一种基于无迹变换强跟踪的发电机动态状态估计方法技术

本发明专利技术公布了一种基于无迹变换强跟踪滤波的发电机动态状态估计方法，该方法针对发电机动态状态估计分为两步即预测步和滤波步，通过在预测步根据前一时刻的滤波均值和滤波协方差矩阵采用对称采样策略进行sigma点采样，计算量测预测计算值，得到残差方程，引入渐消因子来修正预测协方差矩阵；滤波步在线调整增益矩阵，修正后得到机电暂态过程中发电机功角和电角速度的估计值。本发明专利技术基于无迹变换强跟踪滤波的发电机动态状态估计方法无论在跟踪速度、精度以及对噪声的鲁棒性能上较无迹卡尔曼滤波和强跟踪滤波均有所提高。

【技术实现步骤摘要】

专利技术涉及，属于电力系统监 测、分析和控制

技术介绍
电力系统状态估计主要分为静态状态估计和动态状态估计。近年来，基于广域测 量系统的同步相量测量单元（phasor measurement unit，PMU)为精确跟踪电力系统机电暂 态提供了可能。但是，由于量测误差的存在，直接利用PMU测得的生数据进行机电暂态分析 无法获得精确结果，最终影响对系统进行有效、实时监控和相应稳定控制策略的制定。动态 状态估计不仅可以滤除量测数据中的误差和噪声，其预测能力还可以为系统未来可能的变 化制定相应的控制策略。因此，提高电力系统中发电机动态状态估计的跟踪精度和速度对 电网安全稳定运行有重要意义。 发电机动态状态估计主要为建立合适的发电机动态模型和选择高性能的动态估 计器。针对上述两点，国内外专家学者进行了研宄，提出了基于无迹变换卡尔曼滤波的发电 机动态状态估计、基于容积卡尔曼滤波的发电机动态状态估计等。无迹卡尔曼滤波通过无 迹变换，将滤波精度提高到二阶及以上，但是需要选择大量参数；容积卡尔曼滤波估计精度 高、计算简单，但是对噪声的先验知识依赖性较高。
技术实现思路
： 本专利技术所要解决的技术问题是针对现有技术存在的不足而提供一种基于无迹变 换强跟踪滤波的发电机动态状态估计方法。 本专利技术为实现上述目的，采用如下技术方案： 一种基于无迹变换强跟踪的发电机动态状态估计算法，包括顺序相接的如下步 骤： 1)获得所需估计发电机机组的参数信息； 2)程序初始化； 3)预测步：根据上一时刻的状态变量滤波值和滤波协方差矩阵，采用对称采样策 略获得采样点，确定相应的取值和权重；对采样点进行非线性变换获得状态变量预测均值 和协方差矩阵； 4)计算量测量预测值：根据步骤3)获得的状态变量预测均值和预测协方差矩阵， 采用对称采样策略获得采样点，通过量测函数计算得到预测的量测计算均值、自协方差矩 阵和互协方差矩阵； 5)强跟踪，引入渐消因子：根据步骤3)的预测协方差矩阵以及步骤4的量测自协 方差矩阵和互协方差矩阵根据下式计算渐消因子：【主权项】1. 一种基于无迹变换强跟踪的发电机动态状态估计算法，其特征在于：包括顺序相接 的如下步骤： 1) 首先获得所需估计发电机机组的参数信息； 2) 程序初始化； 3) 预测步：根据前一时刻状态变量的滤波均值和滤波协方差矩阵，采用对称采样策略 获得采样点，确定相应的取值和权重；对采样点进行非线性变换获得状态变量预测均值和 预测协方差矩阵； 4) 计算量测量预测值：根据步骤3)获得的状态变量预测均值和预测协方差矩阵，采用 对称采样策略获得采样点，通过量测函数计算得到预测的量测计算均值、自协方差矩阵和 互协方差矩阵； 5) 强跟踪，引入渐消因子：根据步骤3)的预测协方差矩阵以及步骤4的量测自协方差 矩阵和互协方差矩阵根据下式计算渐消因子：式中，tr□为求矩阵的迹，1为渐消因子，L为渐消因子的初次计算量，N、M为求解渐 消因子过程中的中间变量； 6) 修正增益矩阵：采用渐消因子修正步骤3)的预测协方差矩阵，根据状态变量预测均 值和修正后的预测协方差矩阵获得采样点，经过量测函数得到量测自协方差矩阵和互协方 差矩阵，在线更新增益矩阵； 7) 滤波步：采用更新的增益矩阵进行修正，获得状态变量的滤波值以及滤波协方差矩 阵； 8) 判断是否达到估计时间长度，若是，则输出结果，退出程序；若否，则返回步骤3)继 续。2. 如权利要求1所述的基于无迹变换强跟踪的发电机动态状态估计算法，其特征在 于：步骤1)中参数信息包括：惯性时间常数、阻尼系数、同步转速、额定功率和发电机总机 组数。3. 如权利要求1所述的基于无迹变换强跟踪的发电机动态状态估计算法，其特征在 于：步骤2)中程序初始化包括：设定状态变量初始值、设定系统模型噪声方差矩阵、设定 量测误差方差矩阵、设定预测协方差初始值、设定滤波协方差初始值、设定估计时间长度、 设定采样点的尺度参数和设定遗忘因子。【专利摘要】本专利技术公布了一种基于无迹变换强跟踪滤波的发电机动态状态估计方法，该方法针对发电机动态状态估计分为两步即预测步和滤波步，通过在预测步根据前一时刻的滤波均值和滤波协方差矩阵采用对称采样策略进行sigma点采样，计算量测预测计算值，得到残差方程，引入渐消因子来修正预测协方差矩阵；滤波步在线调整增益矩阵，修正后得到机电暂态过程中发电机功角和电角速度的估计值。本专利技术基于无迹变换强跟踪滤波的发电机动态状态估计方法无论在跟踪速度、精度以及对噪声的鲁棒性能上较无迹卡尔曼滤波和强跟踪滤波均有所提高。【IPC分类】G01R31-34【公开号】CN104777426【申请号】CN201510184196【专利技术人】孙国强, 黄蔓云, 卫志农, 孙永辉, 臧海祥, 厉超 【申请人】河海大学【公开日】2015年7月15日【申请日】2015年4月17日本文档来自技高网...

