本算例原始数据是IEEE39节点中17个负荷节点总负荷连续增长，每个负荷节点负荷都发生变化。选取每一状态点的所有节点电压和负荷节点的有功功率构成56维随机矩阵，一共956个采样时刻，其中前200个时刻为系统稳定状态，从第201个时刻开始，总负荷连续增长，取时间窗口TwTw=80，依次对每个滑动时间窗口构成的矩阵按照上文方法进行平均谱半径的计算，结果如图4所示。
图4平均谱半径曲线
从图4中可以看出，由于时间窗口为80，故平均谱半径数值从第80个采样点开始分析，时间窗口中包含历史数据，在稳定时刻平均谱半径曲线平稳，随着总负荷的增加，系统负荷裕度降低，平均谱半径呈下降趋势，系统趋于不稳定状态。
4.2算例2
本算例设置IEEE39节点中第18节点处负荷功率连续增加，其余负荷节点处负荷功率保持不变。一共361个采样时刻，其中前200个采样时刻系统处于稳定状态，从201个采样时刻开始第18节点处的负荷功率开始连续增加。选取每一个采样时刻系统发电机节点、负荷节点处母线电压共27维数据和所有负荷节点有功功率共17维数据构成44维随机矩阵进行分析，选取时间窗口TwTw=80，依照上文介绍方法进行静态稳定性态势评估，采样时刻和平均谱半径曲线如图5所示。
图5平均谱半径曲线
可以看出从第80个采样时刻到第200个采样时刻平均谱半径相对平稳，波动是由于噪声和随机矩阵服从统计规律造成的，若扩大滑动窗口宽度，去噪能力增强，曲线会相对平滑。从第200个采样时刻开始平均谱半径数值呈降低趋势，事实上，总负荷功率在此时间段内为上升趋势。
为寻找何处负荷功率变化对电网产生影响，采用增广矩阵方法，提取电网状态数据与负荷数据之间的相关性，先选取每一个采样时刻系统发电机节点、负荷节点处母线电压共27维数据，在此基础上依次分别选取17个负荷节点处的有功功率扩展到27维，构成54维的随机矩阵进行仿真分析，时间窗口Tw=80，结果如图6所示。
从图中可以看出一共17条曲线，每一条曲线
图6不同负荷的平均谱半径曲线
对应一个负荷节点有功功率与发电机、负荷节点的电压构成的随机矩阵。在第200个采样时刻之前17条曲线平均谱半径值均呈现出平稳的趋势，而后，其中16条平均谱半径值相对平稳，1条曲线的平均谱半径呈现下降趋势。曲线和随机矩阵一一对应，随机矩阵和电网负荷节点一一对应，可以看出第18节点处负荷功率发生了变化。
5结论
本文在分析电力系统实际运行产生的数据基础上，利用随机矩阵的相关理论，提出了一种电网静态稳定态势的评估方法，得出以下结论：
1）随着电网多源广域量测信息平台的完备，本文采用高维随机矩阵模型提出了电网静态稳定态势的表征方法，实现电网各个节点不同的状态量的数据融合。
2）相对于传统的静态稳定态势评估方法，本文方法融合状态量多，数据量相对较大，充分利用电网产生的数据，将数据转化为知识，避免了通过机理建模中各种简化和假设导致分析结果不能充分反映系统实际运行情况的问题，提高了评估的可靠性。
3）本方法将历史数据和当前数据充分应用，基于随机矩阵理论，通过对M-P率或圆环率求得的特征值分析，利用平均谱半径作为评价指标，进行静态稳定态势的评估。
4）通过算例分析计算可以验证该方法的有效性，此外还可以对负荷功率变化节点进行检测，提出的方法可以用来进行负荷薄弱节点判别，需要结合实际数据做进一步分析。
