基于PMU/SCADA混合量测的电力系统求积分卡尔曼滤波的状态估计

发布时间：2021-07-26 07:59

　　针对目前电力系统状态估计主要采用的扩展卡尔曼滤波（EKF）存在鲁棒性差,精确度被非线性程度制约大等缺点,提出一种电力系统的计算线性方法——求积分卡尔曼滤波（QKF）进行电力系统的状态估计,该算法从统计线性回归的角度,运用高斯-厄米特积分点,使得估计精确度大幅提高,并且引入精确度高,全网实时同步的同步相量测量单元（PMU）数据,成熟性好,技术成熟的SCADA数据进行混合量测。仿真结果表明,QKF法比EKF法具有更高的计算精确度,PMU数据的引入又进一步提高了电力系统状态估计的性能。基于混合量测的QKF法状态估计在正常状态和系统发生扰动情况下均有较好的估计性能,且估计精确度在系统加入混合量测的数据后明显高于单一SCADA系统。 

【文章来源】：电机与控制学报. 2014,18(06)北大核心EICSCD

【文章页数】：6 页

【文章目录】：
0 引言
1 EKF状态估计的方法
2 QKF状态估计方法
    2.1 QKF时间更新
    2.2 QKF量测更新
        1)对回归点传播的预测
        2)求得预测量测的估计
        3)新息协方差矩阵的计算
        4)新息互协方差矩阵的计算
        5)k时刻的后验概率密度
3 WAMS\SCADA混合量测状态估计
4 算例分析与仿真结果
    4.1 算例分析
    4.2 仿真结果
        4.2.1 正常运行时QKF算法和EKF算法的对比
        4.2.2 发生扰动时QKF算法和EKF算法的对比
        4.2.3 混合量测对状态估计的影响
5 结语


【参考文献】：
期刊论文
[1]基于奇异值分解和等效电流量测变换的电力系统状态估计[J]. 王韶,江卓翰.  电力系统保护与控制. 2012(12)
[2]基于在线核学习的电网不良数据检测与辨识方法[J]. 王兴志,严正,沈沉,李乃湖,景雷,李慧杰.  电力系统保护与控制. 2012(01)
[3]电力系统PMU最优配置新方法[J]. 王家林,夏立,吴正国,杨宣访.  电力系统及其自动化学报. 2011(06)
[4]基于GPS和IEEE-1588协议的时钟同步装置的研制[J]. 庄玉飞,黄琦,井实.  电力系统保护与控制. 2011(13)
[5]混合量测下基于UKF的电力系统动态状态估计[J]. 李大路,李蕊,孙元章.  电力系统自动化. 2010(17)
[6]WAMS中计及量测函数非线性项的电力系统自适应动态状态估计[J]. 李虹,李卫国,熊浩清.  电工技术学报. 2010(05)
[7]基于超短期负荷预测和混合量测的线性动态状态估计[J]. 卫志农,谢铁明,孙国强.  中国电机工程学报. 2010(01)
[8]基于PMU分解协调的状态估计算法[J]. 陈芳,韩学山,李华东.  电力系统保护与控制. 2009(17)
[9]平方根求积分卡尔曼滤波器[J]. 巫春玲,韩崇昭.  电子学报. 2009(05)
[10]Quadrature Kalman Filter（QKF） and Reduced Quadrature Kalman Filter（R-QKF）in Ballistic Target Tracking[J]. MOATASEM Momtaz.  Computer Aided Drafting,Design and Manufacturing. 2007(02)



本文编号：3303167