)工程技術(shù)研究中心摘要:竊電檢查是用電檢查的重點和難點。本文基于大數(shù)據(jù)理論以電網(wǎng)運行采集參數(shù)為元素構(gòu)建了高維隨機矩陣通過對矩陣的統(tǒng)計特性進行刻畫提出基于大數(shù)據(jù)分析的竊電識別方法解決了傳統(tǒng)竊電檢查方法耗費人力大時效性差判斷不精準(zhǔn)的問題從而實現(xiàn)了高效反竊電。文章以33節(jié)點電網(wǎng)運行模型為例根據(jù)仿
2、真采集到的電網(wǎng)隨時間變化的電壓電流等運行參數(shù)實現(xiàn)了對竊電發(fā)生判別、竊電發(fā)生時間確定、竊電地點的精確定位、竊電類型的判別。關(guān)鍵詞:竊電識別高維隨機矩陣協(xié)方差矩陣經(jīng)驗譜密度函數(shù)MP律作者簡介:作者簡介:王穎琛(1991)女碩士研究生研究方向為大數(shù)據(jù)在電力系統(tǒng)中的應(yīng)用Email:cherish102727@作者簡介:作者簡介:顧潔(1971)女副教授碩士生導(dǎo)師研究方向為大數(shù)據(jù)在電力系統(tǒng)中的應(yīng)用智能電網(wǎng)規(guī)劃與運行等Email:gujie@sjt
3、u.作者簡介:作者簡介:金之儉(1965)男教授博士生導(dǎo)師研究方向為大數(shù)據(jù)在電力系統(tǒng)中的應(yīng)用智能電網(wǎng)規(guī)劃與運行等Email:zjjin@sjtu.。收稿日期:收稿日期:20160806基金:基金:國家863高技術(shù)基金項目(2015AA050204)ElectricElectricLarcenyLarcenyRecognitionRecognitionMethodMethodBasedBasedononHighHighDimensiona
4、lDimensionalRomRomMatrixMatrixAnalysisAnalysisWANGWANGYingchenYingchenGUGUJieJieJINJINZhijianZhijian始時間和終止時間、精確定位竊電地點及辨識竊電類型對高維隨機矩陣?yán)碚撛诟`電分析中的應(yīng)用進行探討。1高維隨機矩陣?yán)碚摵喗楦呔S隨機矩陣?yán)碚摵喗殡娏ο到y(tǒng)運行時各節(jié)點實時產(chǎn)生大量的運行數(shù)據(jù)例如節(jié)點電壓、節(jié)點電流、節(jié)點有功功率、節(jié)點無功功率等。這些隨時
5、間變化的量反映了電網(wǎng)運行狀態(tài)將電網(wǎng)運行參量抽象為一個大型的隨機矩陣并構(gòu)建該隨機矩陣的樣本協(xié)方差矩陣。協(xié)方差矩陣的特征值分布與經(jīng)驗特征值譜密度函數(shù)反映了系統(tǒng)運行特征的變化規(guī)律可以據(jù)此確定竊電發(fā)生的相關(guān)信息。1.11.1基于高維隨機矩陣的電網(wǎng)運營大數(shù)據(jù)建模基于高維隨機矩陣的電網(wǎng)運營大數(shù)據(jù)建模電網(wǎng)運行過程中會實時產(chǎn)生如節(jié)點電壓節(jié)點電流節(jié)點有功等運行參數(shù)這些運行參數(shù)在電力用戶用電信息采集系統(tǒng)中一般以時間序列的形式進行儲存且在沒有異常的情況下變化
6、平穩(wěn)不會有突變點。結(jié)合電網(wǎng)運行參數(shù)的這些特性對電網(wǎng)運營大數(shù)據(jù)進行如下建模:(1)構(gòu)建電網(wǎng)運營時間序列數(shù)據(jù)的高維隨機矩陣(2)求取該高維隨機矩陣的協(xié)方差矩陣(3)求取該協(xié)方差矩陣的特征值應(yīng)用MP律單環(huán)率等經(jīng)典隨機分析理論對電網(wǎng)運行特征進行分析判斷。1.21.2基于高維隨機矩陣?yán)碚摰碾娋W(wǎng)運營數(shù)據(jù)的大數(shù)據(jù)表征方法基于高維隨機矩陣?yán)碚摰碾娋W(wǎng)運營數(shù)據(jù)的大數(shù)據(jù)表征方法隨機矩陣是指矩陣中至少有一個元素為隨機變量所構(gòu)成的矩陣。行數(shù)和列數(shù)都趨于無窮的隨機
7、矩陣稱之為高維隨機矩陣。在實際應(yīng)用中一般將行數(shù)和列數(shù)均超過100的矩陣視作高維矩陣[56]。高維隨機矩陣?yán)碚撝斜硎敬髷?shù)據(jù)結(jié)構(gòu)的形式不一隨機矩陣中的元素可以是確定的數(shù)據(jù)也可以是遵循某些分布的隨機數(shù)。假設(shè)電網(wǎng)中設(shè)有n個觀測點每一個觀測點可以得到一個電網(wǎng)運行參數(shù)在觀測時間點t的一個時間序列向量xi∈Ct1i=12…n由觀測點采集到的運行參數(shù)數(shù)據(jù)可以構(gòu)成一個nt維的時間序列矩陣:常規(guī)的統(tǒng)計方法處理該矩陣的適用范圍為維數(shù)小于10且為固定值的數(shù)據(jù)集
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于矩陣條件數(shù)的載荷識別方法研究.pdf
- 基于矩陣主成分分析的人臉識別方法研究.pdf
- 基于共生擴展八鄰域矩陣的紋理識別方法.pdf
- 基于遞推隨機有限元的隨機結(jié)構(gòu)損傷識別方法.pdf
- 基于稀疏矩陣分解的特征基因識別方法研究.pdf
- 18948.基于矩陣分?jǐn)?shù)范數(shù)的人臉識別方法
- 基于隨機森林和ReliefF的致病SNP識別方法.pdf
- 基于廣義柔度矩陣和小波分析的結(jié)構(gòu)損傷識別方法.pdf
- 面向高維數(shù)據(jù)的共享子空間識別方法研究.pdf
- 基于譜矩陣分解重構(gòu)的波束形成聲源識別方法.pdf
- 基于高光譜圖像的物證識別方法研究.pdf
- 基于多層條件隨機場的短語音語義識別方法.pdf
- 23952.基于隨機森林的植物抗性基因識別方法研究
- 基于高光譜成像分析的籽棉異性纖維識別方法研究.pdf
- 非線性高維輪廓局部變點識別方法研究.pdf
- 基于腦電的上肢動作識別方法的研究.pdf
- 基于二維小波分析的板損傷識別方法研究.pdf
- 基于臉型的三維人臉識別方法研究.pdf
- 基于隨機點積圖理論的模式識別方法研究.pdf
- 基于矩陣低秩近似的人臉識別方法研究.pdf
評論
0/150
提交評論