✅ 操作成功!

矩阵的运算法则

发布时间:2023-06-07 作者:admin 来源:文学

矩阵的运算法则

矩阵的运算法则

十二原穴-面面垂直怎么证明

2023年2月22日发(作者:武鸣河)

矩阵基本运算及应用

201700060牛晨晖

在数学中,矩阵是一个按照长方阵列排列的复数或实数集合。矩

阵是高等代数学中的常见工具,也常见于统计分析等应用数学学科中。

在物理学中,矩阵于电路学、力学、光学和量子物理中都有应用;计

算机科学中,三维动画制作也需要用到矩阵。矩阵的运算是数值分

析领域的重要问题。将矩阵分解为简单矩阵的组合可以在理论和实际

应用上简化矩阵的运算。在电力系统方面,矩阵知识已有广泛深入的

应用,本文将在介绍矩阵基本运算和运算规则的基础上,简要介绍其

在电力系统新能源领域建模方面的应用情况,并展望随机矩阵理论等

相关知识与人工智能电力系统的紧密结合。

1矩阵的运算及其运算规则

1.1矩阵的加法与减法

1.1.1运算规则

设矩阵,,

简言之,两个矩阵相加减,即它们相同位置的元素相加减!

注意:只有对于两个行数、列数分别相等的矩阵(即同型矩阵),

加减法运算才有意义,即加减运算是可行的.

1.1.2运算性质

满足交换律和结合律

交换律;

结合律.

1.2矩阵与数的乘法

1.2.1运算规则

数乘矩阵A,就是将数乘矩阵A中的每一个元素,记为或

特别地,称称为的负矩阵.

1.2.2运算性质

满足结合律和分配律

结合律:(λμ)A=λ(μA);(λ+μ)A=λA+μA.

分配律:λ(A+B)=λA+λB.

1.2.3典型举例

已知两个矩阵

满足矩阵方程,求未知矩阵.

解由已知条件知

1.3矩阵与矩阵的乘法

1.3.1运算规则

设,,则A与B的乘积是这样一个矩阵:

(1)行数与(左矩阵)A相同,列数与(右矩阵)B相同,即

(2)C的第行第列的元素由A的第行元素与B的第列元

素对应相乘,再取乘积之和.

1.3.2典型例题

设矩阵

计算

解是的矩阵.设它为

可得结论1:只有在下列情况下,两个矩阵的乘法才有意义,或说乘

法运算是可行的:左矩阵的列数=右矩阵的行数;结论2在矩阵

的乘法中,必须注意相乘的顺序.即使在与均有意义时,也未

必有=成立.可见矩阵乘法不满足交换律;结论3方阵A和

它同阶的单位阵作乘积,结果仍为A,即.

1.3.3运算性质(假设运算都是可行的)

(1)结合律.

(2)分配律(左分配律);

(右分配律).

(3).

1.3.4方阵的幂

定义:设A是方阵,是一个正整数,规定

显然,记号表示个A的连乘积.

1.4矩阵的转置

1.4.1定义

定义:将矩阵A的行换成同序号的列所得

到的新矩阵称为矩阵A的转置矩阵,记作或

例如,矩阵的转置矩阵为.

1.4.2运算性质(假设运算都是可行的)

(1)

(2)

(3)

(4),是常数.

1.4.3典型例题

利用矩阵

验证运算性质:

解;

所以

定义:如果方阵满足,即,则

称A为对称矩阵.

对称矩阵的特点是:它的元素以主对角线为对称轴对应相等.

1.5方阵的行列式

1.5.1定义

定义:由方阵A的元素所构成的行列式(各

元素的位置不变),称为方阵A的行列式,记

作或.

1.5.2运算性质

(1)(行列式的性质)

(2),特别地:

(3)(是常数,A的阶数为n)

思考:设A为阶方阵,那么的行列式与A的行列式之

间的关系为什么不是,而是?

不妨自行设计一个二阶方阵,计算一下和.

例如,则.

