【技术实现步骤摘要】
本专利技术涉及智能电网，尤其是涉及一种变压器异常状态下的电力系统调度优化方法及系统。
技术介绍
1、随着电力系统规模和复杂性的不断增加，变压器作为电网的重要组成部分，其异常检测成为保障电力系统稳定性和可靠性的重要任务。传统的变压器异常检测方法通常依赖于阈值设定、简单的统计分析或经验规则，但这些方法在面对大规模、高维数据时常常显得力不从心，难以应对系统中多变的运行状态和复杂的故障模式。在现代电力系统中，变压器运行环境涉及到多个变量，如负荷波动、温度变化、油质变化等，这些因素使得变压器的数据呈现出高度的动态性、非线性和多维性。因此，传统方法容易出现误报和漏报，难以准确、快速地检测变压器的异常。
2、随机矩阵理论（random matrix theory, rmt）作为一种有效的高维数据分析工具，近年来在复杂系统的异常检测中得到了广泛应用。通过分析变压器运行数据的特征谱变化，rmt能够识别出系统状态的异常波动，尤其在大规模数据环境下显示出其独特的优势。然而，随机矩阵理论的直接应用通常只能检测到异常的时间段，而无法精确地定位到变压器中发生异常的具体部件或位置。这使得在复杂电网环境中，单纯依赖随机矩阵的方法难以为变压器的故障诊断提供明确的定位信息。为了解决这一问题，增广矩阵方法被引入到变压器的异常检测中。增广矩阵方法通过将变压器的特定变压器数据与系统整体数据进行联合分析，能够有效地细化异常检测结果，进而提升对特定故障位置的识别精度。通过这种方法，变压器的异常定位可以变得更加精确，且对数据中的非线性特征有更好的适应性，从而提高了
技术实现思路
1、本专利技术的目的就是为了提供一种提高变压器异常状态下电力系统运行稳定性的变压器异常状态下的电力系统调度优化方法及系统。
2、本专利技术的目的可以通过以下技术方案来实现：
3、一种变压器异常状态下的电力系统调度优化方法，其特征在于，包括以下步骤：
4、实时采集各变压器的高维数据，构建高维数据矩阵；
5、采用随机矩阵理论对所述高维数据矩阵进行特征谱分析，识别出异常时间段；
6、在所述异常时间段内构建增广矩阵，以对变压器进行特征谱分析，定位出异常变压器；
7、基于所述异常时间段和定位出的异常变压器，以运行成本和碳排放最小化为目标构建调度优化模型并求解，完成异常状态下的调度优化过程。
8、进一步地，所述构建高维数据矩阵的步骤包括：
9、将所述各变压器的高维数据，构建为初始高维数据矩阵，其中所述初始高维数据矩阵为：
10、式中，表示第i个变压器在第j个时间点运行的高维数据，其维度为， m为变电站中的变压器数， n为时间采样点数；
11、对所述初始高维数据矩阵进行预处理，得到最终的高维数据矩阵。
12、进一步地，所述预处理步骤包括：
13、对所述初始高维数据矩阵进行归一化处理，其中归一化的表达式为：
14、式中，和分别表示变压器i的所有时间数据中的最小值和最大值；为归一化后的数据值，满足；
15、根据归一化结果，采用滑动平均法进行噪声过滤，得到最终的高维数据矩阵，其中滑动平均法的表达式为：
16、式中，为去噪处理后的数据；k为滑动窗口半径，决定平滑的程度；为变压器i在第p个时间点的归一化数据。
17、进一步地，所述识别出异常时间段的步骤包括：
18、构建协方差矩阵：基于所述高维数据矩阵，构建协方差矩阵，其中所述协方差矩阵为：
19、式中， n为时间采样点数，为高维数据矩阵；
20、计算特征值分布：对所述协方差矩阵求特征值，得到一组特征值，其中 m为变压器数，为协方差矩阵的第k个特征值；
21、计算平均谱半径：基于所述特征值分布，计算平均谱半径，作为变压器状态的监测指标，其中所述平均谱半径的计算表达式为：
22、式中， msr为平均谱半径；
23、识别异常时间段：判断所述平均谱半径 msr是否超过设定阈值，若是，则表示变电站处于异常状态，标记为异常时间段，若否，则不标记。
24、进一步地，所述定位出异常变压器的步骤包括：
