基于样本协方差矩阵最大特征值的低信噪比环境电网异常状态检测

为发展基于数据驱动的电网态势感知理论与方法,基于样本协方差矩阵的最大特征值(Maximum Eigenvalue of Sample Covariance Matrix, MESCM),提出了一种适用于低信噪比场景的电网异常状态检测方法。该方法源于随机矩阵理论,通过数据源矩阵的构造,窗口数据矩阵及其标准矩阵的构建,进而形成其样本协方差矩阵。通过该矩阵的最大特征值计算与越限判别,实现电网态势感知与预警。借助PSS/E软件,案例分析在一个IEEE 39节点系统及一个南方电网规划系统展开,涉及负荷异常跃变及三相短路接地故障。与传统平均谱半径分析法的计算结果比较表明该方法具有抗噪性能高,计算耗时少的优点,同时对于非完整性信息有一定的鲁棒性。