【技术实现步骤摘要】
本专利技术涉及电气参数测量，尤其涉及一种自搜索式强跟踪卡尔曼滤波的电气信号测量方法和介质。
技术介绍
1、在现代电力系统中，准确测量电气参数对于系统的稳定性和安全性至关重要。电力系统的频率、幅值、相角是反映电力系统运行状态的重要参数，也是反映电能质量的重要指标。从安全预防的角度来看，电力调度部门可以通过电气参数的实时测量，了解电力系统的运行状况，方便进行调频、调压等操作。当电力系统受到冲击或者发生故障时，电气参数的实时测量还可以为切机、切负荷或者采取某些紧急措施提供依据。
2、传统的电气参数测量方法多采用传感器测量，但是传感器的精度和可靠性受到很多因素的影响，例如谐波污染、大负荷的波动、电力系统短路故障和雷击等，因此需要一种准确和可靠的电气参数算法来跟踪电气参数。强追踪卡尔曼滤波算法是一种针对非线性系统的扩展卡尔曼滤波改进算法，能够提高卡尔曼滤波的收敛速度和估计精度。但是，强追踪卡尔曼滤波算法的性能会受到强追踪因子的影响，强追踪因子的选取对滤波器的效果有很大影响。目前，常见的强追踪因子选取方法是基于试错法，需要进行大量的试验和调试，费用高且效率低下。因此，需要一种能够克服强追踪因子选取困难，并能够实现电气参数准确、可靠追踪的电气信号测量方法。
技术实现思路
1、本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的第一个目的在于提供一种自搜索式强跟踪卡尔曼滤波的电气信号测量方法，该方法能够克服强追踪因子选取困难问题，可降低试验和调试成本，并便于提
2、本专利技术的第二个目的在于提供一种计算机可读存储介质。
3、本专利技术的第三个目的在于提供一种电子设备。
4、为达到上述目的，本专利技术通过以下技术方案实现：
5、一种自搜索式强跟踪卡尔曼滤波的电气信号测量方法，包括：
6、获取电气参数采样值，并根据所述电气参数采样值确定电气参数状态变量，以及根据所述电气参数状态变量确定系统状态方程和观测方程；
7、基于所述系统状态方程和观测方程，通过由卡尔曼强追踪因子更新后的卡曼增益矩阵追踪计算得到电气参数，从而实现电气信号测量。
8、优选的，所述电气参数采样值表示如下：
9、
10、其中，fm为第m次采样信号的瞬时采样值；ai、fi、分别为第i种谐波或间谐波的幅值、频率和初相角；m为采样次数；ts为采样间隔；v为与信号相互独立的高斯白噪声，n为谐波种类总数。
11、优选的，所述电气参数状态变量表示如下：
12、
13、其中，xk表示第k次迭代的电气参数状态变量，a1、和f1分别表示基波幅值、初相角和频率；
14、所述系统状态方程表示如下：
15、
16、其中，xk+1表示第k次迭代的电气参数状态估计变量；
17、所述观测方程表示如下：
18、yk＝xk(1)sin(xk(2))+v
19、其中，yk表示第k次迭代的观测变量，xk(1)表示基波幅值，xk(2)表示初相角。
20、优选的，通过追踪计算得到的电气参数表示如下：
21、
22、
23、其中，为第k次迭代的电气参数状态更新值，为第k+1次迭代的电气参数状态估计值，pk+1/k为与电气参数关联的第k次迭代的估计误差协方差矩阵，fk为状态转移矩阵；pk/k为第k次迭代的滤波误差协方差矩阵；qk为模型噪声协方差矩阵；
24、其中，pk/k分别表示如下：
25、
26、pk/k＝pk/k-1-kkhpk/k-1
27、其中，为第k-1次迭代的电气参数状态估计值，kk为卡尔曼增益矩阵，h为传感器读取矩阵，pk/k-1为第k-1次迭代的估计误差协方差矩阵，其中，卡尔曼增益矩阵kk表示如下：
28、kk＝pk/k-1ht[hpk/k-1ht+rk]-1
29、其中，rk为量测噪声协方差矩阵。
30、优选的，通过粒子群优化算法优化选取得到所述卡尔曼强追踪因子。
