一种计及噪声统计特性未知的动态状态估计方法技术

本发明专利技术公开了一种计及噪声统计特性未知的动态状态估计方法，用于实现电力系统发电机动态状态变量的准确估计。该方法在传统无迹卡尔曼滤波算法(unscented Kalman filter,UKF)的框架下，分别建立基于创新信息序列的系统噪声和量测噪声统计特性估计器，能够依据环境变化动态调整和修正系统噪声和量测噪声满足的协方差矩阵。所提方法(adaptive unscented Kalman filter,AUKF)可有效解决传统UKF方法因噪声矩阵设置不当引起的状态估计性能下降问题，提升动态状态估计器的状态估计精度。该算法因计及了实际工程背景，且简单方便易于实施，具有较高的工程应用价值。

【技术实现步骤摘要】
一种计及噪声统计特性未知的动态状态估计方法
本专利技术涉及一种计及噪声统计特性未知的动态状态估计方法，属于电力系统分析和监测

技术介绍
准确的状态估计对于电力系统的分析与稳定控制具有重要意义。状态估计一般分为两类，一类是静态估计，另一类是动态状态估计。静态状态估计利用某一时刻断面冗余的量测信息实现系统该时刻状态变量估计。虽然静态状态估计精度较高，但是其忽略了电力系统的动态特性。因此，静态状态估计无法应用于电力系统状态的实时在线估计。为了适应电力系统在线监测的需求，具备估计和预测功能的动态状态估计方法近年来得到研究人员的广泛关注。目前，动态状态估计器已逐渐应用于电力系统发电机的状态估计。采用的状态估计方法主要包括：卡尔曼滤波、扩展卡尔曼滤波，容积卡尔曼滤波，无迹卡尔曼滤波等。上述这些方法在一定程度上提升了动态状态估计精度。但是，值得注意的是这些方法大多假设系统噪声和量测噪声满足的协方差矩阵为常数；而在实际电力系统中，系统和量测噪声的统计特性很难提前准确获取，且噪声协方差矩阵设置与动态状态估计器的性能密切相关。所以，若系统和量测噪声协方差矩阵设置不当，将恶化状态估计器性能，降低状态估计精度，甚至导致状态估计器失效。
技术实现思路
专利技术目的：本专利技术旨在解决现有动态状态估计器针对系统和量测噪声设置不当引起的性能下降问题，提升发电机动态状态估计精度，为电网的安全稳定运行提供坚实的数据信息。本专利技术公开了一种计及噪声统计特性未知的动态状态估计方法，用于电力系统发电机动态状态估计，包括如下步骤：S1：依据发电机四阶动态方程，建立发电机状态估计方程，并构建得到发电机动态状态估计的状态方程和量测方程：式中，f(·)表示发电机状态方程，h(·)表示量测方程，x，u，z分别对应表示状态变量，控制变量及量测向量；下标k-1和k表示时刻，w表示系统噪声，v为量测噪声，二者均为高斯白噪声，所满足的均值均为0，对应的协方差矩阵分别为Q与R，w与v相互独立且和状态变量无关；S2：基于k-1时刻已知的状态估计值利用无迹变换技术产生k时刻若干个Sigma状态采样点；S3：利用自适应无迹卡尔曼滤波的状态预测步，计算k时刻的发电机状态预测值和状态预测误差协方差矩阵S4：基于发电机量测方程，计算k时刻的发电机量测预测值和量测预测误差协方差矩阵S5：计算状态预测值与量测预测值之间的交互协方差矩阵Pxz,k；S6：基于自适应无迹卡尔曼滤波滤波步，得到k时刻的滤波增益；S7：利用k时刻的量测信息值zk，对状态预测值进行修正更新，计算得到状态估计误差协方差矩阵S8：基于创新信息值动态修正更新k时刻系统噪声协方差矩阵Qk和量测噪声协方差矩阵Rk；S9：按照S2-S8依据量测信息值zk对电力系统发电机状态动态估计，直至k+1＞N，N为最大估计时刻时状态估计迭代停止，输出状态估计结果。进一步的，S2中产生k时刻2n+1个Sigma状态采样点式中，n表示发电机状态估计变量维数，为k-1时刻已知的状态估计误差协方差矩阵，表示对矩阵进行Cholesky分解运算，κ表示尺度参数。进一步的，S3中的k时刻的发电机状态预测值和状态预测误差协方差矩阵表示如下：式中，表示Sigma状态采样点经发电机状态方程传播后的对应点值，Qk-1表示k-1时刻系统噪声满足的协方差矩阵，Wl为对应于Sigma状态采样点的权重值：进一步的，S4中，k时刻发电机量测预测值和量测预测误差协方差矩阵表示为：式中，表示状态预测点经量测方程传播后的对应点值，Rk-1表示k-1时刻量测噪声满足的协方差矩阵。进一步的，S5中，交互协方差矩阵Pxz,k表示为：进一步的，S6中，k时刻的滤波增益Kk表示为：进一步的，S7中，k时刻的量测信息值zk，对状态预测值进行修正更新，并计算状态估计误差协方差矩阵其计算公式为：进一步的，S8中，动态修正更新k时刻系统噪声协方差矩阵Qk和量测噪声协方差矩阵Rk，计算公式如下：dk-1＝(1-b)/(1-bk)(16)式中，b表示遗忘因子，dk-1为k-1时刻系统噪声协方差矩阵估计器调节参数，diag(·)为构建对角矩阵符号，exp表示以自然常数为底的指数函数。有益效果：本专利技术的一种计及噪声统计特性未知的动态状态估计方法，在传统无迹卡尔曼滤波算法的框架下，分别建立基于创新信息序列的系统噪声和量测噪声统计特性估计器，能够依据环境变化动态调整和修正系统噪声和量测噪声满足的协方差矩阵，克服传统UKF方法因噪声矩阵设置不当引起的状态估计性能下降问题，提升动态状态估计器的状态估计精度。该算法充分考虑了发电机动态状态估计的实际应用背景，且简单方便易于实施，具有较高的工程应用价值。附图说明图1为本专利技术的方法流程图；图2为IEEE10机39节点系统结构图；图3为利用传统UKF方法和本专利技术方法对发电机功角与角速度的动态估计结果对比；图4为利用传统UKF方法和本专利技术方法对发电机暂态电动势的动态估计结果对比；图5为利用传统UKF方法和本专利技术方法对发电机状态估计结果误差对比。具体实施方式下面结合附图和实施例进一步阐述本专利技术。如图1所示，运用本专利技术方法对实施例测试系统动态变量进行估计，包括如下步骤：步骤一：发电机状态估计模型建立：发电机动态状态估计的状态方程与量测方程，其一般形式可以表示为：式中，f(·)表示发电机状态方程，h(·)表示量测方程，x，u，z分别对应表示状态变量，控制变量及量测向量；下标k-1和k表示时刻，w表示系统噪声，v为量测噪声，二者均为高斯白噪声，所满足的均值均为0，对应的协方差矩阵分别为Q与R，w与v相互独立且和状态变量无关。步骤二：设定本专利技术所设计自适应无迹卡尔曼滤波方法的参数初始值，包含设定初始时刻状态变量值状态估计误差协方差矩阵控制变量值u0取为稳态运行值，尺度参数κ；设定系统噪声和量测噪声所满足的初始协方差矩阵Q0，R0，以及最大估计时刻N；步骤三：基于k-1时刻已知的状态估计值利用无迹变换技术产生k时刻2n+1个Sigma状态采样点其中n表示发电机状态估计变量维数，计算公式如下：式中，为k-1时刻已知的状态估计误差协方差矩阵，表示对矩阵进行Cholesky分解运算，κ∈[10-4，1]表示尺度参数。步骤四：利用自适应无迹卡尔曼滤波的状态预测步，计算k时刻的状态预测值和状态预测误差协方差矩阵求解公式如下式中，表示Sigma状态采样点经发电机状态方程传播后的对应点值，上标T表示矩阵的转置运算，Qk-1表示k-1时刻系统噪声满足的协方差矩阵，Wl为对应于Sigma状态采样点的权重值，计算公式如下步骤五：基于发电机量测函数，计算k时刻发电机量测预测值和量测预测误差协方差矩阵计算公式为式中，表示状态预测点经量测方程传播后的对应点值，Rk-1表示k-1时刻量测误差协方差矩阵。步骤六：计算状态预测与量测预测之间的交互协方差矩阵Pxz,k，计算公式为步骤七：基于所设计自适应无迹卡尔曼滤波滤波步，计算k时刻的滤波增益Kk，计算公式为式中上标(·)-1表示矩阵的求逆运算。步骤八：利用k时刻的量测信息值zk，对状态预测值进行修正更新，并计算状态估计误差协方差矩阵其计算公式为式中上标T表示矩阵的转置运算。步骤九：基于创新信息值动态修正更新k时刻系统噪声协方差矩阵Qk和量测噪声本文档来自技高网...

