[发明专利]基于自适应H无穷扩展卡尔曼滤波的状态估计方法

说明书

本发明提供了一种基于自适应H无穷扩展卡尔曼滤波的状态估计方法，不仅可以有效界定系统参数不确定性所引入的估计误差上限，并且采用了自适应技术对滤波参数和系统噪声统计特性进行自适应估计，避免了传统H无穷扩展卡尔曼滤波误差上限难选取以及系统噪声统计特性无法准确获取的问题，具有更强的鲁棒性，能够实现系统更高精度的状态估计。

技术领域

本发明涉及一种电力系统，具体涉及一种状态估计方法。

背景技术

近年来，随着中国联网和能源资源大范围优化配置格局的初步形成、电力市场化改革的稳步推进、新能源开发步伐的加快、“建设坚强智能电网”举措的提出，中国电网结构日益庞大，运行方式日趋复杂，保障电网的安全经济运行意义重大，任务艰巨。电力系统调度中心依靠静态状态估计可以掌握电力系统实时运行状态，而分析和预测系统的运行趋势，对运行中发生的各种问题提出对策，则需要依靠兼备预测功能的动态状态估计。

在目前的研究中，电力系统动态状态估计主要以扩展卡尔曼滤波(extendedKlaman filter,EKF)以及其改进方法为主，如计入非线性卡尔曼滤波、自适应预报动态状态估计、光滑增平面模糊控制动态状态估计等。但是，需要指出的是传统基于EKF框架的动态状态估计方法对模型的精度要求较高，并且需假设系统噪声的协方差矩阵是不变的。但在实际电力系统应用中，系统精确的模型参数和系统噪声统计特性往往比较难获取，其无疑会严重影响动态状态估计的结果，降低状态估计精度。

发明内容

发明目的：本发明的目的在于为了提高系统噪声和模型不确定情形下的电力系统动态状态估计精度，有效界定系统模型参数不确定性所引入的估计误差上限，自适应估计滤波参数和系统噪声统计特性所满足的协方差矩阵，提出了一种基于自适应H无穷扩展卡尔曼滤波的电力系统动态状态估计方法，可以显著改善电力系统动态状态估计器的鲁棒性，进而实现系统更高精度的状态估计。

技术方案：本发明提供了一种基于自适应H无穷扩展卡尔曼滤波的状态估计方法，包括以下步骤：

建立电力系统动态状态估计模型，依据电力系统的动态状态估计模型，采用自适应H无穷扩展卡尔曼滤波的状态估计方法对电力系统运行动态进行估计：

(1)设定滤波相关的初始值，包括t＝0时刻的状态估计初始值状态估计误差协方差P₀、系统噪声和量测噪声协方差矩阵的初始值Q₀和R₀、以及最大估计时刻N；

(2)获取t时刻的电力系统混合量测值y_t；

(3)计算t时刻的状态预测值计算公式如下：

式中，f(·)表示已知的系统函数，为t-1时刻的状态估计值；

(4)计算t时刻的状态预测误差协方差P_t|t-1，计算公式如下：

式中，表示函数f(·)在处的雅克比矩阵，P_t-1为t-1时刻的估计误差协方差，Q_t-1表示t-1时刻的系统噪声协方差矩阵；

(5)根据外界情况变化，自适应计算并更新t时刻误差协方差矩阵计算公式如下：

式中，α是一个待设定的正常数，用于调节动态过程中误差协方差自适应变换的阈值，γ为不确定约束上界，其中P_y,t-1、和L_t的计算方法如下：