[發明專利]基于無跡粒子濾波理論的發電機動態狀態估計方法

在審

• 申請號: 201710040475.7
• 申請日: 2017-01-20
• 公開（公告）號: CN106844952A
• 公開（公告）日: 2017-06-13
• 發明（設計）人: 孫國強;王晗雯;衛志農;黃蔓云;陳勝
• 申請（專利權）人: 河海大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 南京蘇高專利商標事務所(普通合伙)32204
• 代理人: 劉淵

技術領域

發明涉及一種基于無跡粒子濾波理論的發電機動態狀態估計方法，屬于電力系統監測、分析和控制技術領域。

背景技術

隨著電網規模的增大和電力系統復雜度增加，同時由于現有的測量設備存在測量誤差，直接測量手段難以獲取電力系統真實的狀態信息。電力系統真實狀態是電力系統分析、控制和決策的重要參考，而狀態估計可以濾除電力系統量測數據的誤差，得到盡可能接近系統真實狀態的近似值。

傳統的狀態估計常采用以最小二乘算法為代表的靜態狀態估計方法迭代求解得到電力系統某一時間斷面的狀態近似值。由于電力系統規模大、復雜度高，電力系統暫態故障難以避免，因此，急需尋找精度和計算效率更高的狀態估計方法從而更快得到更加準確的狀態信息，縮短故障發生到采取控制保護的時間。相比于靜態狀態估計，動態狀態估計不僅可以濾除量測噪聲，且具有良好的預測能力，能夠為電力系統的安全評估、狀態預測、預防控制等在線功能提供支撐。而廣域測量系統中的PMU設備能夠提供高精度、高頻刷新的量測數據，也為動態狀態估計的實時性提供了有力保障。

建立合理的發電機動態模型和選擇性能優良的濾波器是電力系統發電機動態狀態估計的首要任務。針對發電機動態模型，不同學者根據研究需求選擇了不同階次的發電機動態方程建立發電機動態模型，主要分為二階、四階和六階動態方程。而考慮到發電機動態模型的非線性，多位學者分別提出了基于卡爾曼估計和貝葉斯估計等框架下的濾波算法，主要代表有擴展卡爾曼濾波(EKF)、無跡卡爾曼濾波(UKF)、容積卡爾曼濾波(CKF)、粒子濾波(PF)等。EKF存在線性化截斷誤差大的問題，UKF及CKF采用不同的采樣方式，利用采樣點傳播非線性方程的均值和方差，無需進行線性化。然而，UKF對初值敏感，參數無確定選取原則，CKF雖無需選擇參數，但濾波提升有限。PF濾波精度高，但需要大量粒子進行運算，計算效率低，且當預測先驗與似然函數重疊較少或量測模型精度較高時，可能導致濾波失效。

發明內容：

本發明所要解決的技術問題是針對現有技術存在的不足而提供一種基于無跡粒子濾波理論的發電機動態狀態估計方法。

本發明為實現上述目的，采用如下技術方案：

一種基于無跡粒子濾波理論的發電機動態狀態估計方法，所述方法是在計算機中依次按以下步驟實現的：

1)獲取所需動態狀態估計的系統中發電機組的參數信息；

2)利用電力系統分析軟件模擬PMU設備獲取狀態估計所需的量測數據；

3)狀態估計器初始化；

4)建立發電機動態狀態估計模型；采用發電機的四階動態方程建立發電機的狀態方程，根據獲取的PMU數據建立發電機的量測方程；

5)在狀態初值附近生成初始粒子，啟動濾波算法；

6)通過比例修正采樣的UKF生成重要性密度函數及新的采樣粒子；

7)更新粒子權重并歸一化；

8)判斷是否需要重采樣；若是，則轉到重采樣步驟，若否，則繼續下一步。

9)輸出當前時刻的狀態估計結果。

10)判斷濾波運算是否結束，若是，則輸出最后全部狀態估計結果；若否，則轉到步驟6)繼續下一步。

步驟1)中，發電機的參數信息包括發電機的機械轉矩、有功和無功額定功率、同步電角速度、阻尼系數、慣性時間常數、定子勵磁電壓額定值以及發電機的機組總數。

步驟2)中的量測數據包括：發電機的絕對功角、角速度變化值、端口電壓相量的幅值和相角、端口電磁功率和機械轉矩。

步驟3)中的初始化包括輸入參數和量測數據，設置狀態初值，設置過程噪聲和量測噪聲協方差陣，設置預測協方差初值，設置UPF粒子數和濾波參數以及采樣間隔和采樣周期；

步驟4)中發電機的狀態方程形式為：