[發明專利]一種配電網動態狀態估計算法

在審

• 申請號: 202110329681.6
• 申請日: 2021-03-26
• 公開（公告）號: CN113313339A
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 劉敏;羅永平
• 申請（專利權）人: 貴州大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;H02J3/00;G06N3/00
• 代理公司: 貴陽中新專利商標事務所 52100
• 代理人: 劉楠

本發明公開了一種配電網動態狀態估計算法，該算法首先通過自適應調節無跡變換的比例修正因子來控制Sigma采樣點的分布和引入漸消因子在線調整卡爾曼濾波增益來提高重要性密度函數的質量，然后再用粒子濾波理論實現狀態估計，改進后的無跡卡爾曼濾波算法UKF與粒子濾波PF算法相結合形成魯棒性更強、濾波精度更高的配電網狀態估計算法，本發明減少樣本粒子數來達到較高精度要求的狀態估計，從而減少算法耗時；當系統存在量測不良數據時能迅速感知，通過引入的漸消因子來修正預測協方差進而調整濾波增益，增強了算法的魯棒性。

技術領域

本發明涉及配電網運狀態估計技術領域，具體為一種配電網動態狀態估計算法。

背景技術

跡卡爾曼濾波(Unscented Kalman Filter,UKF)算法采用無跡變換UT變換經過確定性采樣獲得2n+1(n為系統維度)個sigma點，濾波精度可達二階以上。為保證UKF算法在異常情況下能有較高的濾波精度，通過一個有偏和無偏的估值器形成噪聲參數統計估值器來對過程噪聲統計參數進行實時估計，改進的UKF算法不僅有較強的魯棒性而且對狀態突變有較好的自適應能力；以上估計算法只有在噪聲為高斯分布時才能得到最佳的濾波效果，對強非線性非高斯系統濾波精度有限。

粒子濾波(Particle Filter，PF)是一類基于貝葉斯估計理論，用蒙特卡洛思想近似濾波后驗概率分布的濾波算法，適合于任意線性或非線性系統且對系統的噪聲模型沒有要求。將UKF算法融入到粒子濾波算法中，用UKF算法結合最新的量測信息為粒子濾波產生重要性密度函數，然后再從該重要性密度函數采樣生成粒子，最終通過粒子加權和的形式進行配電網動態狀態估計。仿真結果表明：無跡粒子濾波(UPF)算法估計精度比UKF和PF算法都高；同時，在非高斯量測噪聲模型下，無跡粒子濾波算法也能保持較高的估計精度；UPF狀態估計算法存在濾波精度有限且魯棒性不強的缺陷。

為保證系統安全穩定運行，提高用戶的用電質量，配電管理系統(DMS) 需要對配電網運行狀態進行準確的感知。狀態估計分為靜態狀態估計和動態狀態估計兩大類。靜態狀態估計只能估算當前斷面的運行狀態，無法體現出配電網時變的特性。動態狀態估計不僅能估算當前斷面的運行狀態還能預測出下一時刻的運行狀態，體現了配電網時變的特性，應用場合更加廣泛。在配電網動態狀態估計中，目前常用的算法是卡爾曼濾波(包括擴展卡爾曼濾波算法、無跡卡爾曼濾波算法、容積卡爾曼濾波算法等改進算法)和粒子濾波算法。

各類改進卡爾曼濾波算法可用于非線性的配電網狀態估計，但只有在配電網量測量噪聲服從高斯分布時才可能達到較好的估計精度。粒子濾波算法可用于線性或非線性系統，且對量測量噪聲的分布沒有特殊要求，但粒子濾波算法采用狀態轉移函數作為建議分布，易導致粒子退化且估計精度較低。將改進卡爾曼濾波與粒子濾波結合形成的濾波算法(如無跡粒子濾波算法)在配電網量測量有非高斯噪聲時也能保證較好的估計精度，但這類改進粒子濾波算法的魯棒性不強。當配電網運行中出現負荷突變時，改進粒子濾波算法的狀態估計精度較低。

未來隨著大量隨機性電源(風機、光伏)和負荷(電動汽車充電裝置、儲能裝置)的接入，配電網的量測量呈現出很強的非高斯和突變隨機性。現有配電網動態狀態估計算法在這個非高斯、高隨機突變的配電網環境下，不能提供較好的狀態估計結果。

發明內容

本發明的目的在于提供了一種改進的無跡粒子濾波算法，以用于非線性、非高斯、強隨機的配電網動態估計，解決了上述背景技術中提出的問題。

本發明通過采用如下技術方案克服以上技術問題，具體為：

一種配電網動態狀態估計算法，該算法首先通過自適應調節無跡變換的比例修正因子來控制Sigma采樣點的分布和引入漸消因子在線調整卡爾曼濾波增益來提高重要性密度函數的質量，然后再用粒子濾波理論實現狀態估計，改進后的無跡卡爾曼濾波算法UKF與粒子濾波PF算法相結合形成魯棒性更強、濾波精度更高的配電網狀態估計算法。