【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, ...
【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, ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。