矩陣的運(yùn)算及其運(yùn)算規(guī)則-資料下載頁
2025-04-09 04:48本頁面
【正文】 電網(wǎng)；而另一方面，隨著智能電網(wǎng)建設(shè)進(jìn)程的不斷深入，尤其是高級測量體系(advanced meteringinfrastructure，AMI)和信息通信技術(shù)(informationmunication technology，ICT)的發(fā)展，數(shù)據(jù)將越來越容易獲取，電網(wǎng)運(yùn)行和設(shè)備監(jiān)測產(chǎn)生的數(shù)據(jù)量將呈指數(shù)級增長。然而，各電力部門普遍存在如下問題：1）從如此之多的數(shù)據(jù)中，能得到些什么？2）不同部門的數(shù)據(jù)為什么且如何混合在一起？3）壞(異常、缺失、時間不同步)數(shù)據(jù)如何處理？上述的典型問題也是現(xiàn)階段信息化建設(shè)所呈現(xiàn)的“重系統(tǒng)輕數(shù)據(jù)”模式的結(jié)果。該模式忽略了最重要的(也是理論要求最深的)數(shù)據(jù)資源利用環(huán)節(jié)，即將收集來的“數(shù)據(jù)原料”轉(zhuǎn)換成驅(qū)動力，以數(shù)據(jù)驅(qū)動(datadriven/modelfree)為主要方式及時、準(zhǔn)確地認(rèn)知系統(tǒng)，故難以滿足系統(tǒng)決策制定(decisionmaking)的需求。從數(shù)據(jù)的角度出發(fā)，海量(volume)、多樣(variety)、實(shí)時(velocity)、真實(shí)(veracity)的4 Vs 數(shù)據(jù)是未來電網(wǎng)數(shù)據(jù)的發(fā)展趨勢，而4 Vs 數(shù)據(jù)的復(fù)雜性所引起的維數(shù)災(zāi)難(curseof imensionality)等問題將不可避免地產(chǎn)生且日益嚴(yán)峻。而隨機(jī)矩陣是元素為隨機(jī)變量(random variable)的一類矩陣，隨機(jī)矩陣?yán)碚?random matrix theory，RMT)主要研究隨機(jī)矩陣的特征根和特征向量的一些統(tǒng)計分析性質(zhì)，其核心為線性特征根統(tǒng)計量(linear eigenvalue statistic，LES)。隨機(jī)矩陣知識與電力系統(tǒng)的廣泛結(jié)合將有的放矢的緩解這一問題。4 結(jié)論與展望 本文第二部分簡要介紹了矩陣基本知識在新能源領(lǐng)域建模的應(yīng)用情況。由此可見，矩陣基本知識已經(jīng)廣泛應(yīng)用與電力系統(tǒng)的各個領(lǐng)域多年。但近年來，隨著新能源裝機(jī)容量日益增長與新能源遠(yuǎn)距離傳輸消納問題的日益凸顯。包括隨機(jī)矩陣在內(nèi)的新興相關(guān)知識與電力系統(tǒng)人工智能網(wǎng)絡(luò)的結(jié)合日漸緊密。隨機(jī)矩陣?yán)碚摵突诖说碾S機(jī)矩陣建模給電力系統(tǒng)認(rèn)知提供了一種全新的視角，該部分知識將有效地利用系統(tǒng)中的大數(shù)據(jù)資源，同時避開經(jīng)典模型方案極難回避的一些問題。雖然當(dāng)前基于隨機(jī)矩陣?yán)碚摰碾娋W(wǎng)相關(guān)分析和應(yīng)用才起步；但長遠(yuǎn)來看，該部分知識將很有可能成為電網(wǎng)認(rèn)知的主要驅(qū)動力。另一方面，數(shù)據(jù)驅(qū)動方法可以和常規(guī)基于模型分析方法相結(jié)合。最終，將形成一套統(tǒng)計指標(biāo)聯(lián)合經(jīng)典指標(biāo)的電力系統(tǒng)認(rèn)知體系，以用于電網(wǎng)運(yùn)行態(tài)勢的實(shí)時評估。更進(jìn)一步，該指標(biāo)體系中多種指標(biāo)可作為媒介，即深度學(xué)習(xí)的輸入，為結(jié)合矩陣知識的人工智能在電網(wǎng)中的應(yīng)用提供一種思路。
公司管理相關(guān)推薦
鄂ICP備17016276號-1