基于多重高维协方差检验的智能电网状态评估中海量流式 PMU 数据建模与分析

相量测量单元 (PMU) 的类似部署、数据量的增加以及能源市场的放松管制，都要求大规模电力系统具备鲁棒的状态评估。由于求解高维潮流方程的复杂性规模，实现基于模型的估计器是不切实际的。在本文中，我们首先将海量流式 PMU 数据表示为大型随机矩阵流。通过利用海量流式 PMU 数据协方差矩阵中的变化，我们开发了一种基于多重高维协方差矩阵检验的新型电力状态评估算法。所提出的检验统计量灵活且非参数化，不假设 PMU 数据具有特定的参数分布或维度结构。此外，它能够联合揭示系统事件的相对幅度、持续时间和位置。出于实际应用考虑，我们通过主成分计算和冗余计算消除，将所提出检验统计量的计算复杂度从 $O(\varepsilon n_g^4)$ 降低至 $O(\eta n_g^2)$。利用 IEEE 30 节点和 118 节点系统、波兰 2383 节点系统以及一个真实的 34-PMU 系统对新型算法进行了数值评估。案例研究说明并验证了所提出状态评估指标的优越性。