[發(fā)明專利]一種基于集合卡爾曼濾波發(fā)電機(jī)動(dòng)態(tài)狀態(tài)估計(jì)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810364537.4
• 申請(qǐng)日: 2018-04-23
• 公開（公告）號(hào): CN108574291A
• 公開（公告）日: 2018-09-25
• 發(fā)明（設(shè)計(jì)）人: 孫永輝;艾蔓桐;鐘永潔;王義
• 申請(qǐng)（專利權(quán)）人: 河海大學(xué)
• 主分類號(hào): H02J3/24
• 分類號(hào): H02J3/24
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 徐瑩

本發(fā)明提供了一種基于集合卡爾曼濾波發(fā)電機(jī)動(dòng)態(tài)狀態(tài)估計(jì)方法，針對(duì)電力系統(tǒng)機(jī)電暫態(tài)過程的變化特性和發(fā)電機(jī)本身的非線性，本發(fā)明無需狀態(tài)方程的線性化和無跡變換中采樣點(diǎn)的選取，而是使用集合統(tǒng)計(jì)思想估計(jì)卡爾曼濾波方程中的誤差協(xié)方差，逼近實(shí)際狀態(tài)的概率密度函數(shù)，降低計(jì)算復(fù)雜度的同時(shí)還提高了估計(jì)精度。在本發(fā)明中為了集合卡爾曼濾波在發(fā)電機(jī)動(dòng)態(tài)狀態(tài)估計(jì)中取得較好的估計(jì)結(jié)果，考慮濾波的估計(jì)精度和計(jì)算時(shí)間根據(jù)狀態(tài)方程的復(fù)雜度選擇合適的集合大小，并且在初始狀態(tài)平均值的基礎(chǔ)上添加了適當(dāng)?shù)钠疲錇V波的效果相比于直接應(yīng)用集合卡爾曼濾波，在濾波精度和估計(jì)時(shí)間上均有所提高。

技術(shù)領(lǐng)域

本發(fā)明涉及一種電力系統(tǒng)的狀態(tài)估計(jì)方法，具體涉及一種動(dòng)態(tài)狀態(tài)估計(jì)方法。

背景技術(shù)

近年來，基于廣域測(cè)量系統(tǒng)(wide-area measurement systems,WAMS)的同步相量測(cè)量單元(phasor measurement unit,PMU)由于其高采樣率和數(shù)據(jù)的同步性，已廣泛應(yīng)用于電力系統(tǒng)機(jī)電暫態(tài)過程的動(dòng)態(tài)狀態(tài)估計(jì)。但是，PMU測(cè)得的數(shù)據(jù)往往存在量測(cè)誤差和壞數(shù)據(jù)，影響電力系統(tǒng)控制策略的制定。動(dòng)態(tài)狀態(tài)估計(jì)不僅可以減小量測(cè)誤差和噪聲的影響，還可以預(yù)測(cè)系統(tǒng)未來狀態(tài)的變化制定相應(yīng)的控制策略，保障電網(wǎng)的安全穩(wěn)定運(yùn)行。

目前，對(duì)于發(fā)電機(jī)動(dòng)態(tài)狀態(tài)估計(jì)，常見的方法主要包括擴(kuò)展卡爾曼濾波(EKF)、無跡卡爾曼濾波(UKF)等。EKF將狀態(tài)方程展開成泰勒級(jí)數(shù)并略去二階及以上項(xiàng)，線性化過程會(huì)導(dǎo)致較大的截?cái)嗾`差，對(duì)高度非線性系統(tǒng)可能會(huì)導(dǎo)致錯(cuò)誤的估計(jì)；UKF通過無跡變換(unscented transform,UT)近似地獲取非線性變化后的統(tǒng)計(jì)特性，需要選擇大量參數(shù)，對(duì)參數(shù)選取的靈活性差，應(yīng)用存在局限性。

發(fā)明內(nèi)容

發(fā)明目的：本發(fā)明的目的在于提出一種可降低計(jì)算復(fù)雜度且提高估計(jì)精度的基于集合卡爾曼濾波發(fā)電機(jī)動(dòng)態(tài)狀態(tài)估計(jì)方法。

技術(shù)方案：本發(fā)明提供了一種基于集合卡爾曼濾波發(fā)電機(jī)動(dòng)態(tài)狀態(tài)估計(jì)方法，包括以下步驟：

(1)獲得所需估計(jì)發(fā)電機(jī)機(jī)組的參數(shù)信息，包括時(shí)間慣性常數(shù)、阻尼系數(shù)、同步轉(zhuǎn)速、額定功率和發(fā)電機(jī)總機(jī)組數(shù)；

(2)設(shè)定估計(jì)時(shí)間長度、設(shè)定集合成員數(shù)、設(shè)定集合狀態(tài)變量初始值、設(shè)定系統(tǒng)模型噪聲方差矩陣、設(shè)定量測(cè)誤差方差矩陣；

(3)由已知先驗(yàn)知識(shí)獲取發(fā)電機(jī)功角和電角速度的一個(gè)初始狀態(tài)，初始狀態(tài)通過Monte Carlo方法產(chǎn)生集合成員數(shù)為q的初始集合，該初始集合反應(yīng)初始狀態(tài)的誤差統(tǒng)計(jì)情況，并且在初始集合的基礎(chǔ)上添加適當(dāng)偏差d得到濾波的初始集合X₀：

集合中的每個(gè)元素表示一組狀態(tài)變量；

(4)預(yù)測(cè)步：計(jì)算每個(gè)集合成員在第k+1時(shí)刻的預(yù)測(cè)狀態(tài)值和預(yù)測(cè)狀態(tài)平均值

式中，f(·)為狀態(tài)轉(zhuǎn)換函數(shù)，u_k為k時(shí)刻控制輸入量，為k時(shí)刻第i個(gè)集合成員的過程噪聲，為k時(shí)刻第i個(gè)集合成員的分析狀態(tài)值，為k+1時(shí)刻第i個(gè)集合成員的預(yù)測(cè)狀態(tài)值，為k+1時(shí)刻預(yù)測(cè)狀態(tài)平均值，q為集合成員數(shù)；

(5)由于真實(shí)狀態(tài)x_k未知，通過使用集合成員來近似誤差協(xié)方差矩陣，并計(jì)算k+1時(shí)刻的卡爾曼增益矩陣：