【技术保护点】
一种基于无迹变换强跟踪的发电机动态状态估计算法，其特征在于：包括顺序相接的如下步骤：1)首先获得所需估计发电机机组的参数信息；2)程序初始化；3)预测步：根据前一时刻状态变量的滤波均值和滤波协方差矩阵，采用对称采样策略获得采样点，确定相应的取值和权重；对采样点进行非线性变换获得状态变量预测均值和预测协方差矩阵；4)计算量测量预测值：根据步骤3)获得的状态变量预测均值和预测协方差矩阵，采用对称采样策略获得采样点，通过量测函数计算得到预测的量测计算均值、自协方差矩阵和互协方差矩阵；5)强跟踪，引入渐消因子：根据步骤3)的预测协方差矩阵以及步骤4的量测自协方差矩阵和互协方差矩阵根据下式计算渐消因子：式中，tr[]为求矩阵的迹，l为渐消因子，l0为渐消因子的初次计算量，N、M为求解渐消因子过程中的中间变量；6)修正增益矩阵：采用渐消因子修正步骤3)的预测协方差矩阵，根据状态变量预测均值和修正后的预测协方差矩阵获得采样点，经过量测函数得到量测自协方差矩阵和互协方差矩阵，在线更新增益矩阵；7)滤波步：采用更新的增益矩阵进行修正，获得状态变量的滤波值以及滤波协方差矩阵；8)判断是否达到估计时间长度，若是，则输出结果，退出程序；若否，则返回步骤3)继续。...

【技术特征摘要】

【专利技术属性】
技术研发人员：孙国强，黄蔓云，卫志农，孙永辉，臧海祥，厉超，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32