25、构建增广矩阵：将单独的变压器的高维数据与所述高维数据矩阵进行组合，构建为增广矩阵，其中所述增广矩阵为：
26、式中，表示第i个变压器在时间的数据向量，维度为，为高维数据矩阵，为增广矩阵，维度为， n为时间采样点数， m为变压器数；
27、构建增广协方差矩阵：基于所述增广矩阵，构建增广协方差矩阵，其中所述增广协方差矩阵为：
28、式中，为增广协方差矩阵，维度为；
29、计算增广矩阵特征值分布：计算所述增广协方差矩阵的特征值集合，其中为增广协方差矩阵的第k个特征值；
30、计算增广平均谱半径：基于所述增广矩阵特征值分布，计算增广协方差矩阵的平均谱半径，其中所述平均谱半径的计算表达式为：
31、式中， amsr为平均谱半径；
32、识别异常变压器：判断所述平均谱半径 amsr是否超过设定阈值，若是，则判定变压器 i存在异常，若否，则认为变压器 i无异常。
33、进一步地，所述调度优化模型包括目标函数和对应的约束条件，所述目标函数为：
34、式中，z为总优化目标值；为第i类能源的单位功率成本系数；为第i类能源在时间t的调度功率；为碳排放权重系数；为第i类能源的单位功率碳排放系数；为第i类变压器的负载与电压变化系数，反映变压器异常对调度的影响；为变压器异常状态的权重系数，控制变压器异常在优化目标中的优先级；
35、约束条件包括：
36、（1）功率限制约束（2）负载需求平衡约束、（3）能量存储约束（4）变压器安全运行约束式中，为第j类能源的最大输出功率，为第j类能源在时间t的输出功率， m为能源种类数，为系统在时间t的总负载需求，为储能设备在时间t的存储状态，为充放电量的变化，和分别为变压器的温度和电压，和为其安全运行的最大值。 本文档来自技高网...
【技术保护点】
1.一种变压器异常状态下的电力系统调度优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种变压器异常状态下的电力系统调度优化方法，其特征在于，所述构建高维数据矩阵的步骤包括：
3.根据权利要求2所述的一种变压器异常状态下的电力系统调度优化方法，其特征在于，所述预处理步骤包括：
4.根据权利要求1所述的一种变压器异常状态下的电力系统调度优化方法，其特征在于，所述识别出异常时间段的步骤包括：
5.根据权利要求1所述的一种变压器异常状态下的电力系统调度优化方法，其特征在于，所述定位出异常变压器的步骤包括：
6.根据权利要求1所述的一种变压器异常状态下的电力系统调度优化方法，其特征在于，所述调度优化模型包括目标函数和对应的约束条件，所述目标函数为：
7.根据权利要求1所述的一种变压器异常状态下的电力系统调度优化方法，其特征在于，还包括异常告警步骤，具体包括：
8.根据权利要求7所述的一种变压器异常状态下的电力系统调度优化方法，其特征在于，所述偏离程度的计算表达式为：
9.根据权利
10.一种变压器异常状态下的电力系统调度优化系统，其特征在于，包括：
...【技术特征摘要】
1.一种变压器异常状态下的电力系统调度优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种变压器异常状态下的电力系统调度优化方法，其特征在于，所述构建高维数据矩阵的步骤包括：
3.根据权利要求2所述的一种变压器异常状态下的电力系统调度优化方法，其特征在于，所述预处理步骤包括：
4.根据权利要求1所述的一种变压器异常状态下的电力系统调度优化方法，其特征在于，所述识别出异常时间段的步骤包括：
5.根据权利要求1所述的一种变压器异常状态下的电力系统调度优化方法，其特征在于，所述定位出异常变压器的步骤包括：
6.根据权利要求1所述的一种变压器异常状...
【专利技术属性】
技术研发人员：褚洁平，吴俊菁，陈吉，李婷婷，马茜，袁娜娜，陆婷怡，潘家琲，孙昕，顾乐俊，贺兴，马墅研，
申请(专利权)人：国网上海市电力公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。