[發(fā)明專利]一種負荷建模的模糊邏輯強跟蹤方法

有效

• 申請?zhí)枺?/td>: 202110050535.X
• 申請日: 2021-01-14
• 公開（公告）號: CN112733372B
• 公開（公告）日: 2022-04-22
• 發(fā)明（設計）人: 王振樹;李中強
• 申請（專利權）人: 山東大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F17/15;G06F17/16;G06N7/02;G06Q50/06;G06F111/10;G06F119/10
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 張慶騫

1.一種負荷建模的模糊邏輯強跟蹤方法，其特征在于，包括：

監(jiān)測電壓幅值和新息的變化，確定噪聲協(xié)方差矩陣；所述新息為當前負荷模型輸出預測負荷特性數(shù)值與實測負荷特性數(shù)值之差；

利用模糊邏輯自適應調整噪聲協(xié)方差矩陣，確定強跟蹤濾波器的漸消因子，使強跟蹤濾波器的過程參數(shù)與當前負荷模型參數(shù)保持一致；

利用強跟蹤濾波器對當前負荷模型進行狀態(tài)估計，判斷新息是否達到預設精度，若是，則輸出修正后的模型，并利用該模型進行預測負荷特性；否則，繼續(xù)修正負荷模型，直至新息達到預設精度。

2.如權利要求1所述的負荷建模的模糊邏輯強跟蹤方法，其特征在于，所述負荷特性數(shù)值為負荷的有功功率和無功功率。

3.如權利要求1所述的負荷建模的模糊邏輯強跟蹤方法，其特征在于，模糊化定義如下：

如果電壓變化屬于預先設定變化小的范疇，新息的數(shù)值也屬于預先設定變化小的范疇，那么噪聲協(xié)方差矩陣設計為一個設定的小值，從而降低測量噪聲對負荷建模的影響；

如果電壓變化屬于預先設定變化大的范疇，新息數(shù)值也屬于預先設定變化大的范疇，那么噪聲協(xié)方差矩陣設計為一個設定的大值，以自適應測量噪聲的影響，同時漸消因子被設計為一個設定大值，對過去的測量數(shù)據(jù)進行漸消。

4.如權利要求1所述的負荷建模的模糊邏輯強跟蹤方法，其特征在于，在確定強跟蹤濾波器的漸消因子的過程中，通過使用知識庫收集不同的知識行為的形式“IF-THEN”模糊規(guī)則并計算成員值。

5.如權利要求4所述的負荷建模的模糊邏輯強跟蹤方法，其特征在于，模糊規(guī)則庫由人工專家生成，利用經(jīng)驗和實驗數(shù)據(jù)，對表示電壓幅值和新息之間的關系的三角形隸屬度函數(shù)進行劃分。

6.如權利要求1所述的負荷建模的模糊邏輯強跟蹤方法，其特征在于，在確定強跟蹤濾波器的漸消因子的過程中，采用加權平均法進行去模糊化，輸出得到一個確定的噪聲協(xié)方差矩陣。

7.如權利要求1所述的負荷建模的模糊邏輯強跟蹤方法，其特征在于，利用強跟蹤濾波器對當前負荷模型進行狀態(tài)估計的過程為：

當前負荷模型匹配一個強跟蹤濾波器進行狀態(tài)估計，同時利用量測數(shù)據(jù)進行模糊邏輯自適應調整漸消因子，組成交互式模糊邏輯強跟蹤濾波器，對負荷特性數(shù)據(jù)進行濾波。

8.如權利要求1所述的負荷建模的模糊邏輯強跟蹤方法，其特征在于，所述強跟蹤濾波器利用上一時刻混合后的狀態(tài)量和本時刻量測的負荷數(shù)據(jù)求解濾波增益，并利用其進行下一時刻的預測、更新狀態(tài)量和協(xié)方差矩陣。