于是,而

2光伏逆变器的建模

光伏并网逆变器是将光伏组件输出的直流电转化为符合电网要

求的交流点再输入电网的关键设备,是光伏系统并网环节中能量转换

与控制的核心。光伏逆变器的性能不仅影响到光伏系统是否运行稳

定、安全可靠,也是影响整个系统使用寿命的主要因素。本节将分析

主流光伏逆变器的拓扑结构和建模方法。

2.1系统拓扑结构

光伏并网逆变器按照不同的分类方式可分为多种类型。如按照交

流侧接线数可分为单相逆变器和三相逆变器,如按照并网方式可分为

隔离型光伏逆变器和非隔离型光伏逆变器。在欧洲,相关标准要求光

伏逆变器可以采用非隔离型;而在美国,光伏逆变器必须采用隔离型

的;我国目前尚没有在此方面的明确要求。

按照能量变换级数来分,光伏并网系统主要包括单级变换、两级

变换和多级变换三种拓扑结构。为方面理解后续利用矩阵相关知识建

模,下面对这三种拓扑结构的特点做简要介绍。

1)单级变换拓扑结构

单级变换拓扑结构与前者相比,只有DC/AC逆变部分,该逆变器

一般采用单相半桥、全桥电压型逆变器或者三相全桥电压型逆变器。

这种类型的光伏逆变器具有结构简单、成本低廉等优点。由于该系统

只有一级功率转换电路,所有控制目标都要通过这一级功率转换单元

实现,因而增加了控制系统的复杂性。

图1为一典型的单极变换单相光伏逆变器的拓扑结构。这种光伏

逆变器一般会安装工频变压器。变压器可以有效降低输出侧电压,也

可以起到有效隔离绝缘的效果,具有可靠性高、维护量少、开关频率

低和电磁干扰小等特点。

逆变器

+

-

AC

工频

变压器

光伏组件

图1单级单相光伏逆变器拓扑图

2)两级变换拓扑结构

两级变换拓扑结构一般由DC/DC变换器和DC/AC逆变器两部分组

成。前者一般采用比较常见的BOOST电路、BUCK-BOOST电路或CUK电路

等,用来实现光伏阵列输出功率的最大功率跟踪的功能,DC/AC一般

采用单相或三相的并网逆变器实现并网、有功调节、无功补偿或者谐

波补偿等相关功能。

图2为一典型的两级变换单相光伏逆变器的拓扑结构。第一级是

DC/DC变换环节,其拓扑类型为boost电路,目的是把光伏组件输出的

不稳定直流低电压提升到可并网的稳定直流高电压。第二级是DC/AC

逆变环节,由单相全桥的可逆PWM整流器构成,这一级的功率开关可

以采用MOSFET或IGBT。

AC

升压变换器逆变器

+

-

光伏组件

图2两级变换单相光伏逆变器拓扑图

3)多级变换拓扑结构

采用高频变压器绝缘方式的多级变换拓扑结构通过采用带有整

流器的高频率变压器来提升输入电压,具有体积小、重量轻、成本低

等优点,常用于并网型太阳能发电设备之中。

图3为一典型的带高频变压器的多级变换单相光伏逆变器的拓

扑结构。这种拓扑结构由于需要经过三级能量变换,通常效率相对较

低,并且由于高频电磁干扰严重,必须采用滤波和屏蔽等相关措施。

逆变器

AC

+

-

逆变器整流器

高频

变压器

光伏组件

图3带高频变压器的多级式光伏逆变器拓扑图

2.2典型光伏逆变器的建模

与两级式光伏逆变器相比,单级式光伏逆变器只有一个能量变换

环节,结构紧凑、元器件少,能量转换效率更高。目前,单级式三相

光伏并网逆变器在大中型光伏电站的建设中得到了大规模的应用。本

节选取此类光伏逆变器作为典型进行建模分析。

如图4所示,三相光伏逆变器一般由防反冲二极管、直流母线稳

压电容、DC/AC逆变环节、逆变器输出滤波器组成。

e

a

e

b

e

c

光伏阵列

D

u

dc

R

1

R

2

R

3

L

1

L

2

L

3

P

N

o

i

pv

i

dc

i

a

i

b

i

c

光伏逆变器

图4三相光伏并网发电系统电路图

假定三相电感且其等效电感、电阻值分别为L1

=L2

=L3

=L和

R1

=R2

=R3

=R。三相全桥都是理想的开关管。光伏发电系统在三相静止

坐标系下的数学模型如下:







