[发明专利]一种基于大数据的配电网无功优化控制序列确定方法

权利要求书

1.一种基于大数据的配电网无功优化控制序列确定方法，其特征在于，包括：

步骤1：获取配电网无功优化数据源；

步骤2：依据所述配电网无功优化数据源，结合单环定律构造配电网无功优化随机矩阵；

步骤3：所述配电网无功优化随机矩阵进行等奇异值等价变换，利用平均谱半径求取法，求无功优化随机矩阵的平均谱半径；并依据平均谱半径计算历史负荷与当前负荷的相关性系数；

步骤4：依据所述历史负荷与当前负荷的相关性系数，选择相关性系数较强的日期，以该日期无功优化序列作为优化结果。

2.如权利要求1所述的一种基于大数据的配电网无功优化控制序列确定方法，其特征在于：所述步骤1根据配电管理系统数据，获取配电网无功优化数据源；将所述配电管理系统数据通过分布式数据源集成、存储和处理，整合形成配电网无功优化数据源。

3.如权利要求1或2所述的一种基于大数据的配电网无功优化控制序列确定方法，其特征在于：所述步骤2的依据所述配电网无功优化数据源，结合单环定律构造配电网无功优化随机矩阵的过程包括：

设ΩΦ为配电网无功优化数据源集，φ_n,t表示单日内第n条母线，第t次采样数据，用矩阵Φ_i,i＝1,2,3,···,L表示第i天的无功优化数据源矩阵，{Φ_i}表示无功优化数据源矩阵序列；电网母线数量N，单日数据采样次数为T，则无功优化数据源矩阵表示为：

由此，获得有功负荷数据源矩阵P_i和无功功率数据源矩阵Q_i，则负荷数据源矩阵表示为：

定义累计负荷函数Is(t)：

其中，s(τ)表示τ时刻的负荷，Is(t)表示t小时的累计负荷，负荷数据单日采样次数为T时，累计负荷函数近似离散化表示为：

其中，t＝1,2,3,···,T，s_n,k表示第n条母线，第k次采样负荷；对于负荷数据源矩阵S_i＝{s_nt}_2N×T求累计负荷数据源矩阵：

设历史累计负荷矩阵用序列为{Sh_i}，当前预测累计负荷矩阵Sd，则定义无功优化负荷随机矩阵序列{A_i}，其中A_i为2N×2T维增广矩阵：

A_i＝[Sh_i,Sd],i＝1,2,3,···,L

则增广矩阵A_i即为配电网无功优化随机矩阵。

4.如权利要求1所述的一种基于大数据的配电网无功优化控制序列确定方法，其特征在于：所述步骤3中的利用平均谱半径求取法，求无功优化随机矩阵的平均谱半径的过程包括：

设无功优化随机矩阵为X＝A＝{x_ij},x_ij为复数，即矩阵X∈C^N×M为N×M维复数矩阵；设为M维行向量，则X表示为其中，行向量

将矩阵X进行标准化处理，按行转化为标准非Hermitian矩阵：

式中，是随机矩阵行向量的均值，是随机矩阵行向量的标准差，转化后的行向量均值其标准差经过按行转化后得到标准非Hermitian矩阵

将转化为奇异值等价方阵X_u∈C^N×N为N×N维复数矩阵，由转化为等价方阵X_u∈C^N×N满足:

其中，U为酉矩阵，表示X_u满足由单环定律，对于L个奇异值等价随机矩阵X_u，矩阵积Z＝{z_ij}表示为：

对于矩阵积Z按行标准化处理，转化为标准矩阵积

其中，σ(z_i)为矩阵Z第i个行向量的标准差；

设表示矩阵的特征根，则平均谱半径κ_MSR为：