[发明专利]基于监测数据空时相关性的配电网异常监测与定位方法

权利要求书

1.一种基于监测数据空时相关性的配电网异常监测与定位方法，其特征在于：包括如下步骤：

S1.采集配电网中馈线的运行状态信息；

S2.对配电网中馈线的运行状态信息进行处理，得到数据矩阵；

所述步骤S2，具体包括：

S21.将馈线的运行状态信息构成空时二维监测数据矩阵D：

其中，d_i为第i个监测设备在所有采样时刻采集的监测数据序列，所述d_i＝[d_i,1,…,d_i,j,…]；N为监测设备的个数；

S22.使用设定的滑动窗口W对空时二维监测数据矩阵D进行数据提取，得到滑动窗口数据矩阵X：

其中，滑动窗口W的大小为N行T列；d_i,t为第i个监测设备在采样时刻t的T个监测数据序列；所述d_i,t＝[d_i,t-T+1,d_i,t-T+2,…,d_i,t]；

S23.对滑动窗口数据矩阵X进行归一化处理，得到归一化数据矩阵

其中，

S3.构建基于数据矩阵的经验特征值分布模型ρ_real(p)；其中，p为估计参数；

S4.构建基于残差矩阵空时相关性结构的经验特征值分布模型ρ_model(b)；其中，b为估计参数；根据如下步骤构建基于残差矩阵空时相关性结构的经验特征值分布模型ρ_model(b)：

S41.构建具有空间相关性和时间相关性结构的残差矩阵U：

其中，S是N×T维矩阵，A_N,B_T分别是空间相关的N×N维互协方差非负定矩阵和时间相关的T×T维自协方差非负定矩阵；

S42.构建残差矩阵U对应的残差协方差矩阵

S43.对残差协方差矩阵的特征值进行降序排列，以特征值的编号为横坐标，以特征值的大小为纵坐标绘制二维图形，并以二维图形作为基于残差矩阵空时相关性结构的经验特征值分布模型ρ_model(b)；

S5.求取经验特征值分布模型ρ_real(p)和经验特征值分布模型ρ_model(b)之间谱距离的最小值，将获取最小值时设置的估计参数作为最佳估计参数；其中，估计参数p对应的最佳估计参数为p^*，估计参数b对应的最佳估计参数为b^*；

S6.基于最佳估计参数p^*度量空间相关性的变化，基于最佳估计参数b^*度量时间相关性的变化，根据空间相关性的变化和时间相关性的变化进行异常监测并利用最佳估计参数p^*进行异常定位。

2.根据权利要求1所述的基于监测数据空时相关性的配电网异常监测与定位方法，其特征在于：根据如下步骤构建基于数据矩阵的经验特征值分布模型ρ_real(p)：

S31.计算数据矩阵的协方差矩阵

S32.确定协方差矩阵对应的残差协方差矩阵

其中，残差矩阵是N×p维的因子负荷矩阵，是p×T维的因子矩阵，p为估计参数；

S33.对残差协方差矩阵中的特征值进行降序排列，以特征值的编号为横坐标，以特征值的大小为纵坐标绘制二维图形，并以二维图形作为基于数据矩阵的经验特征值分布模型ρ_real(p)。

3.根据权利要求1所述的基于监测数据空时相关性的配电网异常监测与定位方法，其特征在于：根据如下公式确定空间相关的N×N维互协方差非负定矩阵A_N：

A_N＝{(A_N)_i,i＝1,(A_N)_i,j,i≠j≈0,i,j＝1,…,N}。