[发明专利]一种基于自适应无迹H∞滤波的发电机动态状态估计方法

说明书

本发明公开了一种基于自适应无迹H∞滤波的发电机动态状态估计方法，用于增强动态状态估计器对模型不确定性的鲁棒性，提升动态状态估计精度。本发明方法基于无迹变换和H_∞滤波理论，通过引入自适应技术，提出了可以抑制模型不确定性对状态估计结果的影响的状态估计误差协方差自适应调整更新策略。该方法不仅可以有效提升发电机动态状态估计精度，而且避免了传统鲁棒状态估计方法模型不确定性约束上界参数难选取的问题。本发明方法计及了实际工程背景，且实现流程清晰，具有较高的工程应用价值。

技术领域

本发明涉及发电机动态状态估计方法，尤其涉及一种基于自适应无迹H∞滤波的发电机动态状态估计方法。

背景技术

作为电力系统最重要的组成部分之一，发电机运行状态的准确估计与分析至关重要。近年来，随着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，为电力系统发电机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获取的量测信息无法直接用于电力系统机电暂态分析。动态状态估计器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，提高状态估计器精度对于电力系统发电机的稳定控制意义重大。

目前，针对电力系统发电机进行动态状态估计，基于确定的状态估计模型假设，研究人员提出了扩展卡尔曼滤波(EKF)、粒子滤波、无迹变换卡尔曼滤波等状态估计方法。但是，在实际的电力系统分析时，系统的模型往往存在不确定性，诸如系统噪声和量测噪声所满足的统计规律无法准确获知，而且模型的一些参数辨识结果也存在一定的程度的不确定性，这些不确定性因素将会严重影响上述状态估计器的性能，甚至导致状态估计结果无法收敛。

因此，亟待解决上述问题。

发明内容

发明目的：针对模型不确定性引起的状态估计器性能下降问题，本发明提出了一种基于自适应无迹H∞滤波的发电机动态状态估计方法。

技术方案：为实现以上目的，本发明公开了一种基于自适应无迹H∞滤波的发电机动态状态估计方法，包括如下步骤：

(1)状态估计模型建立

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和k+1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)设定自适应无迹H_∞滤波的参数初始值，包含设定初始时刻状态估计值初始状态估计误差协方差矩阵初始控制变量u₀，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采样点其中n为状态变量维度；

(4)计算k时刻的状态预测值并求解k时刻状态预测误差协方差矩阵

(5)计算状态预测点经发电机量测方程传递的对应点值，求解k时刻发电机量测预测值

(6)求解更新k时刻量测预测误差协方差矩阵和交互协方差矩阵P_xz,k；

(7)利用自适应无迹H_∞滤波的校正步骤，求解k时刻的滤波增益K_k，并基于k时刻的量测信息值z_k，对状态预测值进行修正更新，计算公式分别为