一种插值H∞扩展卡尔曼滤波发电机动态状态估计方法技术

本发明专利技术公开了一种插值H∞扩展卡尔曼滤波(interpolation H∞ extended Kalman filter,IHEKF)发电机动态状态估计方法，该方法分为自适应插值、多步预测和修正两部分，首先，通过在多步预测和修正之前计算状态方程和量测方程的非线性指标，使用有限状态机确定内插因子，再根据内插因子使用插值法在两个实际量测值之间增加伪量测值；然后根据所增加的伪量测值进行多步预测和修正，运用扩展卡尔曼滤波的预测步得到状态预测值和状态预测误差协方差，并进一步在扩展卡尔曼滤波的修正步引入H∞对预测值进行修正得到机电暂态过程中发电机功角和电角速度的估计值和估计误差协方差。最后，算例分析结果表明，本发明专利技术所提方法可以准确应用于发电机动态状态估计，且具有较好的鲁棒性。

An interpolated H infinity Calman filter generator dynamic state estimation method

The invention discloses a H interpolation for extended Calman filter (interpolation H ~ extended Kalman filter, IHEKF) generator dynamic state estimation method, the method is divided into adaptive interpolation, multi step prediction and correction of the two part, first of all, through the nonlinear index calculation of the state equation and measurement equation in multi step prediction and the modified, using finite state machine to determine the interpolation factor, according to the interpolation factor using the interpolation method in two actual measured value added between the pseudo measurement value; and then the values of multi-step prediction and correction based on the pseudo amount increasing, the use of prediction step of the extended Calman filter to obtain a state predictive value and status the prediction error covariance, and further step in correcting the extended Calman filter is introduced to adjust the predictive value of H for estimation of generator power angle and transient electric angular velocity value And the estimation error covariance. Finally, the example analysis shows that the proposed method can be applied to the dynamic state estimation of the generator and has good robustness.

【技术实现步骤摘要】
一种插值H∞扩展卡尔曼滤波发电机动态状态估计方法
本专利技术涉及一种插值H∞扩展卡尔曼滤波发电机动态状态估计方法，属于电力系统监测、分析和控制

技术介绍
电力系统动态状态估计对于监测和控制电力系统稳定性是非常重要的。动态状态估计能提供发电机、负载和控制器的预测以此来设计电力系统稳定器和稳压器，进而维持和增进暂态稳定性。随着相量测量单元(phasormeasurementunit,PMU)的发展，精确跟踪电力系统机电暂态成为了可能。动态状态估计可以利用PMU测得的数据进行滤波并预测系统未来可能的变化，以此来制定相应的控制策略维持电网的安全稳定运行。卡尔曼滤波作为状态估计一种有效方法，已经被广泛应用于线性系统中。对非线性系统来说，应用最多的是扩展卡尔曼滤波，在众多非线性系统状态估计的应用中，扩展卡尔曼滤波取得了较好的效果。但是，由于传统扩展卡尔曼滤波使用一阶泰勒展开式逼近非线性函数，在高度非线性系统中，估计效果会不理想，并且对于干扰的鲁棒性也较差。本专利技术提出的一种插值H∞扩展卡尔曼滤波发电机动态状态估计方法，不仅减轻了非线性在估计精度上的消极影响，还增强了滤波对噪声的鲁棒性本文档来自技高网...

【技术保护点】
一种插值H∞扩展卡尔曼滤波发电机动态状态估计方法，其特征在于，所述方法是依次按以下步骤实现的：(1)获得所需估计发电机机组的参数信息；(2)程序初始化；(3)利用H∞扩展卡尔曼滤波进行一次滤波；(4)引入非线性指标；(5)确定内插因子：采用有限状态机根据步骤(4)的状态方程和量测方程的非线性指标确定内插因子；(6)根据步骤(5)的内插因子，使用插值法在两个实际量测值之间增加伪量测值；(7)预测步：采用扩展卡尔曼滤波的预测步计算状态预测值和状态预测误差协方差；(8)修正步：采用扩展卡尔曼滤波的修正步对步骤(7)的状态预测值进行修正，引入H∞修正步骤(7)的状态预测误差协方差；(9)判断滤波次数是...

【技术特征摘要】
1.一种插值H∞扩展卡尔曼滤波发电机动态状态估计方法，其特征在于，所述方法是依次按以下步骤实现的：(1)获得所需估计发电机机组的参数信息；(2)程序初始化；(3)利用H∞扩展卡尔曼滤波进行一次滤波；(4)引入非线性指标；(5)确定内插因子：采用有限状态机根据步骤(4)的状态方程和量测方程的非线性指标确定内插因子；(6)根据步骤(5)的内插因子，使用插值法在两个实际量测值之间增加伪量测值；(7)预测步：采用扩展卡尔曼滤波的预测步计算状态预测值和状态预测误差协方差；(8)修正步：采用扩展卡尔曼滤波的修正步对步骤(7)的状态预测值进行修正，引入H∞修正步骤(7)的状态预测误差协方差；(9)判断滤波次数是否达到该时间间隔所插入的伪量测值数量加一，若是，则进入步骤(10)，若否，则返回步骤(7)；(10)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(4)继续。2.如权利要求1所述的插值H∞扩展卡尔曼滤波发电机动态状态估计方法，其特征在于，根据下式计算状态方程和量测方程的非线性指标：式中，f(·)和h(·)分别为状态转换函数和量测函数，δx为状态摄动，Q...

【专利技术属性】
技术研发人员：孙永辉，艾蔓桐，王义，张博文，王加强，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32