Resumen

El método de análisis del estado de funcionamiento de una red de distribución tradicional depende estrictamente del modelo físico de la misma, pero varía a medida que cambia la geografía, y es difícil encontrar el estado anormal de una red de distrito en tiempo real, especialmente el cambio repentino causado por la energía distribuida y la carga EV. Por ello, se propone un método de detección del estado anómalo de la red de distribución basado en los valores propios máximos y mínimos. En primer lugar, se establece una matriz aleatoria de alta dimensión a partir de los grandes datos del sistema de gestión de la red de distribución para detectar estados anómalos mediante una ventana deslizante en tiempo real. A continuación, se obtienen los valores propios máximos y mínimos de la red de distribución calculando la matriz de covarianza de muestra de la matriz aleatoria y determinando los valores propios máximos y mínimos de esta última matriz. Por último, se tomó como ejemplo un sistema de prueba de 1177 nodos, y los resultados de la simulación mostraron que el método propuesto podía detectar el estado anómalo en tiempo real sin depender del modelo físico ni del tipo de fallo de la red.

• Materias:Álgebra Análisis Matemático Ingeniería Matemática aplicada Lógica matemática
• Subjects:Algebra Mathematical Analysis Engineering Applied Mathematics Mathematical logic
• Palabras claves:Método de análisis de estado; funcionamiento de la red de distribución tradicional; modelo físico; cambios geográficos; estado anormal; red de distrito; tiempo real; energía distribuida; carga de VE; detección de estado anormal; valores propios máximos y mínimos; matriz aleatoria de alta dimensión; big data; sistema de gestión de la red de distribución; matriz de covarianza de muestras; sistema de pruebas de 1177 nodos; resultados de simulación; método propuesto; tipo de fallo; red.
• Keywords:State analysis method; traditional distribution network operation; physical model; geography changes; abnormal state; district network; real-time; distributed energy; EV load; abnormal state detecting; maximum and minimum eigenvalues; high-dimensional random matrix; big data; distribution network management system; sample covariance matrix; 1177-node testing system; simulation results; proposed method; fault type; grid.