电网故障时间间隔的统计分布及非线性特征分析

被引：14

作者：

徐立新 ^{[1
]}

杨建梅 ^{[2
]}

潮铸 ^{[3
]}

刘明波 ^{[4
]}

机构：

[1] 华南理工大学经济与贸易学院

[2] 华南理工大学工商管理学院

[3] 广东电网公司电力调度控制中心

[4] 华南理工大学电力学院

来源：

电网技术 | 2013年 / 37卷 / 12期

关键词：

电力系统; 时间间隔; 幂律分布; Hurst指数; R/S方法; SWV方法;

D O I：

暂无

中图分类号：

TM711 [网络分析、电力系统分析];

学科分类号：

083903 [网络与系统安全];

摘要：

为了研究电网故障的内在动力学机理,以广东电网为例研究了电网故障时间间隔序列的统计分布及非线性特征。首先检验和分析了2000年8月—2013年4月电网故障的统计分布特性,结果表明电网发生故障的时间间隔具有阵发和厚尾现象,近似满足幂律分布。然后应用R/S(rescaled range analysis)和SWV(scaled windowed variance)2种Hurst指数分析方法,求得广东电网故障时间间隔序列的Hurst指数,分别为0.867 01和0.974 14,两者均显著地接近1,结论具有一致性。这揭示了电网发生故障的时间间隔不仅是非随机的,而且具有强的长程正相关性和自相似性。研究故障的时间间隔特征可以为电网进行风险预测和风险评估提供决策依据。

引用

页码：3482 / 3488

页数：7

共 12 条

[1]

On Hurst exponent estimation under heavy-tailed distributions [J].

Barunik, Jozef ;

Kristoufek, Ladislav .

PHYSICA A-STATISTICAL MECHANICS AND ITS APPLICATIONS, 2010, 389 (18) :3844-3855

[2]

A topological analysis of the Italian electric power grid.[J].Paolo Crucitti;Vito Latora;Massimo Marchiori.Physica A: Statistical Mechanics and its Applications.2004, 1

[3]

Evaluating scaled windowed variance methods for estimating the Hurst coefficient of time series.[J].Michael J. Cannon;Donald B. Percival;David C. Caccia;Gary M. Raymond;James B. Bassingthwaighte.Physica A: Statistical Mechanics and its Applications.1997, 3

[4]

FRACTIONAL BROWNIAN MOTIONS FRACTIONAL NOISES AND APPLICATIONS [J].