段晨东， 张伟， 代杰

(长安大学 电子与控制工程学院，陕西 西安 710064)

0 引 言

地下电缆的异常状态运行不仅影响供电电能质量，还会对输电线路元器件和用电设备造成损坏，及时准确地发现地下电缆异常状态尤为重要[1]。

地下电缆检修复杂，难以及时发现异常。文献[2]提出阻抗和FFT结合的方法，从频率响应的角度识别地下电缆的异常，但受线路元器件和非线性负载的影响，频率响应的方法抗干扰能力差。文献[3]提出应用S变换和SVM来识别存在异常的地下电缆，但该方法需要较大的数据集，且机器学习方法对信号质量要求高，运算时间较长。

文献[4]和文献[5]提出纯数据驱动的信号处理方法——随机矩阵理论，该方法具有不受数据模型限制的优势。文献[6]和文献[7]将随机矩阵理论引入电力系统异常检测领域。应用随机矩阵理论识别异常数据从而实现异常检测，当前文献普遍采用平均谱半径作评价指标，且一般应用于配电网仿真模型异常,分析效果较好。

考虑地下电缆监测数据受负载和环境影响波动大，单一指标误判率高等问题。本文提出基于随机矩阵理论(random matrix theory, RMT)和奇异值分解(singular value decomposition, SVD)构造融合指标的地下电缆异常检测方法。工程验证结果表明，该融合指标与传统指标相比，受信号正常波动的干扰较小，误判率低，具有更好的异常表征效果。

1 地下电缆异常检测与随机矩阵理论

1.1 地下电缆异常识别

电力设备发生异常时，电流信号相较于电压信号对异常更加敏感，因此选择电流信号作为地下电缆异常识别依据。……