31、优选的，所述卡尔曼强追踪因子表示如下：
32、gamma(k)＝pk/k/pk/k-1
33、其中，gamma(k)为第k次迭代的卡尔曼强追踪因子。
34、优选的，更新后的卡曼增益矩阵表示如下：
35、k_bark+1＝kk/gamma(k)
36、其中，k_bark+1为更新后的卡曼增益矩阵。
37、优选的，通过粒子群优化算法优化选取得到所述卡尔曼强追踪因子的步骤包括：
38、分别以均方误差函数为目标和卡尔曼强追踪因子为变量建立目标函数，并确定卡尔曼强追踪因子变量的变量范围作为所述目标函数的约束条件；
39、生成若干随机粒子，并初始化各粒子的初始位置和初始速度，以进行粒子群初始化操作，其中，粒子位置表示卡尔曼强追踪因子值，粒子速度表示单位时间粒子移动的距离；
40、基于所述目标函数、各粒子的初始位置和初始速度计算各粒子的适应度值，其中，粒子的适应度值最小表示卡尔曼强追踪因子值最优；
41、更新各粒子位置和粒子速度，并迭代计算各粒子的适应度值；
42、判断迭代更新是否达到停止条件，并在达到停止条件时输出全局最优解，得到最优适应度值，以选取得到对应的最优卡尔曼强追踪因子，从而便于根据所述最优卡尔曼强追踪因子得到更新后的卡曼增益矩阵，实现电气参数追踪。
43、为达到上述目的，本专利技术第二方面提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述所述的自搜索式强跟踪卡尔曼滤波的电气信号测量方法。
44、为达到上述目的，本专利技术第三方面提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述所述的自搜索式强跟踪卡尔曼滤波的电气信号测量方法。
45、本专利技术至少具有以下技术效果：
46、1、通过本专利技术使用的粒子群优化算法优化卡尔曼强追踪因子，可以克服强追踪因子选取困难的问题，另外采用本专利技术使用的粒子群优化算法优化卡尔曼强追踪因子，可使卡尔曼滤波器在跟踪移动目标时表现更好，更准确地跟踪目标的运动轨迹。另外，由于强追踪卡尔曼滤波器中的强追踪因子在本专利技术中通过粒子群优化算法来调整，因此可以根据具体情况动态调整强追踪因子，以达到更高的精度和准确性，从而提高电气参数测量的精确度和可靠性。
47、2、在目标存在强噪声或较大干扰的情况下，传统的卡尔曼滤波器容易出现过度适应和过度拟合问题，而本专利技术通过粒子群优化算法优化卡尔曼强追踪因子，可以使卡尔曼滤波器更具有鲁棒性，提高其在复杂场景下的表现能力；另外，传统的卡尔曼滤波算法在处理非线性系统或高维度系统时可能本文档来自技高网...
【技术保护点】
1.一种自搜索式强跟踪卡尔曼滤波的电气信号测量方法，其特征在于，包括：
2.如权利要求1所述的自搜索式强跟踪卡尔曼滤波的电气信号测量方法，其特征在于，所述电气参数采样值表示如下：
3.如权利要求2所述的自搜索式强跟踪卡尔曼滤波的电气信号测量方法，其特征在于，所述电气参数状态变量表示如下：
4.如权利要求3所述的自搜索式强跟踪卡尔曼滤波的电气信号测量方法，其特征在于，通过追踪计算得到的电气参数表示如下：
5.如权利要求4所述的自搜索式强跟踪卡尔曼滤波的电气信号测量方法，其特征在于，通过粒子群优化算法优化选取得到所述卡尔曼强追踪因子。
6.如权利要求5所述的自搜索式强跟踪卡尔曼滤波的电气信号测量方法，其特征在于，所述卡尔曼强追踪因子表示如下：
7.如权利要求6所述的自搜索式强跟踪卡尔曼滤波的电气信号测量方法，其特征在于，更新后的卡曼增益矩阵表示如下：
8.如权利要求5所述的自搜索式强跟踪卡尔曼滤波的电气信号测量方法，其特征在于，通过粒子群优化算法优化选取得到所述卡尔曼强追踪因子的步骤包括：
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。