基于自适应观测增强的多传感器状态预估方法及系统技术方案

本发明专利技术公开了一种基于自适应观测增强的多传感器状态预估方法及系统，包括：将t时刻采集到的发电机直轴、交轴的定子电流和发电机电角速度作为Kalman滤波器的状态向量；将测量得到的直轴、交轴的定子电流作为Kalman滤波器的观测向量；若当前时刻为Kalman滤波的正常采样时刻，Kalman滤波正常进行一步预估和量测更新；若当前时刻不是Kalman滤波的正常采样时刻，则Kalman只进行一步预估，并确定一步预估的次数；最终得到当前时刻的发电机直轴、交轴的定子电流预估值，进而得到发电机直轴、交轴的定子电压预估值。本发明专利技术在Kalman滤波器两次采样之间增加了一步预估的次数，减少了多传感器数据融合中采样频率快的传感器数据丢失对发电机电压预估精度的影响。发电机电压预估精度的影响。发电机电压预估精度的影响。

【技术实现步骤摘要】
基于自适应观测增强的多传感器状态预估方法及系统


[0001]本专利技术涉及多传感器状态预估
，尤其涉及一种基于自适应观测增强的多传感器状态预估方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]目前，随着规模化可再生能源装机容量的进一步扩大，火电承担电网深度调峰调频的负担日益沉重，传统电力产业面临严峻挑战。储能设备种类繁多、特性各异，但能够较好担任风电场联合调频任务的储能设备并不多。其中，飞轮储能具有寿命长、清洁无污染和充放电次数不受限制等突出优势，可实现电力系统调频、调峰、有功和无功调节等。飞轮储能的配置可有效支撑新型电力系统产业转型，对推动能源行业低碳转型具有建设性意义。
[0004]发电机的电压监测作为飞轮储能系统关键技术之一，虽然目前多采用多传感器进行数据融合，但其依旧面临挑战。其中，飞轮发电机电压的产生与多个参数有关，而采集这些参数的多个传感器之间的采样频率不尽相同，面对这样的多传感器数据融合系统，通常的做法是将数据融合滤波器(比如Kalm本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应观测增强的多传感器状态预估方法，其特征在于，包括：将t时刻采集到的发电机直轴、交轴的定子电流和发电机电角速度作为Kalman滤波器的状态向量；将测量得到的直轴、交轴的定子电流作为Kalman滤波器的观测向量；若当前时刻为Kalman滤波的正常采样时刻，Kalman滤波正常进行一步预估和量测更新；若当前时刻不是Kalman滤波的正常采样时刻，则Kalman只进行一步预估，并通过计算一步预估的观测向量和上一正常采样时刻得到的观测向量之间的马氏距离确定一步预估的次数；最终得到当前时刻的发电机直轴、交轴的定子电流预估值，进而得到发电机直轴、交轴的定子电压预估值。2.如权利要求1所述的一种基于自适应观测增强的多传感器状态预估方法，其特征在于，Kalman滤波器的状态方程具体为：其中，i
d
、i
q
分别为t时刻的直轴、交轴定子电流；μ
d
、μ
q
分别为t时刻的直轴、交轴定子电压；ω
e
为发电机电角速度，R
s
为定子电阻，ψ
f
为永磁体磁链，L
d
、L
q
分别为t时刻直轴、交轴电感，w
t
为t时刻的系统噪声，其协方差阵为Q；为状态向量、为t时刻的直轴定子电流的导数、为t时刻的交轴定子电流的导数、发电机电角速度的导数。3.如权利要求1所述的一种基于自适应观测增强的多传感器状态预估方法，其特征在于，Kalman滤波器的观测方程具体为：其中，v
t
表示测量噪声，其协方差阵为R；分别为测量得到的t时刻直轴、交轴定子电流，为测量得到的发电机电角速度，4.如权利要求1所述的一种基于自适应观测增强的多传感器状态预估方法，其特征在于，若当前时刻为Kalman滤波的正常采样时刻，Kalman滤波正常进行一步预估和量测更新，t时刻的迭代步骤为：
先进行一步预估：P
t
‑
＝F
t P
t
‑1F
tT
+Q再进行量测更新：K
t
＝P
t
‑
H
T
(HP
t
‑
H
T
+R)
‑1P
t
＝(I
‑
K
t
H)P
t
‑
其中，为状态向量的一步预估矩阵，P
t
、P

【专利技术属性】
技术研发人员：徐元，马荔瑶，孙明旭，孙斌，毕淑慧，赵钦君，申涛，万东，高瑞，
申请(专利权)人：济南大学，
类型：发明
国别省市：