【技术保护点】
1.一种计及噪声统计特性未知的动态状态估计方法，用于电力系统发电机动态状态估计，其特征在于，包括如下步骤：S1：依据发电机四阶动态方程，建立发电机状态估计方程，并构建得到发电机动态状态估计的状态方程和量测方程：

【技术特征摘要】
1.一种计及噪声统计特性未知的动态状态估计方法，用于电力系统发电机动态状态估计，其特征在于，包括如下步骤：S1：依据发电机四阶动态方程，建立发电机状态估计方程，并构建得到发电机动态状态估计的状态方程和量测方程：式中，f(·)表示发电机状态方程，h(·)表示量测方程，x，u，z分别对应表示状态变量，控制变量及量测向量；下标k-1和k表示时刻，w表示系统噪声，v为量测噪声，二者均为高斯白噪声，所满足的均值均为0，对应的协方差矩阵分别为Q与R，w与v相互独立且和状态变量无关；S2：基于k-1时刻已知的状态估计值利用无迹变换技术产生k时刻若干个Sigma状态采样点；S3：利用自适应无迹卡尔曼滤波的状态预测步，计算k时刻的发电机状态预测值和状态预测误差协方差矩阵S4：基于发电机量测方程，计算k时刻的发电机量测预测值和量测预测误差协方差矩阵S5：计算状态预测值与量测预测值之间的交互协方差矩阵Pxz,k；S6：基于自适应无迹卡尔曼滤波滤波步，得到k时刻的滤波增益；S7：利用k时刻的量测信息值zk，对状态预测值进行修正更新得到状态估计值，计算得到状态估计误差协方差矩阵S8：基于创新信息值动态修正更新k时刻系统噪声协方差矩阵Qk和量测噪声协方差矩阵Rk；S9：按照S2-S8依据量测信息值zk对电力系统发电机状态动态估计，直至k+1＞N，N为最大估计时刻时状态估计迭代停止，输出状态估计结果。2.根据权利要求1所述的一种计及噪声统计特性未知的动态状态估计方法，其特征在于：S2中产生k时刻2n+1个Sigma状态采样点式中，n表示发电机状态估计变量维数，为k-1时刻已知的状态估计误差协方差...

【专利技术属性】
技术研发人员：孙永辉，王义，吕欣欣，王森，侯栋宸，翟苏巍，王朋，熊俊杰，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32