[发明专利]一种基于鲁棒无迹H无穷滤波的发电机动态估计方法

说明书

本发明公开了一种基于鲁棒无迹H无穷滤波的发电机动态估计方法，用于实现模型参数不确定情形下发电机动态状态的准确估计。具体包含如下步骤：首先，基于发电机四阶动态方程，建立发电机动态状态估计的状态空间模型；其次，依据H无穷滤波中的参数不确定性约束准则，结合无迹变换技术，设计了基于鲁棒无迹H无穷滤波动态状态估计器。该方法能够利用参数不确定约束准则，有效界定参数不确定性对状态估计器性能的影响，增强对模型参数不确定性的鲁棒性，提升状态估计精度。本发明方法流程清晰，实现简单，便于工程实施。

技术领域

本发明涉及动态状态估计方法，尤其涉及一种基于鲁棒无迹H无穷滤波的发电机动态估计方法。

背景技术

近年来，在电力系统监测领域，能够提供带时标高频率采样信息的同步相量量测单元(PMU)被逐渐推广和应用，为电力系统的机电暂态分析提供了可能。然而，PMU作为一个量测单元，在量测过程中会不可避免受到随机干扰等因素的影响，造成量测数据的污染。因此，由PMU获取的量测生数据无法直接用于电力系统机电暂态分析。动态状态估计不仅可以有效的滤除量测数据中的误差和噪声值，而且，借助其预测功能可以为系统未来可能的变化制定相应的控制策略。所以，提高电力系统中发电机动态状态估计跟踪精度对于电网安全稳定运行有重要意义。

目前，动态状态估计常见方法主要包括扩展卡尔曼滤波及其改进方法(extendedKalman filter,EKF)，但是由于EKF采用泰勒级数对非线性函数进行线性化时未计及高阶项，截断误差较大滤波精度有待提高。为了改善EKF的不足，以无迹变换卡尔曼滤波(unscented Kalman filter,UKF)为代表的粒子滤波采用多样本或采样点逼近非线性函数的概率分布，有效提高了状态估计精度。不过，值得注意的是，无论EKF和UKF状态估计方法，它们的有效性均需满足一定的假设条件。比如，假定发电机动态状态估计模型所涉及参数的均能够准确获取，但是，相关研究人员已经证明，由于发电机老化和运行温度的变化，发电机动态状态估计模型的一些默认为常数参数，也为随时间动态变化，即发电机状态空间估计模型的某些参数存在不确定性。这些不确定性因素将会严重影响动态状态估计器的性能，降低状态估计精度。

因此，亟待解决上述问题。

发明内容

发明目的：本发明的目的是提供一种仅能够实现参数不确定情形下发电机状态的准确估计，且算法流程清晰，实现简单，便于工程实施的基于鲁棒无迹H无穷滤波的动态状态估计方法。

技术方案：为实现以上目的，本发明公开了一种基于鲁棒无迹H无穷滤波的发电机动态估计方法，包括如下步骤：

(1)状态空间模型建立

发电机动态状态估计的状态方程与量测方程，其一般形式可以表示为：

式中f(·)表示发电机状态方程，h(·)表示量测方程，x，u，z分别对应表示状态变量，控制变量及量测向量；下标k-1和k表示时刻，w表示系统噪声，v为量测噪声，假设二者分别满足w～N(0,Q)，v～N(0,R)的高斯分布，其中Q与R分别表示系统噪声和量测噪声满足的协方差矩阵，w与v相互独立且和状态变量无关；

(2)设定鲁棒无迹H无穷滤波的参数初始值，包含设定初始时刻状态变量值初始状态估计误差协方差矩阵控制变量值u₀取为稳态运行值，尺度参数κ；设定系统噪声和量测噪声所满足的协方差矩阵Q₀，R₀，以及最大估计时刻N；

(3)利用无迹变换技术产生围绕状态估计值的2n+1个Sigma状态采样点l＝0,1,2,3…2n，其中n表示发电机状态变量维度；

(4)利用鲁棒无迹H无穷滤波的状态预测步，计算k时刻的状态预测值状态预测误差协方差矩阵

(5)基于发电机量测函数，计算k时刻发电机量测预测值