配电网作为电力系统中面向用户供电的重要环节,合理的无功优化能够提高电压质量,保障电网安全、经济运行。随着电网的规模扩大以及分布式电源、电动汽车的渗透率增加,系统的运行状态表现出强互动、多耦合、高随机性的特征,传统的无功优化方法存在难以获得全局最优、计算速度慢等问题。与此同时,电力系统信息化程度大幅提高,配电网的运行数据呈现指数的增长,利用大数据技术挖掘配电网大数据中的潜在信息,为解决无功优化问题提供了一种新路径。本文基于随机矩阵理论,开展了大数据构架下配电网无功优化技术的研究,主要研究内容如下:(1)基于改进的离散粒子群算法,提出了一种由Open DSS/Matlab联合仿真的传统无功优化方法,并通过算例验证了该方法的正确性和有效性,为后续的研究奠定了基础。(2)提出了配电网无功优化大数据技术架构。随着电网的规模扩大以及信息化发展,运行时产生的海量数据蕴含了大量与无功优化相关的规律和信息,可以利用随机矩阵理论挖掘数据的统计学特性,再建立它们与控制策略之间的映射关系,从数据驱动角度研究配电网无功优化的解决方案。(3)提出了配电网随机矩阵构建方法以及能够反映系统运行状态的特征提取方法。通过统计建模和特征提取的方式来处理配电网状态数据和天气数据,避免了随机性假设,为分析配电网的运行状态提供了重要信息。(4)提出了基于随机矩阵的配电网无功优化方法。首先,分析了利用历史数据和场景匹配法解决无功优化问题的可行性,综合考虑提取的所有特征来衡量场景之间的差异,提出一种基于随机矩阵和历史场景匹配的配电网无功优化方法。接着,为进一步优化无功控制效果,利用支持向量机建立配电网随机矩阵的统计特征到控制策略的映射,提出了一种基于随机矩阵和支持向量机的配电网无功优化方法。最后,通过多个算例对提出的两种方法进行了对比验证。(5)提出了基于随机矩阵的配电网综合优化方法。鉴于配电网的无功控制和网络重构是系统优化运行的两种主要措施,为了取得更好的优化效果,提出了一种考虑重构的基于随机矩阵和支持向量机的两阶段配电网综合优化方法,利用支持向量机分阶段学习系统特征、开关状态以及控制策略之间的映射关系,先确定当前配电网的拓扑结构,再确定无功优化控制策略,并通过多个算例验证了该方法的快速性、可行性和有效性。