基于随机矩阵理论的智能电网时空大数据分析：综合研究
应用统计
2017-08-17 v1
摘要
智能电网的基石在于对其资产和运行的高级可监测性。日益普及的相量测量单元 (PMU) 使得所谓的同步相量测量的采集速度比传统的监控与数据采集 (SCADA) 测量快约 100 倍，并利用全球定位系统 (GPS) 信号进行时间戳标记以捕捉电网动态。另一方面，低延迟双向通信网络的可用性将为高精度实时电网状态估计与检测、应对网络不稳定性的补救措施，以及用于故障预防的准确风险分析和事后评估铺平道路。在本章中，我们首先将大规模电网中的时空 PMU 数据建模为随机矩阵序列。其次，简要介绍了随机矩阵理论 (RMT) 的一些基本原理，如渐近谱定律、变换、收敛速度和自由概率，以便更好地理解和应用 RMT 技术。最后，基于合成数据和真实数据开发了案例研究，以评估基于 RMT 的方案在不同应用场景（即状态评估和态势感知）中的性能。
引用
@article{arxiv.1708.04935,
title = {Spatio-Temporal Big Data Analysis for Smart Grids Based on Random Matrix Theory: A Comprehensive Study},
author = {Robert Qiu and Lei Chu and Xing He and Zenan Ling and Haichun Liu},
journal= {arXiv preprint arXiv:1708.04935},
year = {2017}
}
备注
Book chapter#23 for the book "Transportation and Power Grid in Smart Cities: Communication Networks and Services". arXiv admin note: text overlap with arXiv:1302.0885 by other authors