一种基于改良卡尔曼滤波的变电站温度监控方法技术

本发明专利技术公开了一种基于改良卡尔曼滤波的变电站温度监控方法，所述方法包括：采用温度传感器分别对变电站温度进行测量；建立温度传感器矩阵形式的状态方程和观测方程；每个传感器通过判别式检测测量数据是否丢失；采用经典式卡尔曼滤波对温度测量值进行初步估计；结合邻居传感器的测量数据计算最优温度估计值；将精确温度值输入至PID控制系统，依据变电站温度的监控要求控制空调和排气阀的工作，使变电站温度控制在安全范围内。本发明专利技术利用改良卡尔曼滤波方法和PID控制技术，有效减少了测量数据的丢失对变电站温度进行实时监控的影响，使变电站温度控制在安全范围内。变电站温度控制在安全范围内。变电站温度控制在安全范围内。

【技术实现步骤摘要】
一种基于改良卡尔曼滤波的变电站温度监控方法


[0001]本专利技术属于温度监控
，具体涉及一种基于改良分布式卡尔曼滤波的变电站温度监控方法。

技术介绍

[0002]随着电力向着高电压、大机组、大容量的迅速发展，变电站中各主要电气设备能否正常运行将直接关系到电力系统的运行情况。在变电站中，各电气设备的长期正常带电运行会产生一定热量，各触点及连接点等部位因老化会造成接触电阻增大的问题也会产生发热现象，若不及时进行散热，将导致密闭空间内的室温升高，并对运行的电力电子元器件、集成板卡和精密芯片造成损坏，甚至导致火灾和区域性大面积停电，引起重大电力事故发生。
[0003]卡尔曼滤波(Kalman filter)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，是一种强大的、通用性极强的工具，其本质上是一个数据融合算法，将具有同样测量目的、来自不同传感器的数据融合在一起。采用状态空间为载体描述估计方法，递推地确定融合数据在统计意义下的最优估计。真实值与估计值两者之间的差值被称为估计误差，若两者的差值为零，就被称为无偏估计。卡尔曼滤波的最优估计是要求达到三个条件：无偏性，即估计值的均值接近于监测对象状态的真实值；估计方差最小和实时性，就是在有随机干扰和噪声的影响情况下，基于线性最小方差方法实时给出监测对象状态的最优估计值。但在实际应用中，因为传感器自身电池能量的限制或数据量增大等原因，测量数据常常发生丢失，因此在间歇观测下，从测量数据和噪声中获得温度的无偏估计成为一个具有实际价值的课题。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提供一种基于改良卡尔曼滤波的变电站温度监控方法，本专利技术能有效应对测量数据丢失对温度精准估计的影响，对变电站温度进行实时最优监控。
[0005]本专利技术解决上述技术问题的技术方案为：一种基于改良卡尔曼滤波的变电站温度监控方法，包括如下步骤：
[0006]S1，采用温度传感器实时测量变电站的温度，得到温度数据；
[0007]S2，根据传感器系统模型，建立温度传感器状态方程和观测方程；温度传感器矩阵形式的状态方程和观测方程分别为：
[0008][0009][0010]其中，和分别为传感器i在k时刻的先验温度预测值和在k
‑
1时刻的后验温度估计值，A为状态转移矩阵，υ
i,k
为符合高斯分布的系统噪声；y
i,k
为测量数据构成的m维
列向量，p
i,k
为传感器i在k时刻测量数据未丢失的概率，H
i,k
为m*n维测量矩阵，ω
i,k
为符合高斯分布的观测噪声；
[0011]S3，根据观测数据，检测传感器的测量数据丢失情况；
[0012]S4，根据所述的状态方程和观测方程及丢失情况，采用经典式卡尔曼滤波对温度测量值进行初步估计；
[0013]S5，结合初步估计和系统模型，融合邻居传感器的测量数据后计算最优温度估计值；
[0014]S6，将最优温度值输入至PID控制系统，依据变电站温度的监控要求设定空调和排气阀的启停，使变电站温度控制在安全范围内。
[0015]进一步的，所述步骤S3中测量数据是否丢失的统计特性判别式如下：
[0016][0017]其中，为传感器i在k时刻第m维测量数据未丢失情况下，测量向量y
i,k
的方差，为传感器i在k时刻第m维测量数据丢失情况下，测量向量y
i,k
的方差，当判别式ξ>0时，传感器i在k时刻第m维测量数据丢失，判别式ξ<0时，传感器i在k时刻第m维测量数据正常。
[0018]进一步的，所述步骤S4中采用经典式式卡尔曼迭代对温度测量值进行初步估计的步骤为：
[0019]温度值预测更新：