dcccc

c

dcbbb

b

dcaaa

a

uSeRi

dt

di

L

uSeRi

dt

di

L

uSeRi

dt

di

L

(2.1)

式中:

ia

、ib

、ic

——三相并网逆变器的输出电流;

ea

、eb

、ec

——三相电网电压;

Sa

、Sb

、Sc

——开关函数;

udc

——直流母线电压;

考虑直流母线中电流的稳压作用,则有

)(

bcbbaapv

dciSiSiSi

dt

du

C

(2.2)

式中:

C——直流母线稳压电容;

ipv

——光伏阵列输出电流。

将公式2.2进行同步矢量旋转变换,则得到dq坐标系下的三相

光伏并网发电系统的模型为:







C

iSiS

C

i

dt

du

L

uS

L

e

i

L

Ri

dt

di

L

uS

L

e

i

L

Ri

dt

di

qqddpv

dc

dcqq

d

qq

dcdd

q

dd

2

)(3

(2.3)

式中:

id

、iq

——逆变器输出电流d、q轴(有功、无功)分量;

ed

、eq

——电网电压d、q轴分量;

Sd

、Sq

——触发三相逆变桥的开关信号d、q轴分量;

ω——电网电压的角频率,即dq坐标系的旋转速度。

公式2.3中两个电流方程写成矩阵形式为:

ddddcd

qqqdcq

iiSue

RL

d

L

iiSue

LR

dt

















(2.4)

对公式2.4两边取拉式变换得

()()()()

()()()()

ddddcd

qqqdcq

IsIsSUsEs

RL

Ls

IsIsSUsEs

LR

















(2.5)

令*()

d

Us=()

ddc

SUs,*()

q

Us=()

qdc

SUs,相应时域中有*

d

u=

ddc

Su,*

q

u

=

qdc

Su,则公式2.5可写为

*

*

()()()()

()()()

()

dddd

qqq

q

UsIsIsEs

RL

Ls

IsIsEs

LR

Us























(2.6)

公式2.6的时域表达式为:

*

*

dddd

qqq

q

uiie

RL

d

L

iie

LR

dt

u























(2.7)

