【技术实现步骤摘要】
一种改进动态谐波估计方法和系统
本专利技术属于电力系统状态估计
，具体涉及一种改进动态谐波估计方法和系统。
技术介绍
谐波状态估计是近年来逐步发展起来的一项有效谐波监控与分析技术。谐波状态估计技术利用安装在系统部分母线及线路上的同步相量测量装置(PhasorMeasurementUnit,PMU)设备所提供的数据，依据相应的估计准则，推断出整个电网的支路谐波电流与节点谐波电压状态。其中，动态谐波状态估计算法是根据电力系统谐波的运动方程以及某一时刻的测量数据为初值进行下一个时刻状态量的估计算法。相比较静态谐波状态估计而言，动态谐波状态估计既可以滤波也可以预测。卡尔曼滤波(KalmanFilter，KF)是一种高效的自回归滤波器，它能在存在诸多不确定性情况的组合信息中估计动态系统的状态。传统KF算仅适用于线性系统状态估计，针对非线性系统状态估计中的过程噪声与观测噪声估计问题，诸如扩展卡尔曼(ExtendedKalmanFilter,EKF)与无迹卡尔曼(UnscentedKalmanFilter,UKF)等基于KF算法等衍生算法不断被提出。但EKF算法是通过泰勒级数展开取低阶项的方式，将非线性模型近似为线性模型，该处理过程将引入近似误差。UKF相对于EKF的估计精度有一定的提高，但存在难以确定状态噪声协方差矩阵正定性的缺陷。考虑到电力系统是一个时变的非线性系统，谐波亦是动态变化的，对谐波进行估计时系统的过程噪声方差与观测噪声方差是未知的，具有强不确定性，通常只能通过经验进行估计，而错误的参数估计又常...
【技术保护点】
1.一种改进动态谐波估计方法，其特征在于，包括：/n采集电网各支路或母线的同步相量测量装置的谐波电压；/n将所述谐波电压带入预先建立的非线性状态方程与量测方程模型；/n采用改进Sage-Husa平方根无迹卡尔曼滤波算法，根据所述非线性状态方程与量测方程模型，对待估测支路进行谐波电流估计计算，得到待估测支路谐波电流的估算值；/n其中，所述改进Sage-Husa平方根无迹卡尔曼滤波算法包括：基于量测更新和遗忘因子，对所述非线性状态方程与量测方程模型进行状态更新。/n
【技术特征摘要】
1.一种改进动态谐波估计方法，其特征在于，包括：
采集电网各支路或母线的同步相量测量装置的谐波电压；
将所述谐波电压带入预先建立的非线性状态方程与量测方程模型；
采用改进Sage-Husa平方根无迹卡尔曼滤波算法，根据所述非线性状态方程与量测方程模型，对待估测支路进行谐波电流估计计算，得到待估测支路谐波电流的估算值；
其中，所述改进Sage-Husa平方根无迹卡尔曼滤波算法包括：基于量测更新和遗忘因子，对所述非线性状态方程与量测方程模型进行状态更新。
2.如权利要求1所述的方法，其特征在于，所述非线性状态方程与量测方程模型如下式所示：
其中，下标k表示下一采样时刻，下标k-1表示当前采样时刻；Xk表示下一采样时刻的谐波电流的估算值，Xk-1表示表示当前采样时刻的谐波电流的估算值，Uk表示下一采样时刻的谐波电压，F为系统状态函数，H为系统观测函数，Ak表示下一采样时刻的系统矩阵，Bk表示下一采样时刻的控制矩阵，Ck表示下一采样时刻的观测矩阵，Dk表示下一采样时刻的直接转递矩阵，Wk表示下一采样时刻的系统过程噪声，Vk表示下一采样时刻的系统观测噪声，Zk表示下一采样时刻的谐波电压观测值。
3.如权利要求1所述的方法，其特征在于，所述采用改进Sage-Husa平方根无迹卡尔曼滤波算法，根据所述非线性状态方程与量测方程模型，对预设待估测支路进行谐波电流估计计算，得到待估测支路谐波电流的估算值，包括：
基于所述非线性状态方程与量测方程模型，采用无迹卡尔曼滤波算法进行时间更新；所述非线性状态方程与量测方程模型中的量测量序列的初始值由初次采样时刻采集的谐波电压初始化得到；
基于时间更新的结果和Sage-Husa方法对所述非线性状态方程与量测方程模型进行量测更新；
基于量测更新的结果和预设遗忘因子，对所述非线性状态方程与量测方程模型进行状态更新，得到谐波电流的估算值。
4.如权利要求3所述的方法，其特征在于，初始化非线性状态方程与量测方程模型中量测量序列的初始值，如下式所示：
