基于广义互相关熵卡尔曼滤波的电力系统辅助预测状态估计

发布时间：2020-12-07 12:42

　　状态估计是能量管理系统（EMS）中的核心部分,尤其是在现如今这个越来越庞大的电网之中。状态估计滤波器的主要功能是为EMS提供准确的信息（如网络中所有总线的电压幅值和角度等）,但由于电力系统中存在量测噪声、不良数据、负荷突变等各种异常情况,状态估计的结果会受到干扰从而可能会因此误导调度人员,对电网运行的稳定性造成难以估计的危害,因此提高状态估计算法的鲁棒性以及抑制不良数据的能力,对保证电力系统安全稳定运行有重要意义。本文在常用的扩展卡尔曼滤波算法基础上改进了两种预测辅助状态估计算法,并探究不同非高斯量测噪声对估计精度的影响,其主要内容如下:首先,基于数据采集与监视控制（SCADA）量测系统,建立了电力系统辅助预测状态估计的数学模型,通过状态方程和测量方程来描述系统的准稳态过程,并介绍了一种辅助预测状态估计的基本算法。然后,在扩展卡尔曼滤波的基础上,提出了一种最大互相关熵的自适应扩展卡尔曼滤波算法,并将其应用在辅助预测状态估计之中,首先本文用最大互相熵准则（MCC）代替传统扩展卡尔曼滤波中的最小均方误差准则,通过指数加权的形式增加算法的鲁棒性,使得提出算法在面对非高斯噪声时保持良好的估计精... 

【文章来源】：西安理工大学陕西省

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 引言
    1.2 研究背景与意义
    1.3 国内外研究现状
        1.3.1 静态状态估计发展现状
        1.3.2 辅助预测状态估计发展现状
    1.4 本文主要研究内容
2 电力系统辅助预测状态估计模型与基础算法
    2.1 引言
    2.2 电力系统辅助预测状态估计数学模型
        2.2.1 电力系统辅助预测状态估计的状态方程
        2.2.2 电力系统辅助预测状态估计的测量方程
    2.3 辅助预测状态估计基本算法
        2.3.1 卡尔曼滤波算法简介
        2.3.2 扩展卡尔曼滤波算法
    2.4 本章小结
3 基于自适应最大互相关熵扩展卡尔曼滤波的辅助预测状态估计
    3.1 引言
    3.2 自适应最大互相关熵扩展卡尔曼滤波算法
        3.2.1 最大互相关熵准则
        3.2.2 最大互相关熵扩展卡尔曼滤波算法的推导
        3.2.3 自适应更新机制
    3.3 基于最大互相关熵扩展卡尔曼滤波的辅助预测状态估计
    3.4 仿真验证
        3.4.1 性能指标
        3.4.2 算例概述
        3.4.3 仿真结果与分析
    3.5 本章小结
4 基于广义互相关熵无迹卡尔曼滤波的电力系统辅助预测状态估计
    4.1 引言
    4.2 广义互相关熵无迹卡尔曼滤波算法
        4.2.1 广义互相关熵准则
        4.2.2 广义互相关熵无迹卡尔曼滤波算法的推导
        4.2.3 增强的广义互相关熵无迹卡尔曼滤波算法
    4.3 基于增强广义互相关熵无迹卡尔曼滤波的电力系统辅助预测状态估计
    4.4 仿真验证
        4.4.1 算例概述
        4.4.2 仿真结果与分析
    4.5 本章小结
5 结论与展望
    5.1 结论
    5.2 展望
致谢
攻读学位期间主要研究成果
参考文献



本文编号：2903272