3随机矩阵相关理论

3.1随机矩阵相关理论和要点

随机矩阵理论(randommatrixtheory,RMT)的研究起源于原子

核物理领域。Wigner在研究量子系统中得出结论,对于复杂的量子系

统,随机矩阵理论的预测代表了所有可能相互作用的一种平均。偏离

预测的那部分属性反映了系统中特殊非随机的性质,这为了解和研究

潜在的相互作用和关系提供了理论支撑。RMT以矩阵为单位,可以处

理独立同分布(independentidenticallydistributed,IID)的数据。

RMT并不对源数据的分布、特征等做出要求(如满足高斯分布,为

Hermitian矩阵等),仅要求数据足够大(并非无限)。故该工具适合

处理大多数的工程问题,特别适合用于分析具有一定随机性的海量数

据系统。随机矩阵理论认为当系统中仅有白噪声、小扰动和测量误差

时,系统的数据将呈现出一种统计随机特性;而当系统中有信号源(事

件)时,在其作用下系统的运行机制和内部机理将会改变,其统计随

机特性将会被打破。单环定律(RingLaw)、Marchenko-Pastur定律

(M-PLaw)均是RMT体系的重大突破。在这些理论基础上,可进一步

研究随机矩阵的线性特征根统计量(lineareigenvaluestatistics,

LES),而平均谱半径(meanspectralradius)则是LES所构造出的一

个具体对象。

3.2随机矩阵理论对电力系统的支撑

全球正在经历由信息技术时代(IT时代)向数据技术时代(DT时

代)的过渡,数据正逐步成为电力系统等大型民生系统的战略资源。

数据的价值在于其所蕴含的信息而并非数据本身,信息提取

(informationextraction)相关技术是数据增值业务的核心。智能电

网的最终目标是建设成为覆盖电力系统整个生产过程,包括发电、输

电、变电、配电、用电及调度等多个环节的全景实时系统。而支撑智

能电网安全、自愈、绿色、坚强及可靠运行的基础是电网全景实时数

据的采集、传输和存储,以及对累积的海量多源数据的快速分析。

数据化是智能电网建设的重要目标,也是未来电网的基本特征。

智能电网是继小型孤立电网、分布式互联大电网之后的第三代电网,

其网络结构错综复杂。同时,用户侧的开放致使新能源、柔性负荷、

电能产消者(如EV)大规模介入电网,这也极大地加剧了电网运行机理

和控制模型的复杂性。传统的通过对个体元器件建模、参数辨识及在

此机理模型上进行仿真的手段不足以认知日益复杂的电网;而另一方

面,随着智能电网建设进程的不断深入,尤其是高级测量体系

(advancedmeteringinfrastructure,AMI)和信息通信技术

(informationcommunicationtechnology,ICT)的发展,数据将越来

越容易获取,电网运行和设备监测产生的数据量将呈指数级增长。然

而,各电力部门普遍存在如下问题:

1)从如此之多的数据中,能得到些什么?2)不同部门的数据为

什么且如何混合在一起?3)坏(异常、缺失、时间不同步)数据如何

处理?上述的典型问题也是现阶段信息化建设所呈

现的“重系统轻数据”模式的结果。该模式忽略了最重要的(也

是理论要求最深的)数据资源利用环节,即将收集来的“数据原料”

转换成驱动力,以数据驱动(data-driven/model-free)为主要方式及

时、准确地认知系统,故难以满足系统决策制定(decision-making)

的需求。

从数据的角度出发,海量(volume)、多样(variety)、实时

(velocity)、真实(veracity)的4Vs数据是未来电网数据的发展趋

势,而4Vs数据的复杂性所引起的维数灾难(curseofimensionality)

等问题将不可避免地产生且日益严峻。

而随机矩阵是元素为随机变量(randomvariable)的一类矩阵,

随机矩阵理论(randommatrixtheory,RMT)主要研究随机矩阵的特

征根和特征向量的一些统计分析性质,其核心为线性特征根统计量

(lineareigenvaluestatistic,LES)。随机矩阵知识与电力系统的

广泛结合将有的放矢的缓解这一问题。

4结论与展望

本文第二部分简要介绍了矩阵基本知识在新能源领域建模的应

用情况。由此可见,矩阵基本知识已经广泛应用与电力系统的各个领

域多年。但近年来,随着新能源装机容量日益增长与新能源远距离传

输消纳问题的日益凸显。包括随机矩阵在内的新兴相关知识与电力系

统人工智能网络的结合日渐紧密。随机矩阵理论和基于此的随机矩阵

建模给电力系统认知提供了一种全新的视角,该部分知识将有效地利

用系统中的大数据资源,同时避开经典模型方案极难回避的一些问题。

虽然当前基于随机矩阵理论的电网相关分析和应用才起步;但长远来

看,该部分知识将很有可能成为电网认知的主要驱动力。另一方面,

数据驱动方法可以和常规基于模型分析方法相结合。最终,将形成一

套统计指标联合经典指标的电力系统认知体系,以用于电网运行态势

的实时评估。更进一步,该指标体系中多种指标可作为媒介,即深度

学习的输入,为结合矩阵知识的人工智能在电网中的应用提供一种思

路。

👁️ 阅读量:0