基于样本协方差矩阵特征特性的电网多重扰动定位方法

李洪乾 韩 松 周忠强

（1. 贵州大学电气工程学院 贵阳 550025 2. 贵州电网有限公司电力调度控制中心 贵阳 550002）

0 引言

随着同步相量测量装置、广域测量系统（Wide Area Measurement System, WAMS）的广泛应用以及5G等信息通信技术的快速演进，面向电网状态的随机波动性和复杂耦合性[1]，从数据驱动角度出发，借助大数据技术[2]，将电网量测系统采集的海量电力内外部多源数据进行知识提取和价值应用，或为新一代电力系统安全分析与控制带来新的解决方案和技术路径[3-4]。

在大数据分析方法中，随机矩阵理论（Random Matrix Theory, RMT）以大维统计原理作为根基，从宏观角度反映系统当前运行状态[5]。一方面，在基于RMT的电力系统分析理论与方法研究中，平均谱半径（Mean Spectral Radius, MSR）指标已初步实现对电网异常场景识别[6]、用户窃电侦测[7]和电网扰动传播分析[8]等应用。相较MSR指标，样本协方差矩阵最大特征值（Maximum Eigenvalue of Sample Covariance Matrix，Max-ESCM）指标不仅具备相近功能，且更适用于低信噪比场景[9-10]，在大规模电网中计算效率更高[11]。而基于RMT中的样本协方差矩阵最小特征向量（Minimum Eigenvector of Sample Covariance Matrix, Min-ESCM）指标[12]虽然在数学领域已进行了研究，但目前在电力系统领域还少有探索。另一方面，在基于RMT的电力系统领域应用探索过程中，对电网扰动定位已进行了初步研究。文献[13]基于RMT并结合增广矩阵法提出了一种故障时刻确定和故障区域定位方法，通过分别计算及比较各节点 MSR指标之差，实现了对故障节点的定位。在文献[13]的基础上，文献[14]通过分别构建每条线路的增广矩阵，并对其 MSR指标进行计算及越限判别，从而定位出故障线路。……