基于改进鲁棒自适应UKF的配电网动态状态估计方法

发布时间：2021-04-20 05:58

　　配电网动态状态估计中状态方程的过程噪声统计参数是未知而且时变的,因此在状态估计过程中需要在线对过程噪声统计参数进行实时估计,而且不准确的噪声参数将会导致无迹卡尔曼滤波器的滤波性能下降甚至滤波发散。文中研究了基于改进鲁棒自适应无迹卡尔曼滤波器的配电网动态状态估计方法,其噪声参数统计估值器由一个有偏的和一个无偏的估值器组成,可以提高在状态估计过程中噪声参数估计的准确性,同时确保过程噪声方差矩阵的半正定性,从而保证算法的鲁棒性。通过对IEEE 33节点系统进行仿真验证,结果表明所提方法在系统平稳运行、负荷发生剧烈变动或者初始噪声参数值设置不当的情况下,均能保证较高的状态估计精度。 

【文章来源】：电力系统自动化. 2020,44(01)北大核心EICSCD

【文章页数】：9 页

【文章目录】：
0 引言
1 UKF算法的基本原理
2 IRAUKF算法
    2.1 噪声统计估值器
    2.2 容错噪声统计估值器
    2.3 新型容错噪声统计估值器
3 基于IRAUKF的配电网动态状态估计
4 算例分析
5 结语


【参考文献】：
期刊论文
[1]用于电力系统动态状态估计的改进鲁棒无迹卡尔曼滤波算法[J]. 曲正伟,董一兵,王云静,陈亮.  电力系统自动化. 2018(10)
[2]基于无迹粒子滤波算法的发电机动态状态估计[J]. 孙国强,王晗雯,卫志农,黄蔓云,陈胜,黄强.  电力系统自动化. 2017(14)
[3]含多类型分布式电源的主动配电网分布式三相状态估计[J]. 卫志农,陈胜,孙国强,王丹,孙永辉.  电力系统自动化. 2015(09)
[4]基于自适应无迹卡尔曼滤波的电力系统动态状态估计[J]. 赵洪山,田甜.  电网技术. 2014(01)
[5]主动配电系统可行技术的研究[J]. 范明天,张祖平,苏傲雪,苏剑.  中国电机工程学报. 2013(22)
[6]主动配电网技术及其进展[J]. 尤毅,刘东,于文鹏,陈飞,潘飞.  电力系统自动化. 2012(18)
[7]无迹卡尔曼滤波及其平方根形式在电力系统动态状态估计中的应用[J]. 卫志农,孙国强,庞博.  中国电机工程学报. 2011(16)
[8]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)
[9]一类非线性滤波器——UKF综述[J]. 潘泉,杨峰,叶亮,梁彦,程咏梅.  控制与决策. 2005(05)
[10]自适应滤波方法研究[J]. 张常云.  航空学报. 1998(S1)

博士论文
[1]基于自适应卡尔曼滤波器的WSN定位算法研究[D]. 方旭明.南京大学 2017



本文编号：3149112