其中，下标0表示的初始采样时刻，X0表示谐波电流的初值，Q0表示初始采样时刻系统过程噪声的协方差向量，R0表示初始采样时刻系统观测噪声的协方差向量，为Q0的平方根，为R0的平方根，是X0的数学期望；E表示求取数学期望，Chol函数为矩阵Cholesky因子分解函数，S0是和X0的协方差；
所述谐波电流的初值X0与所述谐波电压的关系式如下：
Z0＝H[X0,U0]＝C0X0+D0U0+V0
其中，Z0表示初始采样时刻经过量测变换后的谐波电压，U0表示初始采样时刻的谐波电压，V0表示初始采样时刻的系统观测噪声，H为观测函数，C为观测矩阵，D为直接转递矩阵。
5.如权利要求3所述的方法，其特征在于，所述基于所述非线性状态方程与量测方程模型，采用无迹卡尔曼滤波算法进行时间更新，包括：
对初始化后的所述非线性状态方程与量测方程模型中的谐波电流进行无迹变换，得到包含Sigma点集的Sigma矩阵；
根据所述非线性状态方程对所述Sigma矩阵进行非线性变换，并利用系统过程噪声的协方差的平方根参与无迹卡尔曼滤波算法进行递推运算，对所述谐波电流与谐波电流协方差进行预测。
6.如权利要求5所述的方法，其特征在于，所述递推运算的计算式如下：
式中，表示下一采样时刻的谐波电流中间值，χi,k-1表示当前采样时刻的谐波电流对应的第i个Sigma点的值，i的取值范围为0到2n，n为谐波电流的维度数，Uk-1表示当前采样时刻的谐波电压，Ak-1表示当前采样时刻的系统矩阵，Bk-1表示当前采样时刻的控制矩阵，F为系统状态函数，表示第i个Sigma点在计算均值时的权重，表示第i个Sigma点在计算协方差时的权重，χ*i,k-1表示对应χi,k-1的中间过程变量，Sxx,k表示下一采样时刻的谐波电流的协方差，Qk表示下一采样时刻的系统过程噪声协方差向量，表示第0个Sigma点在计算协方差时的权重，χ*0,k-1表示当前采样时刻的谐波电流对应的第0个Sigma点对应的中间过程变量，表示对应Sxx,k的中间过程变量，qr为正交三角矩阵分解运算，Cholupdata为Cholesky分解运算；
当前采样时刻的谐波电流对应的第i个Sigma点的值χi,k-1如下式所示：
式中，σk-1表示当前采样时刻的无迹变化参数，表示当前采样时刻的谐波电流中间值；
所述当前采样时刻的无迹变化参数的计算式如下：
式中，Sxx,k-1表示表示当前采样时刻的谐波电流的协方差，λ为缩放比例系数。
7.如权利要求6所述的方法，其特征在于，所述基于时间更新的结果和预设遗忘因子，基于Sage-Husa方法对所述非线性状态方程与量测方程模型进行量测更新，包括：
基于时间更新的结果，对Sigma点进行重采样，得到Sigma点；
通过测量方程对Sigma点进行非线性变换并计算测量残差；
根据所述测量残差并考虑预设遗忘因子，基于Sage-Husa采用平方根无迹卡尔曼滤波方法对系统观测噪声协方差的平方根进行更新；
基于系统观测噪声协方差的平方根，对谐波电压和谐波电流间的协方差以及谐波电压的协方差进行更新；
根据谐波电压和谐波电流间的协方差以及谐波电压的协方差，计算卡尔曼滤波增益。
8.如权利要求7所述的方法，其特征在于，所述通过测量方程对重采样的Sigma点集进行非线性变换并计算测量残差，如下式所示：
式中，H为观测函数，χi,k表示重采样的下一采样时刻的谐波电流对应的第i个Sigma点的值，Uk-1表示当前采样时刻的谐波电压，第i个Sigma点在计算均值时的权重，表示下一采样时刻的添加权重后修正后且经量测变换后的谐波电压，Zk表示对应下一采样时刻采集的谐波电压观测值，ek表示下一采样时刻谐波电压的量测残差，Z*i,k表示对应的第i个Sigma点的中间过程变量。
9.如权利要求8所述的方法，其特征在于，所述根据所述测量残差并考虑预设遗忘因子，基于Sage-Husa采用平方根无迹卡尔曼滤波方法对系统观测噪声协方差的平方根进行更新，如下...
【专利技术属性】
技术研发人员：李运硕，段祥骏，冯德志，吕广宪，刘军，陆一鸣，许媛媛，刘鹏，杜建，王立岩，
申请(专利权)人：中国电力科学研究院有限公司，国家电网有限公司，国网上海市电力公司，
类型：发明
国别省市：北京;11
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。