电网异常检测技术样本均方差矩阵最大特征值的异常状态检测.docxVIP

[全]电网异常检测技术-样本均方差矩阵最大特征值的异常状态检测 以同步相量测量装置（Synchronized Phasor Measurement Units，PMU）为基础的广域测量系统（Wide Area Measurement System，WAMS）日趋成熟，所产生的数据量呈指数级增长。将大数据技术引入传统系统分析中，实现基于电力数据驱动的运行状态数据据了解、提取、分析与融合的研究，实现电网运行状态的“大数据思维”分析与评价，对于我的“互联网+”智能电网的发展具有重要的理论意义。 [0003] 大数据本质上是一种方法论或数据认知论，它认为是一种主体的内部特征或运行动态特性的外在表象。数据驱动是大数据的核心思想，即主要行为决策的主要取决于分析，而不是物理建模分析或知识，具体来说，是认知者通过分析收集到的整体/数据块数据的统计特性来感知主体。 [0004] 当前，神经网络的数据驱动方法有：支持向量机，SVM）、方法法、主成分分析法（Principal Component Analysi，PCA）及随机矩阵理论（Random Matrix Theory， RMT）等。神经网络一个的特点在于其具有大量的自由参数，这使得其构建的模型具有有效的时间。但实际上却缺乏丰富的大理论和支持寿命，多数情况下仍会过分依赖于经验，有一定程度的随机性；SVM 具有仅仅需要少量的理论基础，仅需要少量的样