[0020]误差协方差预测更新：
[0021]为传感器i在k时刻预测的温度误差协方差，A
k
为状态转移矩阵，Q
k
为观测噪声的协方差矩阵；
[0022]卡尔曼增益计算：
[0023]为传感器i在k时刻计算的卡尔曼增益，为传感器i在k时刻预测的温度误差协方差，H
i,k
为测量矩阵，Q
k
为测量噪声的协方差矩阵；
[0024]温度更新估计值：
[0025]为传感器i在k时刻的后验温度估计值，z
i,k
为重构的测量矩阵，由公式计算得出，其中θ
i,k
为指示矩阵，当数据丢失时θ
i,k
＝0，当数据不发生丢失时θ
i,k
＝1；当数据发生丢失时，原始测量的相应数据将被丢弃，并替换为时刻k的局部先验估计，用于卡尔曼迭代运算；
[0026]误差协方差更新：
[0027]和分别为传感器i在k时刻后验温度误差协方差和预测先验温度误差协方差，为传感器i在k时刻计算的卡尔曼增益。
[0028]进一步的，所述步骤S5中结合邻居传感器的测量数据计算最优温度估计值：
[0029][0030]其中，为传感器i在k时刻融合数据后得到的局域温度最优估计值，w
ij
是一个权重矩阵，N
i
为传感器i的邻居集。
[0031]本专利技术的技术效果在于：本专利技术采用改良分布式卡尔曼滤波方法通过对测量数据的检测、估计和融合，能实现在间歇性观测下，从测量数据、系统噪声、测量噪声中获得相较传统卡尔曼滤波算法误差更小的变电站温度估计值，将精确的温度估计值输入至PID控制系统，依据变电站温度的监控要求，借助继电器输出模块，以消除偏差的方式设定空调和排气阀的启停，确保变电站温度在安全范围内波动。
附图说明
[0032]图1是本专利技术的流程示意图；
[0033]图2是本专利技术中改良卡尔曼算法的流程示意图；
[0034]图3是本专利技术中用改良卡尔曼算法对温度监控的仿真示意图；
[0035]图4是本专利技术中用改良卡尔曼算法误差比较图；
[0036]图5是本专利技术中的闭环逻辑控制图。
具体实施方式
[0037]下面将结合附图和具体实施例对本专利技术的技术方案进行详细的描述。
[0038]如图1所示，本专利技术提供的一种基于改良卡尔曼滤波的变电站温度监控方法，具体包括如下步骤：
[0039]S1，使用温度传感器实时测量变电站的温度，得到温度数据；
[0040]设置若干个温度传感器，分别对站内温度数据进行初步测量，所得的测量数据包括温度信号和噪声，且测量值呈现离散式分布状态。如图2所示，从温度传感器测得的温度数据通过数字化信息输入模块传输到改良卡尔曼算法中。
[0041]S2，依据传感器系统模型，建立温度传感器状态方程和观测方程；
[0042]依据温度传感器数据的数学特性，建立矩阵形式的状态方程为：
[0043][00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改良卡尔曼滤波的变电站温度监控方法，其特征在于：S1，采用温度传感器实时测量变电站的温度，得到温度数据；S2，根据传感器系统模型，建立温度传感器状态方程和观测方程；温度传感器矩阵形式的状态方程和观测方程分别为：的状态方程和观测方程分别为：其中，和分别为传感器i在k时刻的先验温度预测值和在k
‑
1时刻的后验温度估计值，A为状态转移矩阵，υ
i,k
为符合高斯分布的系统噪声；y
i,k
为测量数据构成的m维列向量，p
i,k
为传感器i在k时刻测量数据未丢失的概率，H
i,k
为m*n维测量矩阵，ω
i,k
为符合高斯分布的观测噪声；S3，根据观测数据，检测传感器的测量数据丢失情况；S4，根据所述的状态方程和观测方程及丢失情况，采用经典式卡尔曼滤波对温度测量值进行初步估计；S5，结合初步估计和系统模型，融合邻居传感器的测量数据后计算最优温度估计值；S6，将最优温度值输入至PID控制系统，依据变电站温度的监控要求设定空调和排气阀的启停，使变电站温度控制在安全范围内。2.根据权利要求1所述的基于改良卡尔曼滤波的变电站温度监控方法，其特征在于，所述步骤S3中测量数据是否丢失的统计特性判别式如下：其中，为传感器i在k时刻第m维测量数据未丢失情况下，测量向量y
i,k
的方差，为传感器i在k时刻第m维测量数据丢失情况下，测量向量y
i,k
的方差，当判别式ξ>0时，传感器i在k时刻第m维测量数据丢失，判别式ξ<0时...

【专利技术属性】
技术研发人员：陈超洋，李浩博，陈祖国，李沛，邹莹，贺悝，谭庄熙，吴晓文，
申请(专利权)人：湖南科技大学，
类型：发明
国别省市：